ASPIRE
Ciclo con agente di programmazione che scrive, corregge e conserva programmi per robot come libreria di skill
Licenza
Apache 2.0
Licenza suddivisa. Il codice di ASPIRE: Apache-2.0. Le dipendenze scaricate come sottomoduli Git o download mantengono le proprie condizioni: Contact-GraspNet (port PyTorch) è soggetto alla Source Code License di NVIDIA per ricerca e valutazione non commerciali; il codice e i pesi ad accesso controllato di SAM 3 sono soggetti alla SAM License di Meta; il pacchetto di dati di BEHAVIOR-1K è soggetto a un EULA accademico non commerciale. LIBERO-PRO, robosuite e PyRoki sono MIT, e cuRobo è Apache-2.0. Per usarlo serve anche un account con un'API a pagamento per un modello di programmazione, a meno che non si usi un modello a pesi aperti. Verificato il 2026-10-23.
Panoramica
ASPIRE (Agentic Skill Programming through Iterative Robot Exploration) è un sistema del laboratorio GEAR di NVIDIA in cui un agente di programmazione, come Claude Code o Codex, programma un robot al posto di una policy addestrata. Si basa sull'idea del code-as-policies: l'agente scrive codice Python per un'API del robot fissa, lo esegue, rilegge tracce dettagliate di ciò che è successo, corregge il programma e riprova. Le correzioni che un verificatore riesce a riprodurre vengono salvate come skill riutilizzabili, così la libreria cresce da un compito all'altro. Il repository è Apache-2.0 e comprende l'harness, le skill dell'agente che guidano il ciclo e i runbook per ogni esperimento dell'articolo. È testato su LIBERO-Pro, robosuite e BEHAVIOR-1K in simulazione, e nel mondo reale su una postazione bimanuale I2RT YAM, dove un agente ha risolto un cubo di Rubik. La versione 1.0 è uscita a ottobre 2026. Non ci sono pesi del modello: il 'modello addestrato' è la cartella delle skill.
Ogni esecuzione è un ciclo tra un agente di programmazione e un robot. L'agente riceve un compito e un'API di programmazione del robot fatta di primitive di percezione, pianificazione e controllo: segmentazione con SAM 3, proposte di presa da Contact-GraspNet, cinematica inversa con PyRoki e pianificazione del movimento con cuRobo. Scrive un breve programma Python, che il motore di esecuzione esegue nel simulatore o sul robot registrando tracce multimodali: immagini, pose degli oggetti, contatti e il risultato di ogni chiamata. L'agente legge quelle tracce per capire perché un'esecuzione è fallita, modifica il programma e lo esegue di nuovo.
Due meccanismi fanno sì che il lavoro si accumuli. Una libreria di skill conserva le correzioni che un verificatore ha riprodotto sul compito di origine, scritte come testo e codice che l'agente può recuperare in seguito, così una correzione appresa su un compito aiuta in quello successivo. Una ricerca evolutiva esegue in parallelo molte varianti del programma e corregge ciascuna, trovando strategie che una singola linea di correzione non coglierebbe. L'articolo mostra skill apprese su LIBERO-90 che si trasferiscono a compiti a lungo orizzonte mai visti, e skill trovate in simulazione su un braccio Franka che riducono lo sforzo per programmare un robot diverso nel mondo reale.
Il repository confeziona il ciclo come skill dell'agente per Claude Code e Codex (iterative-debugging ed evosearch), con un harness a riga di comando (cap-harness) per eseguire e validare gli episodi. I backend di simulazione sono LIBERO-Pro e robosuite su MuJoCo, e BEHAVIOR-1K su Isaac Sim tramite OmniGibson. L'adattatore per il robot reale controlla due bracci YAM a sei giunti via CAN, con configurazione della postazione, calibrazione delle telecamere e un runbook per l'operatore. Le ricette distillate dalle sessioni dimostrative coprono il cubo di Rubik, svitare una bottiglia e versare, mettere una pillola in una bottiglia e chiuderla, e impilare bicchieri uno dentro l'altro.
I risultati dipendono dal modello che guida l'agente. Su dieci compiti LIBERO-Pro Goal con perturbazione della posizione, il successo sale dal 15% con GPT-6 Luna al 99% con Claude Opus 5.5 e Sonnet 5.5. Il miglior modello a pesi aperti testato, Kimi K3, arriva al 78%. Con Claude Opus 5.5 l'articolo riporta un successo medio del 99% su tutti gli 80 compiti LIBERO-Pro e del 100% su compiti rappresentativi di robosuite e BEHAVIOR-1K.
Perché è importante
La maggior parte dei progetti recenti di apprendimento robotico migliora un robot addestrando una rete su un numero maggiore di dimostrazioni. ASPIRE mostra una strada diversa, oggi praticabile: lasciare che un modello di programmazione potente scriva il controller, lo corregga in base a ciò che il robot ha effettivamente fatto e conservi ciò che funziona come codice leggibile. Il risultato si può ispezionare, modificare e riutilizzare tra compiti e robot diversi, cosa impossibile con i pesi di una policy. Poiché l'intero harness è aperto, compresi i runbook e le skill dell'agente, un laboratorio può riprodurre i numeri dei benchmark o puntare lo stesso ciclo sui propri compiti, e vedere fin dove arriva il modello scelto.
Il problema che risolve
Programmare un robot a mano significa coordinare percezione, contatto e recupero dagli errori per ogni nuovo compito e configurazione, e il lavoro raramente si trasferisce al compito successivo. ASPIRE dà a un agente di programmazione i mezzi per fare da sé quel lavoro: un'API del robot, tracce di esecuzione ricche da cui correggere, una ricerca sulle varianti del programma e una libreria che conserva le correzioni verificate, così i compiti successivi partono da ciò che hanno appreso quelli precedenti.
Punti chiave
- Un agente di programmazione (Claude Code o Codex) scrive codice Python per un'API del robot, lo esegue, legge le tracce di esecuzione e corregge il programma
- Le correzioni verificate vengono conservate in una libreria di skill riutilizzabili; una ricerca evolutiva esplora in parallelo molte varianti del programma
- Con Claude Opus 5.5 l'articolo riporta un successo medio del 99% su tutti gli 80 compiti LIBERO-Pro e del 100% su compiti rappresentativi di robosuite e BEHAVIOR-1K
- Su una postazione bimanuale YAM reale un agente ha risolto un cubo di Rubik; le skill trovate in simulazione riducono lo sforzo per programmare un robot reale diverso
- Il successo dipende dal modello: dal 15% al 99% tra i dodici testati, con il miglior modello a pesi aperti (Kimi K3) al 78%
- Il codice di ASPIRE è Apache-2.0, ma parti dello stack completo, cioè Contact-GraspNet, SAM 3 e gli asset di BEHAVIOR-1K, hanno condizioni proprie restrittive
A chi si rivolge
- Ricercatori che studiano agenti basati su LLM per la programmazione di robot, code-as-policies e apprendimento continuo
- Laboratori che vogliono riprodurre o estendere i risultati su LIBERO-Pro, robosuite o BEHAVIOR-1K
- Team con una postazione bimanuale YAM, o un altro braccio che possono integrare nell'API del robot, che vogliono che un agente programmi nuovi compiti
- Chiunque confronti le prestazioni di diversi modelli di frontiera e a pesi aperti come programmatori di robot
Limiti
- Richiede un modello di programmazione capace e la sua API. Sul benchmark LIBERO-Pro a dieci compiti dell'articolo, il costo API stimato per compito a prezzi di listino andava da 0,83 $ (GPT-6 Luna, 15% di successo) a circa 60 $ (Claude Opus 5.5); il modello più economico sopra il 95% di successo era Claude Sonnet 5.5, a circa 12 $ per compito
- Funziona su Linux x86-64 con una GPU NVIDIA; i profili hardware di riferimento sono RTX 4090, RTX 5090 e L40, e BEHAVIOR-1K aggiunge Isaac Sim, 32 GB di RAM e circa 50 GB di disco
- I pesi di SAM 3 sono ad accesso controllato su Hugging Face e richiedono una richiesta di accesso approvata e un token
- Diverse dipendenze non sono open source nel senso OSI: Contact-GraspNet è soggetto alla licenza non commerciale di NVIDIA, SAM 3 alla SAM License di Meta e il pacchetto di asset di BEHAVIOR-1K a un EULA accademico non commerciale
- I programmi generati vengono eseguiti con pieno accesso agli import di Python; il progetto avverte che non si tratta di una sandbox e chiede un host isolato senza credenziali, e di non dare mai a un agente di simulazione accesso all'hardware reale
- Gli agenti sono limitati alle primitive esposte dall'API del robot; i compiti che richiedono nuove capacità di percezione o di controllo richiedono prima che una persona estenda l'API