Zetta ζ: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence

Autori: Xin Ding, Liang Mi, Mingzhe Huang, Zixuan Wang, Chao Zhang, Zixu Hao, Fu Chen, Xiangyu Li, Yikai Zheng, Yaoyu Guo, Weijun Wang, Kun Li, Hao Wu, Yunxin Liu, Ting Cao · arXiv 2026

Licenze

Open access
Articolo: CC BY 4.0

Tutto ciò che segue si basa sull'articolo completo secondo la sua licenza CC BY 4.0; la figura è riportata citando gli autori.

In breve

Un VLA congelato viene avvolto in critici e abilità di recupero basati su codice che gli agenti diagnosticano, riparano e convalidano a partire da rollout simulati falliti, portando il successo su RoboCasa dal 73,6% al 93,6%.

Perché è importante

Mostra un modo per aumentare l'affidabilità di una policy di manipolazione preaddestrata senza riaddestrarne i pesi: rilevare nel codice stati di guasto fisico come la perdita della presa o un trasporto bloccato ed eseguire recuperi mirati. Le coppie critico-recupero apprese sono definite su geometria relativa agli oggetti e su predicati di contatto, quindi si trasferiscono a compiti correlati, e l'articolo considera il throughput dei rollout come il limite di velocità di questo miglioramento.

Problema

Le policy VLA e world-action girano ad anello aperto in inferenza, per cui uno scivolamento o una piccola collisione possono degenerare nel fallimento del compito. Gli harness di agenti basati su modelli linguistici riflettono solo dopo la fine di un episodio, perché i modelli grandi non possono decidere alla frequenza d'azione, e la riflessione a posteriori non può provare alternative né vedere lo stato esatto del guasto. L'apprendimento dall'autoesplorazione è ulteriormente limitato dalla velocità con cui si possono generare i rollout.

Soluzione proposta

La policy di base (π0.5 o GR00T N1.5) e un agente orchestratore restano fissi mentre evolve un harness di critici in tempo di esecuzione basati su codice, manuali di recupero e strumenti. I critici girano alla frequenza d'azione e propongono interventi che l'orchestratore approva; agenti offline raggruppano i rollout falliti in base alla prima milestone mancata e alla divergenza più precoce rispetto alle esecuzioni riuscite, diagnosticano la causa principale dall'alto verso il basso, dalla logica di valutazione ai parametri di controllo, scrivono una patch minima con un contratto di rientro per restituire il controllo e la ammettono solo dopo che ha risolto ogni seed del suo gruppo e regge su seed tenuti da parte. Z-Infra, costruito su Ray, separa i worker di ambiente dai worker di modello su GPU con inferenza a batch, partizionamento VLM/esperto d'azione e quantizzazione opzionale.

Idee chiave

I critici basati su codice possono monitorare l'esecuzione alla frequenza d'azione, lasciando al lento agente basato su modello linguistico l'approvazione degli interventi e la diagnosi offline.
Diagnosticare i guasti dall'alto verso il basso (valutazione, critico, stato, pianificazione, recupero e infine parametri) e applicare la patch allo strato più alto che risolve il guasto evita di sovradattare i parametri di basso livello a un singolo guasto.
I guadagni arrivano spesso all'improvviso quando l'agente trova il vero collo di bottiglia fisico, come il mantenimento della presa o la geometria di avvicinamento, dopo che le correzioni sintomatiche precedenti si sono arenate.
Le coppie critico-recupero definite su geometria relativa agli oggetti e su predicati di contatto generici si trasferiscono zero-shot a compiti correlati.
I metodi di riferimento con l'agente nel ciclo che chiamano un LLM a ogni punto di decisione sono lenti; invocare gli agenti solo offline ed eseguire i critici online riduce la latenza per episodio.

Risultati principali

RoboCasa, 18 compiti Atomic-Seen con GR00T N1.5 come base congelata: il successo in macro-media è salito dal 73,56% al 93,56% in quattro round di riparazione (78,71%, 84,85%, 90,54%, 93,56%), valutato su 50 seed tenuti da parte per compito.
LIBERO-Pro con π0.5 come base congelata: Goal (T) è salito dal 31,0% al 92,5% e Goal (S) dal 38,0% all'89,0%; il 90,8% dell'abstract è la media di queste due impostazioni Goal, mentre la media complessiva della Tabella 3, incluso LIBERO-10, è del 71,13% (dal 32,00%), con LIBERO-10 (T) dal 50,0% al 63,0% e (S) dal 9,0% al 40,0%.
Trasferimento zero-shot delle abilità apprese su PnP-Stove: PnP-Sink dal 58% all'82%, PnP-Cabinet dal 62% all'80%, PnP-Toaster dal 72% al 90%; le abilità di TurnOffStove hanno portato tre compiti articolati da una media del 64% a una dell'80%.
Guadagni improvvisi: Goal-T2 (bottiglia di vino nella ciotola) è passato dal 10% al 15% dopo una prima correzione, poi al 95% una volta aggiunto un critico di mantenimento della presa; Goal-S6 (formaggio spalmabile) è passato dal 5% al 90%.
Velocità rispetto al metodo di riferimento ad agente RPent: l'abstract indica un'accelerazione dell'inferenza di 11,1× (latenza inferiore del 91%), mentre la Sezione 4.6 indica una riduzione di 11,9× della latenza per episodio e la Fig. 14 mostra 12,0× con concorrenza 16.
Throughput di Z-Infra su 8 GPU A100: 22,09 episodi/min con concorrenza 16, 7,7× l'harness senza Z-Infra (2,88) e 12,8× RPent (1,72), fino a 35,1 episodi/min con concorrenza 64; il valore di 20,6× dell'introduzione confronta quei 35,1 con gli 1,7 di RPent.

Limiti

Tutti gli esperimenti sono in simulazione (LIBERO-Pro e RoboCasa su MuJoCo/robosuite); gli autori lasciano a lavori futuri l'estensione ai robot reali e il divario sim-to-real.
Gli autori affermano che i risultati valgono con il loro attuale budget di rollout, e che l'autoevoluzione fa crescere il successo verso il tetto di capacità della policy congelata, non oltre.
Le tabelle dei benchmark confrontano solo con le policy di base congelate; l'unico metodo di riferimento ad agente incarnato è RPent, usato per latenza e throughput, e l'articolo non indica quale modello linguistico esegue l'orchestratore e gli agenti evolutivi.
I numeri principali dipendono dalla scelta di cosa riportare: il 90,8% su LIBERO-Pro copre le suite Goal, mentre la media complessiva di LIBERO-Pro incluso LIBERO-10 è del 71,13%.
La diagnosi si basa su dati interni del simulatore come forze di contatto, stati interni e predicati ufficiali dei compiti, che un dispiegamento reale potrebbe non esporre nella stessa forma.

Impatto sul settore

Hugging Face daily papers: 140 voti positivi, nel 5% superiore degli articoli di robotica lì presenti negli ultimi sei mesi. L'articolo indica una pagina del progetto; non dichiara un rilascio del codice.

Abstract

Gli agenti incarnati sono sempre più usati per colmare il divario lasciato dai modelli di policy end-to-end. Tuttavia, la via agentica non ha ancora realizzato l'apprendimento ad anello chiuso nell'esecuzione fisica: gli harness esistenti restano in gran parte ad anello aperto, seguono abilità fisse durante il rollout e riflettono solo dopo che un episodio si è concluso. Tale riflessione a posteriori non può governare l'esecuzione mentre si svolge, perché l'interazione fisica richiede decisioni che seguano stati robot-ambiente in rapido cambiamento a una frequenza superiore a quella degli attuali grandi modelli agentici. Presentiamo Zetta, un harness incarnato ad anello chiuso che fa evolvere online critici in tempo di esecuzione e abilità di recupero basati su codice mantenendo congelata la policy di base. Attraverso tre cicli con scale temporali separate, Zetta fornisce governo alla frequenza d'azione, proposta critico-recupero a livello di rollout e aggiornamenti delle abilità subordinati alla convalida. Insieme a Z-Infra, un'infrastruttura di rollout che disaccoppia la logica dell'agente da risorse di esecuzione eterogenee, Zetta raggiunge un successo allo stato dell'arte su LIBERO-Pro e RoboCasa con il nostro attuale budget di rollout, arrivando al 90,8% e al 93,6%, con un'accelerazione dell'inferenza di 11,1×; il successo continua a scalare con l'esperienza di autoesplorazione; le abilità apprese si trasferiscono zero-shot ed emergono chiari "Aha Moments" robotici. Questi risultati mostrano che l'autoevoluzione degli harness ad anello chiuso apre una via di scalabilità verso un'intelligenza fisica affidabile.

Link

arXiv 2608.16590: https://arxiv.org/abs/2608.16590
PDF: https://arxiv.org/pdf/2608.16590v1
Pagina del progetto: https://air-embodied-brain.github.io/zetta