RHO: Your Coding Agent is Secretly a Roboticist

📄 arXiv: 2606.16458v1 📥 PDF

作者: Karim Elmaaroufi, Justin Svegliato, Sarunas Kalade, Graham Schelle, Sanjit A. Seshia, Matei Zaharia

分类: cs.RO

发布日期: 2026-06-15

备注: 46 pages, 9 figures, 15 tables. Project page: https://rho-robotics.github.io

💡 一句话要点

提出RHO以解决实时机器人控制中的代码生成问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 机器人控制 代码生成 多文件策略 实时系统 环境反馈

📋 核心要点

  1. 现有的Code-as-Policies系统在实时机器人控制中面临多轮代码生成的挑战，导致效率低下。
  2. RHO通过在训练阶段搜索多文件策略库，利用环境反馈优化代码生成过程，从而提高实时控制能力。
  3. 实验结果显示，RHO在多个基准测试中显著提高了成功率，尤其是在Robosuite上达到了70.0%的新记录。

📝 摘要（中文）

Code-as-Policies (CaP)展示了大型语言模型（LLMs）能够通过组合感知、规划和控制原语来编写代码以解决机器人任务。然而，现有CaP系统在测试时依赖于多轮代码生成循环，这在实时机器人控制中往往不可行。本文提出了机器人工具优化（RHO），一种新颖的范式，在训练时，工具驱动的编码代理提出并搜索可解释的神经符号多文件策略库（Repositories-as-Policies），而不是单一的提示、函数或文件。RHO通过环境奖励和执行的反思反馈进行搜索，而不是通过遥控演示。在LIBERO-PRO等扰动的抓取和放置设置中，RHO的成功率达到45.0%，是最强多轮代理系统的2.5倍，且在Robosuite上设定了70.0%的新状态，超越了之前68.29%的多轮记录。

🔬 方法详解

问题定义：本文旨在解决现有多轮代码生成方法在实时机器人控制中的低效问题，特别是在复杂环境下的应用场景中。

核心思路：RHO通过在训练阶段利用工具驱动的编码代理，提出并搜索可解释的多文件策略库，避免了多轮生成的复杂性，从而实现更高效的实时控制。

技术框架：RHO的整体架构包括环境反馈机制、策略库搜索模块和执行优化模块。环境反馈用于指导策略库的生成和优化，而执行优化则确保生成的代码能够高效运行。

关键创新：RHO的核心创新在于引入了Repositories-as-Policies的概念，通过多文件策略库的组合来替代传统的单一代码生成方式，这使得系统在复杂任务中表现更佳。

关键设计：在RHO中，关键参数包括环境奖励的权重设置和策略库的搜索算法，损失函数设计上强调执行效率与成功率的平衡。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，RHO在LIBERO-PRO中成功率达到45.0%，是最强多轮系统的2.5倍；在Robosuite上，RHO设定了70.0%的新状态，超越了之前的68.29%记录，显示出显著的性能提升。

🎯 应用场景

RHO的研究成果在机器人控制、自动化系统和智能制造等领域具有广泛的应用潜力。通过提高实时控制的效率和成功率，RHO能够推动自主机器人技术的发展，提升其在复杂环境中的适应能力和实用性。

📄 摘要（原文）

Code-as-Policies (CaP) has shown that large language models (LLMs) can write code to solve robotics tasks by composing perception, planning, and control primitives. Recent CaP systems, however, rely on multi-turn code-generation loops at test time, which is often infeasible for real-time robot control. We introduce Robotics Harness Optimization (RHO), a novel paradigm in which tool-enabled coding agents, at training time, propose and search for interpretable, neurosymbolic multi-file policy repositories (Repositories-as-Policies) that compose these primitives rather than a single prompt, function, or file. RHO searches with reflective feedback from environment reward and execution rather than teleoperation demonstrations. It generalizes to perturbed pick-and-place settings like LIBERO-PRO, where OpenVLA scores 0.0% and $π_{0.5}$ averages 12.83%. Using the same low-level primitives, RHO reaches a 45.0% success rate, 2.5x higher than the strongest multi-turn agentic system, and 3.5x higher than $π_{0.5}$. On Robosuite, RHO sets a new state-of-the-art of 70.0%, exceeding the prior multi-turn record of 68.29% using single-turn execution with no corrective LLM code edits at deployment. When an LLM is used in the control loop, as on RAI's O3DE benchmark, RHO optimizes the deployed agent's multi-file harness of prompts, tools, and control code, improving held-out success from 23.5% to 44.3% with 20% less wall-clock time and 27% fewer tool calls.