Rohan Paul

由麻省理工学院、斯坦福大学、谷歌、微软等许多顶级实验室撰写的关于物理递归自我改进的非常有见地的调查论文 机器人仍然依赖人类来收集数据、诊断故障并选择保留哪些更新。 认为他们检查的 7 项机器人自我改进研究中有 5 项从未显示出在不同任务上取得的进展。 自我改进声明需要对需要不同技能顺序的任务进行测试，并且发现大多数经过审查的协议都缺乏这些技能。 人类仍然收集数据、诊断故障并选择保留哪些更新。真正的试验是缓慢的、嘈杂的、成本高昂的，有时甚至是不可逆转的，因此数字化自我改进方法需要重新思考。 他们定义了 6 个级别，从没有自主改进的 L0 到具有独立验证的递归增益的 L5。中间级别将一项任务或跨任务的技能更新与改进方法的更新分开。 他们的 2022 年至 2026 年系统地图中没有确诊的 L5 病例。在他们检查的 7 个机器人评估协议中，有 5 个没有显示出跨任务的改进。