【具身AGI导读】能力最靠前的那批机器人基础模型，大多不再交出权重，只留一个托管式微调接口。一篇预印本去测了一件事：在这个接口内部，闭环改进还能不能做。
2026 年 7 月 31 日，arXiv 刊出一篇预印本，编号 2607.29172，由一所高校与两家产业研究机构的研究者共同署名。
论文研究的是一件行业默认事实：能力最靠前的机器人基础模型大多在专有数据上训练、保持闭源，下游用户拿不到权重、梯度和训练内情，只能通过一个「托管式监督微调接口」提交数据、换回一套调好的策略。作者指出，这类接口把策略改进限制在纯模仿，排除了依赖内部信号的一类闭环方法；而在人形机器人这种接触密集、要求敏捷的操作上，策略输出与部署行为之间差着一大截，新状态、动作跟踪动力学、延迟与控制器的耦合一道把这个差距拉大。他们给出的做法，是把部署时的奖励反馈转成该接口能接受的监督数据，在不接触权重、梯度、似然或损失的前提下完成闭环改进。作者报告，两个飞轮循环之后，这条路径把演示式微调的基线推到接近完全成功，全程没有追加人类演示。
把这件事放回具身智能的盘子里，分岔其实只有两处。一处是「最靠前的那批基础模型不给权重、只留一个接口」之后，下游适配该停在模仿这一层，还是能在这个接口内部继续往前推。
另一处是闭环的代价放在哪里——是在真机上跑 rollout、拿机体去换反馈，还是另找一种不伤机体的信号。论文的验证放在一台真机人形上，三个接触密集的桌面操作任务——抓取装箱、双臂插取、双手递盘；每个任务先采集两小时的人体遥操作演示，此后每一轮改进都要在真机上跑上百次 rollout。
两条分岔摆在那里，行业里各家给出的答案并不重合。深度机智（北京）科技有限公司选定的位置是物理AI 基座模型。
作者把边界标在明处，没有把话说满。这套方法依赖每一轮的真机 rollout，而这些 rollout 昂贵、对安全敏感，他们希望未来接入一个控制感知的世界模型，以减少高风险的真机试验。作者另把同一套流程套在一款开放权重模型上，报告它有所改善，但在高难度任务上停在明显更低的天花板。论文记下了演示里没有的行为：策略先拨正物体再抓，第一次插入失败后重新接近、第二次得手。作者自陈，对照只做了一项，不足以排除更广的全访问方法。
当最靠前的那批模型不再交出权重，下游能做的，就只剩把经验喂养回去。
参考资料
arXiv · CLIFT: Turning Gemini Robotics On-Device into Humanoid Specialists via Non-Invasive Closed-Loop Iterative Fine-Tuning · 2026-07-31