ArcheOne-AI/RoboScript

项目介绍

RoboScript 是一个面向机器人操作的智能体框架，不训练动作策略。一个冻结的基础模型从一次演示出发，在模拟器等世界中进行任务预演，并把学到的内容写进上下文里的 Task Memory，而不是更新权重。项目把这种方式称为 World In-Context Learning（WICL），细节见 arXiv 论文。

框架分为四个阶段：从演示中构建可复用技能、从一次演示中学习 Task Memory、把冻结的 Memory 部署到新场景（只使用真实机器人能感知的信息）、通过反思过往评估继续改进。目前验证范围是双臂桌面操作。

报告的结果

在 RoboTwin 2.0 的 50 个双臂任务上，作者报告在每任务一次演示、无梯度更新的条件下取得 83.4% 平均成功率，对比使用 50 次演示训练的最强策略为 61.7%。预演只在干净场景中进行；作者称随机化场景下几乎没有下降（83.6% 到 83.2%）。其他基准的结果仍在进行中。

快速使用

内置的 Mock 基准不需要模拟器、GPU 或模型即可跑一个 episode。需要 Python 3.10+（按徽章）和 uv。

git clone https://github.com/ArcheOne-AI/RoboScript.git
cd RoboScript
uv sync --all-packages
cd examples/tutorials
uv run python -m quickstart_mock.run

跑完 Mock 后，可以继续看教程、选择其他基准，或阅读文档。术语表定义了 skillset、brain、recipe 等概念。

包含的能力

仓库包含框架核心、三种学习方法（wicl、rsi、skill_builder）、视觉服务和一个真实机器人包。基准支持情况：

基准	状态
Mock	内置，无需模拟器，教程使用
RoboTwin 2.0	完整流程，含官方评测
BEHAVIOR	集成开发中

方法、基准、机器人本体和 skillset 都以插件形式组织，可以在不改核心的情况下新增模拟基准、skillset、真实机器人或其他扩展。

基础设施

各组件以独立服务运行。模型网关把 LLM 调用路由到任意提供商，支持会话固定和故障切换；智能体层只使用真实机器人能感知的信息；控制层运行学习协议并保存 ground truth，只有官方检查判定成功；服务层包括运动规划（cuRobo）、感知（GroundingDINO、SAM 3）和 blob 存储。

使用约束

项目处于 pre-1.0 阶段，接口可能变化。真实机器人部署代码仍在 TODO 中，不过 README 报告在模拟 ALOHA 中预演的 Memory 通过参数重映射可在双臂 PiPER 上运行，无需重新预演。基准模拟器及其资产不属于本仓库，遵循各自的许可证。代码采用 Apache-2.0，改编的第三方代码列在 NOTICE 中。

HotRepo 点评

RoboScript 在 2026-11-12 的 HotRepo 新项目榜 Python 语言榜上有过记录：约 1.5 小时的统计窗口内新增 7 个 Star，窗口结束时累计 110 个 Star。这只是早期的单次记录，不构成趋势：项目 2026 年 11 月才出现在 GitHub，尚无全语言日榜名次。对读者来说，更有参考价值的是「一次演示、无梯度更新」的设定，以及不依赖模拟器和 GPU 就能先跑通的 Mock 教程路径。