多机构联合提出 Recursia：基于具身递归自我改进突破机器人长序列任务泛化

北京交通大学、北京大学与纽约大学等机构联合提出 Recursia 框架，利用内外双层循环构建共享可执行栈，探索具身智能的递归自我改进机制。在 LIBERO-Pro Long 基准测试中，Recursia 在位置和任务扰动下的零样本成功率分别达到 28.4% 和 53.4%，表现优于英伟达 ASPIRE；真机测试平均成功率达到 66.7%。代码与主页已开源。