综述论文我向来不爱读。多数 survey 就是拿引用管理器把几百篇论文往主题下装，读完只多了一串参考文献编号。机器人学习又是个八面漏风的领域，越想装成“全景”，自己的分类法越容易碎。这篇 40 页、11 张图、11 张表的 arXiv 2608.01851，我翻的时候也抱着这个偏见。但翻到它硬拿一个对子把一堆技术家族撑起来的时候，我停住了。
这个对子看着简单：权重 vs 技能。
别以为这是修辞。它说得很明白：机器人学习里的所有努力，最后只落到两个地方——要么训一堆冻结权重，让网络直接吐动作；要么让机器人有一套能写、能改、能积累的技能，而技能最硬的形式是代码。权重把能力全压进数值，新任务进来就重刷一遍；代码能组合、能更新、能追溯到“谁在哪一步改了哪一行”。
这个对子不新鲜。但被这篇综述拿去当整个领域的骨架，事情就不一样了。它逼着你连着回答：权重路线是不是走到头了？“技能”在文献里到底指哪一摊？代码技能要自己改进自己，得跨几个台阶？最后一个直接戳到商业机器人技能市场正在犯的错。
我们拆这堵墙。核心 idea 不是“权重和技能两条路线并存”——那是正确的废话。承重墙只有一句：只有技能路线，而且必须是代码意义上的技能，能够不依赖梯度更新而自我改进。记住这句。后面所有分类、阶段、对比表，都是拿它当尺子一轮轮量的。
顺着这把尺子，作者的切法很直接。权重一侧，典型是 VLA——视觉-语言-动作——把感知、语言、控制全压进一张网，动作从冻结权重里预测。这个阵营不展开，做具身智能的同行都熟，问题也摆在那：训练代价高，新任务刷一遍权重，技能没法跨机器人当资产导出。不是它不好，是它“学”到的东西天然不可累积。
技能一侧才是这篇花力气的地方。但这里有个坑，我先点出来：“技能”在文献里至少被用了五种意思。无监督 RL 里发现的技能算一种，参数化技能算一种，语言描述的高层计划算一种，技能库又算一种。这篇论文不跟你和稀泥，直接一刀切：能被承重墙盯着的只有一种——技能必须能当代码执行。为什么？因为代码能读、能改、能测试、能写注释、能版本控制。一旦技能是代码，自我改进就不再是调 loss 重新训一遍，而是“跑一次、看反馈、改代码、再跑一次”的工程循环。这是论文里那张图给我的第一下撞击：技能从权重里放出来，不是工程便利，是认识论分水岭。
光说“代码即策略”也不新鲜。真正的分析贡献在下面这层：它把“代码即策略”按自我改进的程度拆成阶梯，从低到高递进，不横切。我照它给的线索把这段理成一张图：
零样本程序合成
└─► 模型看到任务描述，写一段控制代码
└─► 闭环自我修复
└─► 跑一遍，看执行反馈，自己改代码再跑
└─► 持久技能记忆
└─► 把改好的技能存进库里，下次直接调用
└─► 开放持续循环
└─► 反馈 + 记忆 + 进化搜索 连成闭环
画到“开放持续循环”就该停。再往下就是具体机器人平台配置单，不是纸面讲得清的。四个台阶的顺序记牢：先能写，再能改，再能存，最后能自己找新技能。多数号称“代码即策略”的工作停在第一或第二级——能合成不能修复，能修复不能记忆。真把四个台阶走通的，论文里点了三个名字：ASPIRE、ENPIRE、RoboClaw。我对这三个命名已经脸盲了，这篇逼我去翻原文才分清谁是谁。关键不在名字，在它们共同的结构：执行反馈不是走过场，被喂给一个持续更新技能的循环，而这循环又被进化搜索往外推着试新想法。也就是说，机器人不只在改自己的动作，它在写自己的下一版驱动。
有了这张阶梯图，论文后面讲“技能经济”的那段就不那么抽象了。论文把当前商业机器人技能市场拉出来一看——现在能做到跨机器人一键分发技能，听起来工业界已经摸到门槛了。但仔细一看只有四个字：静态回放。你买到手的技能是录好的轨迹，只能原样再放，没法在面前这张桌子上做一点像样的调整。跨本体移植、来源追溯、安全验证、组合、标准化——这些全是没答案的开放问题。这几个问题我一个个报出来都觉得这领域菜，但它就是菜。静态回放压根不该叫“技能”：它过不了论文自己立的测试——能不能不依赖梯度更新而自我改进。不能。所以它连“技能”的门都没摸着。
这里我拉回一步，说这篇综述作为综述本身怎么评价。它自称“聚焦”，不是对领域穷尽式编目。我买账。我读综述最不想看的就是 600 篇论文排排坐。它反过来圈定六个技术族，每个族选代表性系统，用一套分类法一张张表去量，最后明说每个技术族在自我改进这件事上做不到什么。这个“做不到什么”比夸“做了什么”信息量大得多。读完你记忆里的不是一串论文标题，而是一张边界地图：这边能自我改进，那边不管刷多少论文，还是在刷权重。
把这篇拉回地面。我看很多人会在这波“人形机器人+大模型”的叙事里，把这篇当成又一个利好刷过去。“机器人在写自己的技能啦！”不是。它恰恰在给这个叙事降温。VLA 还困在权重路线，每学一个技能就刷一遍权重，技能不可累积；技能路线里，九成工作停在零样本合成或闭环修复，还没走到持续循环。而且它做了一件很诚实的事：给自我改进机制下了操作性定义。论文里这句话说得不煽情，但对做机器人 LLM 堆栈的人是根避雷针。你拿这个定义去卡大部分 demo，会发现所谓“机器人学会了做咖啡”真的只是在有限姿态空间里过了一次拟合。
复现层面我劝一句，别小看那些表。11 张表在综述里算多，但每张都咬着“这技术族到底能自我改进到哪一级”不放。你如果拿它做技术选型，正确用法是：对照那张阶梯图，把你想用的系统放进某一级，然后横着读它缺哪一步。缺记忆的，别指望它换环境还能保持技能；缺执行反馈的，别指望它现场纠错。这不是综述替你读完论文，是给你一套自己读论文时能用的尺子。
我开头说综述论文通常不读。这篇算例外。不是因为它全，恰恰因为它不全——它只追问一件事：机器人习得的东西能不能脱离训练权重活下来、被继承、被改进。它给你的不是 77 个系统的清单，是这个追问本身的全部分支图。你拿着它去看这半年新出的每个“机器人技能”框架，能很快判断它是卡在零样本合成，还是只差一步就进循环了。
这堵墙的承重墙就一句话：技能一旦成为可执行的代码，学习才从“刷权重”变成“写代码”。拆到这里，门开了一半，剩下那半你自己走。去翻原文，别让摘要替你下结论。