一个开源的具身智能体框架,用大模型规划器、VLA 操作模型和记忆机制驱动机器人在仿真器和真实机器人上完成任务。
Gen-Verse/RSI-Anything
一个研究框架,利用世界模型预测与交互反馈实现递归自我改进,覆盖代码修复、GUI 交互和实验室规划等领域。
- Star
- 806
- Fork
- 63
- 未关闭 Issue
- 4
- 最近提交
- 7天前
这是什么?
RSI-Anything 是基于 JEPA-Anything 构建的通用框架,把候选动作生成、预测引导的选择、外部评估和学习放在同一个循环里。策略或工作流先提出动作,世界模型预测其结果,被选中的动作获得真实反馈,保留下来的改进再指导下一轮。
项目将这一循环应用于五个领域:代码修复(CodeContests、APPS Introductory、LiveCodeBench)、GUI 交互(MiniWoB++ 和 OSWorld)、实验室规划、Suzuki 反应条件优化以及免疫科学工作流。每个领域的适配器各自定义状态、动作空间、预测目标和反馈信号。
仓库提供统一的 Python 命令行工具 `rsi`,可用于规划、运行、断点续跑和生成实验报告,并在 `configs/` 下提供各任务的配置样例,以及环境配置和资源下载的说明。
核心功能
- 01统一命令行工具,可规划、运行、断点续跑并生成实验报告
- 02基于 JEPA 的世界模型预测结果,引导候选动作选择
- 03为代码修复、GUI 交互、实验室规划和反应优化提供领域适配器
- 04提供各任务的配置样例和环境搭建指南,数据资源托管于 Hugging Face
适用场景
- 研究基于世界模型的自我改进智能体的研究人员
- 复现论文中的代码修复或浏览器智能体实验
- 探索科学工作流中预测引导的动作选择
快速上手
- 1
克隆仓库
git clone https://github.com/Gen-Verse/RSI-Anything.git - 2
进入项目目录
cd RSI-Anything - 3
创建并激活 Python 3.10+ 虚拟环境
python3.10 -m venv .venv && source .venv/bin/activate - 4
安装共享命令行工作流并列出任务
python -m pip install -e . && rsi tasks
使用前须知
- 完整运行需要按各任务指南配置专用环境、资源文件和 GPU。
- 结果依赖外部基准和较大的 Hugging Face 资源,复现需要较多配置工作。
- README 描述的是研究实验,而非打包好的终端用户工具。
标签
常见问题
- RSI-Anything 是什么?
- 一个研究框架,利用世界模型预测与交互反馈实现递归自我改进,覆盖代码修复、GUI 交互和实验室规划等领域。 RSI-Anything 是基于 JEPA-Anything 构建的通用框架,把候选动作生成、预测引导的选择、外部评估和学习放在同一个循环里。策略或工作流先提出动作,世界模型预测其结果,被选中的动作获得真实反馈,保留下来的改进再指导下一轮。
- RSI-Anything 可以免费使用吗?用的什么许可证?
- RSI-Anything 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- RSI-Anything 还在维护吗?
- 活跃维护中。RSI-Anything 最近一次提交是在 2026年10月13日。
- RSI-Anything 适合用来做什么?
- 研究基于世界模型的自我改进智能体的研究人员 复现论文中的代码修复或浏览器智能体实验 探索科学工作流中预测引导的动作选择
- RSI-Anything 怎么安装和运行?
- 克隆仓库: git clone https://github.com/Gen-Verse/RSI-Anything.git 进入项目目录: cd RSI-Anything 创建并激活 Python 3.10+ 虚拟环境: python3.10 -m venv .venv && source .venv/bin/activate 安装共享命令行工作流并列出任务: python -m pip install -e . && rsi tasks
- 在哪里获取 RSI-Anything?
- 源代码和安装说明在 GitHub 上:https://github.com/Gen-Verse/RSI-Anything
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
1554136PythonApache-2.0更新于 昨天
一个开源科研框架与 27B 模型,递归地生成并评估生命科学领域的研究假设。
1078PythonOther更新于 13小时前
verl 是一个用于大语言模型后训练的开源强化学习训练库,基于 HybridFlow 论文实现。
2.4万4779PythonApache-2.0更新于 8小时前
一个用于将深度强化学习应用于自动化股票交易与投资组合任务的开源 Python 框架。
1.7万3569Jupyter NotebookMIT更新于 9小时前
基于 PyTorch 的强化学习算法实现库,提供可靠、接口统一的基准版本。
1.4万2177PythonMIT更新于 7天前
基于 GRPO 的 Python 强化学习框架,让多步骤 LLM 智能体从自身经验中学习。
1.1万1008PythonApache-2.0更新于 11小时前