论文：RoboHarn-Evo: Evolving Hierarchical Physical Knowledge for Self-Improving Robotic Manipulation（人大 / 清华 / XYZ Embodied AI，arXiv 2609.37583v2）一、动机想让机器人在不重训模型的情况下自我提升。现有的 VLM 驱动操作系统（"harness"）已经能根据执行反馈做局部纠错。但真正的难点在于：怎样把积累下来的物理交互经验变成可靠、可复用的知识，让后续表现真的变好。这里 VLM 和底层执行器都固定不动。失败发生在两个不同层级，现有经验记忆不加区分（Fig.1a）：任务层：当前子任务还没完成就切换到下一个，比如还没确认蓝块被盖住就去处理下一块；动作层：目标选对了，但几何执行出错，比如盖子放偏。3. 局部动作成功 ≠ 子任务完成。一次成功的抓取只能说明"抓取策略有效"，不能说明"盖子已经放到目标位置"。如果把两者混在一起记成经验，就会出现错误归因。比如抓取成功了，却被当成整个子任务成功来强化。所以两层知识需要用各自的判据去验证和演化。二、主要创新把问题定义为"经验驱动的自我提升"。基座 VLM 参数 θ 和执行器 Exec 固定，只演化外部知识库 K。每个 episode 用 Kᵢ 执行，执行完再更新得到 Kᵢ₊₁ = U(Kᵢ, View(τᵢ))。评测时冻结知识快照，在 held-out 配置上测试，评测反馈不回流进知识库。分层物理知识 HPK（Hierarchical Physical Knowledge）：