清华曹婷团队推域变换，攻坚机器人具身自进化

具身智能的核心问题已从比拼基础模型数据与参数，转向机器人的真实部署及持续完成任务能力。硅谷达成共识，认为当前需解决从「能做」到「可靠完成任务」的最后一公里，国内清华 AIR 曹婷团队更早押注此方向，于 2026 年发起域变换（Z-Trans），密集开源相关技术，提出「具身自进化」范式，即物理智能体在部署环境中通过交互反馈自主修正策略、提升任务成功率。曹婷基于过往在微软亚洲研究院及清华 AIR 的研究经历，带领团队构建了 Zeva 上下文因果学习模型、Zetta 在线执行与纠错闭环、Z-Infra 训推基础设施的完整体系。Zeva 让机器人从自身交互轨迹中提取因果关系，无需更新参数即可提升能力，在多项基准任务中取得 SOTA。Zetta 通过三重闭环实现在线纠错与技能沉淀，任务成功率随交互持续增长。Z-Infra 支撑全周期部署与数据流转，推动形成「交互产生数据 — 数据沉淀经验 — 经验提升能力 — 能力推动更多部署」的飞轮闭环。域变换拥有团队与生态、全栈技术、真实交互数据、场景复利四重壁垒，正推动具身智能从预训练时代进入自进化时代，将机器人从「交付机器」推向「交付持续增长的生产力」。