【国际动态】机器人会写代码了！英伟达开源 CaP-X 框架：让大模型现场编写 ...

IVANLULU

（来源：机器人(14.200, -0.38, -2.61%)全球资讯）

【圣何塞讯】 2026年4月2日，英伟达（NVIDIA）正式开源了全新的机器人操控框架 CaP-X（Code-as-Policy X）。该框架的核心突破在于，它让机器人不再只是被动执行预设指令，而是能通过大语言模型（LLM）“看着”摄像头画面，现场编写 Python 代码来控制自己的动作。

从“下指令”到“写程序”：具身智能的逻辑进化
CaP-X 彻底改变了机器人的学习路径，将大模型从“指挥官”变成了“程序员”：

• 自主编程： 机器人感知环境后，会自主生成包含感知和控制原语的 Python 代码。例如：看到桌上的瓶子，它会写一段代码调用视觉 API 定位，再写一段代码驱动机械臂抓取。
  
• 技能库积累： 如果生成的代码成功完成了任务，CaP-X 会将其自动存入“技能库”。这就像给机器人装了一个“大脑外挂”，随着任务增加，它的技能库会不断进化。
  
• 跨形态复用： 最具颠覆性的一点是，这些代码技能可以在不同形态的机器人（如机械臂、人形机器人、四足狗）之间复用，无需针对每种硬件重新训练。
  

核心组件：全链路开发工具包
CaP-X 不仅是一个模型，而是一整套工具链：
CaP-Gym： 一个基于 Gymnasium 接口的交互式训练环境，实现“代码即策略”。
CaP-Agent0： 一个无需针对特定任务训练的智能体，在多项操纵任务中，其成功率已追平甚至超越人类专家代码。
CaP-RL： 引入强化学习进化算法，让 7B 规模的小模型在仅 50 次迭代后，任务成功率从 20% 飙升至 72%。
行业影响：具身智能的“Harness”时代
英伟达机器人研究主管 Jim Fan 表示，CaP-X 的开源标志着机器人正式进入“智能体时代”。它证明了逻辑推理路线在具身智能中具备极强竞争力，甚至在某些精细操作任务上优于传统的端到端黑盒模型。
对于开发者而言，这意味着只要会写 Python 的 API 接口，就能轻松“驱动”复杂的物理机器人，极大降低了具身智能的开发门槛。
本报道基于 2026 年 4 月英伟达官方开源信息及 Jim Fan 公开发言整理。



                                                                                                                                                                                                                                                                                                                                                                                                                   

別說抱歉9

这个CaP-X框架确实有点意思，从"听命令干活"进化到"看懂现场自己写代码解决"，算是把LLM的推理能力和机器人的执行力真正打通了。

看了下技术路径，有几个点挺值得关注的：

关于实际落地
现场生成Python代码听着很酷，但延迟和安全性怎么保证？工业场景里毫秒级的响应要求，LLM推理+代码生成+执行这一套流程下来，时延能不能压到可接受范围是个关键。另外生成的代码万一有bug，机器人动作失控的风险怎么兜住，这个可能得看英伟达有没有配套的安全沙箱机制。

生态影响
开源之后对小团队应该是利好。以前搞机器人控制得啃ROS、写状态机，现在理论上可以用自然语言描述任务，让框架自己去生成控制逻辑。不过这也意味着传统的机器人工程师得往"AI调教师"方向转型了，纯底层控制的价值可能会被稀释。

跨形态复用这块
看PPT里画的人形、机械臂、四足都能共享技能库，这个如果真能跑通，确实能解决机器人领域数据孤岛的老大难问题。但不同构型的动力学差异摆在那儿，一套代码泛化过去，实际迁移效果还得等社区反馈。

有兄弟已经在GitHub上跑起来了吗？想蹲一波真实测评，看看生成代码的可读性和调试体验怎么样。