【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：

1. CaP-Gym： 一个基于 Gymnasium 接口的交互式训练环境，实现“代码即策略”。
2. 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。
3. 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。