机器人倒水失败，未必是“脑子”不够聪明：瓶子可能挡住腕部摄像头，机械臂也可能折成碍事的姿势。PhysEvo的思路，是冻结Astra的模型参数，不再训练“大脑”，转而让它反复改造自己观察和控制现实世界的方式。
同一个Astra分饰两角：任务智能体负责操作；元智能体像复盘教练，检查轨迹——一次操作的图像、状态、指令与结果记录——再修改工具和技能并重新测试。最关键的一步是，系统连诊断工具本身也能改进并留给下一轮使用，因此“改进工具”也参与后续改进，形成递归自我改进。例如倒水受阻后，它会调整观察角度，并加入关节级控制，让机器人直接选择更合适的姿势。
作者报告，在8项直接Astra难以完成的操作任务上，PhysEvo成功率为55.00%，对照为1.25%；移到AgileX PiPER真机并继续修订技能后，5项任务共25次试验的成功率为84.00%。这些数字来自论文作者自测，但它展示了一个值得关注的方向：机器人能力的瓶颈，可能不只在模型权重，也在模型周围那整套可被持续改造的系统。