EMHO：冻结模型不变，让具身智能体框架从经验轨迹自我进化
Hyun Jung Lee · hf · 2026-10-14
韩国高丽大学等机构提出 EMHO（EMbodied Agent Harness Optimization），一个自进化框架：保持具身模型完全冻结，仅通过分析执行轨迹与历史 harness 版本，在稀疏环境反馈下迭代修改智能体外围的规划、上下文与工具调用框架。
要点：
- 优化不止于技能或失败恢复提示，而是改造智能体如何监控进度、调用视觉工具、落地观察与响应失败。
- 提出 EMHO-Merge，用 episode 级收益/损失证据决定哪些修订行为在何种条件下应用，让单一 harness 服务多个子任务。
- 在 EmbodiedBench 的导航与操作任务上，EMHO 对 Qwen 9B 和 27B 模型均稳定提升任务成功率；定性分析显示它重塑了智能体对环境的解读与交互方式。
「具身」频道最新
- NAVER WATCH 预训练:跨视频学人类演示,机器人成功率 40.9% 升至 68.3% — naver-ai · 2026-10-14
- 机器狗试图爬上自己的背，Conitzer 收录最新 AI 翻车现场 — conitzer · 2026-10-14
- 本周新模型盘点：RoboJEPA 等 7 个机器人世界模型与视频生成模型 — TheTuringPost · 2026-10-14
- 小鹏发布自动驾驶 VLA 模型 AUGUstus，NAVSIM 双榜 SOTA 并实车部署 12Hz — XPENG-AI · 2026-10-14
- 机器人公司 Origin 预告即将发布重大产品,配图现机械臂 — vaibhavbetter · 2026-10-14
- Paradigm 疑似进军机器人领域，晒出 LeRobot 机械臂开箱照 — tensorqt · 2026-10-14