EmbodiedEvo：Coding Agent 靠自学经验把机器人任务成功率从 13% 提到 35%
机器之心 · wechat · 2026-10-15
NaversLab 团队提出 EmbodiedEvo，让写代码的 Agent 走进物理世界：Agent 用 Python 程序通过 getinstruction / getobservation / step / reset 四个原语控制机器人，先在 Playground 场景自由探索，把「怎么做」沉淀为代码 Skills，把「何时做、哪里易错」沉淀为 Lessons，形成可冻结、可继承的 harness，新 Agent 无需更新模型权重即可带着经验上未见场景。
关键结果：
- 在 RoboDojo 仿真评测中取得 45.08 平均分、38.95% 成功率，超过所有 VLA/WAM、Agent 及 Agent+VLA 对照方法；Memory 与 Open 任务成功率分别达 69.67% 和 53.00%。
- 同一模型配置下，self-evolving 把成功率从 13.36% 提升至 35.08%；堆叠与 Tic-tac-toe 从 0 升至 100%，Imitation sorting 从 0 升至 80%。
- 经验可跨模型、跨任务复用：GPT-6-Astra 的经验让 GPT-5.6-Sol 成功率提升 8.86 个百分点；不匹配任务的经验反而带来 18.65 分增益；Skills/Lessons 整理相比完整交互历史减少 11.3% token 用量。
- 瓶颈在精细接触：插管、插钥匙等任务经进化后得分上升但成功率仍为 0，说明局部操作改善不等于完整任务成功。
这条路线的意义在于为具身智能补上「经验可积累、可传递」的一环，作为 VLA 大规模轨迹训练之外的新路径。论文：arXiv 2610.18867，代码已开源。
所属事件:EmbodiedEvo 让编码智能体在物理世界自我进化(2 条相关)→
「具身」频道最新
- WEDGE 框架：用导航智能体自身失败生成针对性训练环境 — mohitban47 · 2026-10-16
- Tevel 机器人采果系统可全天候 24 小时自动采摘水果 — LexiLove · 2026-10-16
- 给四足机器人穿鞋：SHOES 用 10 分钟真机 RL 恢复行走策略 — kscottz · 2026-10-16
- NHTSA 数据：Tesla Cybercab 无人出租车运营前两周零事故 — elonmusk · 2026-10-16
- 16 项任务实测机器人 LLM：GPT-6 Astra 成功率 17.2% 力压 Fable 5.1 — pabbeel · 2026-10-16
- WEDGE 论文：把导航失败经历变成可学习的训练环境 — _akhaliq · 2026-10-16