EmbodiedEvo:让机器人智能体在试错中积累 Skills 与 Lessons 自我进化
jiqizhixin · x · 2026-10-23
机器之心介绍 Einsia AI Navers Lab 的论文 EmbodiedEvo(ArXiv 2610.18867),针对 VLA 模型需要大量轨迹训练、智能体在陌生场景试错成本高的痛点,提出让编码智能体先在单一 Playground 场景中自由交互「自我训练」。
- 智能体在探索中积累代码 Skills(经验证的操作打包成带检查条件的参数化函数,可跨任务复用)和文本 Lessons(如「避免掉落负载:快速搬运会掉块,分小步搬运并验证抓取」)。
- Playground 中才允许调用 reset(),Test 阶段不可用,迫使经验真实积累。
- 累积的 harness 会被冻结并继承给下一个新场景、新机器人的 Test 智能体,使经验成为下一次运行的起点。
- 论文称在被称为「具身智能珠峰」的 RoboDojo 基准上进行了验证(原帖截断)。
「具身」频道最新
- 港大 TILDE:从具身基础模型蒸馏机器人策略 — hkuhk · 2026-10-23
- 机器人公司实测：12 台测试机器人中 10 台无需微调即可上手 — micoolcho · 2026-10-23
- KAIST FRED 自蒸馏改进世界动作模型，人转机器人技能成功率 19.4%→50% — kaist-ai · 2026-10-23
- GALAX 推出全球首款双 12V-2x6 接口 RTX 5080,售价 3000 美元 — chemist_slime · 2026-10-23
- Figure 每秒采集 81 分钟机器人数据，一周数据花费约 810 万美元 — joecole · 2026-10-23
- 盘点真正规模化赚钱的物理 AI:Waymo、Robotaxi、Matic 三家 — jokrvivek · 2026-10-23