RB88手机官网 - 自进化编码代理的范式转变：EinsiaAI推出EmbodiedEvo，登顶具身智能的高峰
在当今科技飞速发展的时代，具备编码能力的智能代理，正逐步走出虚拟环境，迈向物理世界。通过与机器人系统的接口融合，它们不仅能够感知周围环境，还能够编写控制程序，依据实时反馈调整自身的动作。值得一提的是，即便是在没有专门针对特定任务训练的情况下，前沿的编码代理在“零-shot”场景下的成功率，已与经过充分训练的视觉语言架构（VLA）和加权平均（WAM）系统相当。然而，这种“零-shot”表现仅是实现更高目标旅程的开始。面对全新的机器人环境，智能代理从“能够调用接口”到“能够稳固抓取物体”的过程依然充满挑战。这些探索过程虽能提供重要经验，却由于资源预算的限制，无法自然留给后续的代理。正如VLA模型所需的庞大轨迹数据支持一样，“如果我们能先让代理进行一定程度的训练，再将累积的经验作为下一次执行的起点呢？”Einsia AI旗下Navers Lab团队因而提出了EmbodiedEvo方案：在每个任务中，代理仅需要一个Playground场景，通过交互逐步积累编码技能和经验教训。探索结束后，这些累积的知识被完好保存，并移交给新的代理，使其能够在未曾见过的场景中进行评估，无需更新模型权重，就可以开始新一轮的经验积累和反馈调整。在被誉为“具身智能界的珠穆朗玛峰”的RoboDojo测试中，EmbodiedEvo以平均得分45.08和38.95%的成功率，超越了所有其他方法，如VLA/WAM、传统智能代理以及代理与VLA结合的系统。
在EmbodiedEvo中，编码代理使用Python语言控制机器人。代理在工作空间内编写控制代码，然后通过适配器执行，观察相机画面及机器人状态，并据此决定下步如何修改代码。代码可以分段提交，且在同一回合中的仿真状态、变量和函数能够持续保留。该控制接口只提供四个基本的环境原语：get_instruction()用于读取当前的任务和目标；get_observation()获取相机图像和机器人状态，而不会推进仿真；step(action)用于执行关节或末端位姿指令，同时返回观察结果、完成信号及终止状态；reset()则用于重置同一场景，仅在Playground探索阶段可用，测试阶段禁用。底层控制器负责执行逆运动学和动作插值，而代理则将这些原语整合成如接近、对齐、闭合夹爪和抬升等行动过程。控制接口不预置高阶技能“抓取成功”等概念，所有的实现过程和时机均需依据实时反馈进行判断。
不同的控制范式在于生成动作的主体及反馈调整的方式：VLA通过学习获得的策略生成机器人动作或序列；代理与VLA结合时，代理负责整体规划与调度，而具体动作则由VLA生成；单次的LLM/VLM模型在固定工作流程中一次性输出结构化动作描述，由适配器转换为实际执行指令；而编码代理则能够自主编写可执行的程序，并在持续互动中检查结果、修改代码并继续执行。这种模式不仅使代码成为行动的载体，更为经验的复用提供了基础。一系列成功验证的操作，可以组织成带有参数和检查条件的函数，供今后任务调用，这样也让代理在熟悉机器人的过程中将有价值的经验转化为可复用的成果。 RB88手机官网
EmbodiedEvo的设计理念在于将一次物理交互转化为可持续利用的经验。理解任务和接口并不足以确保代理掌握稳定的操作。团队对Astra在Robodojo-sim上的执行轨迹展开了深入分析，发现其在完成某些任务时的挑战。例如，在“井字棋”任务中，虽然Astra知道自己需要进行抓取，但对于可靠抓取的方法却未能掌握。其经历了多次无效抓取，直至367个原生动作后才成功抓住物体，这一过程已消耗约三分之一的行动预算，最终未完成任务。在“模仿排序”任务中，先观察再执行是成功的关键。然而，在演示臂未到位的情况下，Astra如果明显偏离初始姿态，就会导致任务直接判失败，这种情况下，Astra在演示正在进行时便开始自主行动，导致其16个动作后回合宣告失败。显而易见，“可靠的操作”不仅包括具体的“做什么”，同样也涉及“在何种条件下执行”。
有鉴于此，EmbodiedEvo设立了Playground阶段：代理在一系列持续的仿真会话中，探索环境并观察物理反馈，同时将获取的经验整理成两种互补的形式。一方面是“技能（Skills）”，即将“怎么做”转化为代码，例如对齐、抓取及抬升等反应动作，并检查物体是否仍在夹爪中；另一方面是“教训（Lessons）”，即对“何时做、何种条件下易出错”的深入思考。这样的设计使得每次交互都成为未来任务的宝贵参考，极大地提升了智能代理的学习与适应能力。
