EMNLP'26|AI机器人协同设计智能体：每一次试错都留下经验

新智元报道 AI 能否像工程师一样，在反复设计机器人时积累经验？ 机器人的身体结构与运动控制紧密相连：驱动器放在哪里、身体怎样保持稳定，都需要通过控制训练与仿真反复验证。这些试错代价高昂，其中的经验却往往没有被整理成可供后续设计复用的知识。 密歇根大学安娜堡分校研究团队提出了 AI 机器人 协同设计智能体Auto-Robotist ，相关工作已获 EMNLP 2026主会录用并开源 。 这里的「协同设计」，指把机器人身体结构的搜索与控制器训练结合起来。系统用大语言模型提出结构改进，为候选机器人训练控制器，再通过仿真检验效果，并将结果整理成下一轮设计可以使用的经验。 论文链接：https://arxiv.org/abs/2605.25832 代码链接： https://github.com/wangyf9/Auto-Robotist Auto-Robotist的核心是一个持续更新的「技能库」。 这里的技能，是如何设计 机器人 的经验 ，例如怎样支撑驱动器、避免结构失稳。 实验表明，这些经验能改善EvoGym中七项软体机器人仿真任务的设计搜索，并从5×5网格迁移到10×10的更大设计空间。 一个失败的机器人，也能为下一次设计留下有价值的经验。 为什么机器人设计需要记忆 设计机器人的身体结构，面临着巨大的组合空间。以软体机器人仿真平台EvoGym为例，机器人由网格中的单元组成。每个格子有五种状态可选：留空、刚性材料、柔性材料，以及横向或纵向驱动单元。不考虑连通性等约束时，一个10×10网格就有 5的100次方种组合 。 筛选一个设计也很昂贵：需要先用强化学习算法PPO训练控制器，让机器人学习如何运动，再用仿真评估它的任务表现。文中的「奖励」和「适应度」都用于衡量 机器人完成任务的表现得分 。 图1｜常规搜索与Auto-Robotist的比较：试错记录能否成为可复用的设计知识 遗传算法（GA）通过保留表现较好的设计、不断生成新变体来寻找更优机器人。它主要在种群和优胜设计中保留搜索成果，通常不会把成功与失败整理成可直接阅读、复用的设计规则。 Auto-Robotist希望保留的，正是这些试错背后的经验。 图1将这种缺少显式设计知识积累的流程简称为「无记忆搜索」。 让设计经验成为可复用的知识 这项工作的核心想法是： 一次搜索可以同时产出好设计和设计知识。 Auto-Robotist让大语言模型（LLM）在搜索过程中整理「设计笔记」，从仿真结果中归纳哪些结构有帮助、哪些问题应当避免，再用这些经验指导后续设计。 为了让这些笔记真正有用，技能库遵循三条原则： 记录规律 ，使经验可以在新的设计中使用； 保留证据 ，让规则对应具体的评估记录； 允许修订 ，让新结果能够补充、合并或纠正旧经验。 图2｜Auto-Robotist框架：用已有经验指导设计，再用新实验更新经验 每条设计技能记录什么 如图2所示，每条技能分为三层，分别回答「什么结构有用」「怎样改进」和「依据是什么」。 L1原型——什么结构可能有用。 记录一种结构及其适用条件，例如围绕驱动器形成支撑的门式框架。 L2规则——怎样改进，哪些问题应当避免。 正向规则总结有助于提高得分的做法，负向规则记录反复出现的失败模式，并关联支撑证据与效果统计。 L3观测——哪些实验支持这些判断。 保存具体设计、任务、网格大小、得分和设计来源，便于回查每条规则的依据。 边设计边积累经验 Auto-Robotist反复执行三个步骤，让经验指导设计，也让实验结果更新经验： 提出设计。 从技能库检索相关经验，让LLM据此修改表现较好的已有设计。同时保留GA的随机变异，探索现有规则尚未覆盖的结构。 仿真验证。 先检查候选机器人的各部分是否连通、是否含有驱动单元，再用PPO训练控制器，通过仿真获得任务得分。 更新经验。 将新的结构经验加入技能库（Add），根据评估结果修订规则（Diagnose），并合并重复条目（Merge）。成功和失败的证据都会参与更新。 实验如何比较 任务覆盖七种能力。 实验在EvoGym的行走（Walker）、过桥（BridgeWalker）、平衡（Balancer）、搬运（Carrier）、攀爬（Climber）、跳跃（Jumper）和推物（Pusher）任务上进行。每个候选机器人都先接受51.2万步的PPO控制训练，再进行仿真评分。 比较使用相同的评估预算和种群规模。 基线为EvoGym标准遗传算法GA。Auto-Robotist的主要结果报告三个随机种子（0、9、42）下的均值与标准差，用于观察平均表现及运行间的波动。 实验从最终表现和搜索过程两个角度评价方法： 最终找到的设计有多好。 「最高奖励」指评估预算用尽时，搜索到的最优设计的任务得分。 达到参考成绩需要多少次评估。 「收敛加速S」是GA达到其最高得分所需的评估次数，除以Auto-Robotist达到同一得分所需的次数。S越大，表示所需评估越少；该指标按评估次数衡量搜索效率。 搜索过程中有多大比例保持领先。 「领先比例L」指在整个评估预算内，Auto-Robotist截至当时的最高得分严格高于GA的评估次数占比。 实验一：从零开始积累经验 第一组实验检验 技能库能否在搜索过程中从零建立 。Auto-Robotist从空白技能库出发，在5×5网格中设计机器人，并与相同评估预算下的GA比较。这就是文中的「冷启动搜索」。 表1｜5×5网格中的冷启动搜索结果 图3｜随评估次数增加，各方法截至当时的最高任务得分；上排为5×5冷启动，下排为10×10跨尺度实验（Auto-Robotist为三个随机种子的均值±标准差） 表1与图3显示，Auto-Robotist在 七项任务上的平均最终最优得分均高于GA 。按前述评估次数口径，平均收敛加速为 1.66倍 ；平均领先比例为67%，即在各任务的搜索过程中，平均约三分之二的评估阶段保持领先。 搬运、跳跃和推物任务的最终得分提升较明显。这些任务对接触、承重与支撑结构较为敏感，设计经验可以帮助系统更有针对性地调整机器人身体。 图4｜搬运任务中的一个代表性设计演化过程 图4展示了搬运任务中一个机器人从初始设计到最终形态的演化过程。每一步修改都有技能库规则参与指导，任务得分从 2.92提升到7.14 ，高于图中GA的6.40。这个例子让读者可以看到，设计经验如何参与一次次具体的结构修改。 实验二：在更大的设计空间中复用经验 第二组实验把5×5搜索中学到的技能库导入10×10网格，检验 小网格中的设计经验能否帮助更大网格中的搜索 。迁移时保留L1结构原型和L2设计规则，作为搜索起点的参考；原始L3观测不直接搬过去。新设计仍需重新训练控制器、接受仿真检验，并积累对应的评估记录。 表2｜10×10网格中的跨尺度结果（带参考设计的结果为三个随机种子的均值±标准差） 在同时提供技能库和5×5参考设计的设置中，Auto-Robotist在 六项任务上超过GA，一项持平 （表2）。按各任务原始奖励分数计算，最终最优得分的平均差值为+1.45。这说明，在本实验的更大设计空间中，已有经验能为搜索提供有效帮助。 图5｜10×10网格中代表性机器人的仿真运动过程 设计记忆有助于保留与任务表现密切相