具身智能激动人心范式跃迁！EinsiaAI发布EmbodiedEvo，自进化编码代理登顶具身珠峰Robodojo

机器之心发布 会写代码的 Agent，正在走向物理世界。 通过机器人接口，它们能够观察场景、编写控制程序，并根据反馈调整动作。即使未经目标任务微调，前沿 Coding Agent 的 Zero-shot 成功率，也已能与在相似场景上训练过的 VLA、WAM 系统相当。 但 Zero-shot 的表现，只是这条路线的起点。 面对陌生的机器人，从 “会调用接口” 到 “能抓稳物体”，Agent 仍需边执行、边摸索。这些探索消耗任务预算，积累的经验却不会自动留给下一个 Agent。 就像 VLA 模型需要大量轨迹来训练， 「如果先给 Agent “训练” 的机会，再让累积的经验成为下一次执行的起点呢？」 Einsia AI 旗下 Navers Lab 团队提出了 EmbodiedEvo ：每个任务仅用一个 Playground 场景，让 Agent 在交互中积累代码 Skills 和文字 Lessons。探索结束后，将这份 harness 冻结，交给新的 Agent，在未见场景中完成评估。无需更新模型权重，Agent 就能带着经验出发，并继续根据现场反馈调整动作。 在被誉为 “具身智能界的珠穆朗玛峰” 的 RoboDojo 评测中， EmbodiedEvo 取得 45.08 的平均分、38.95% 的成功率，超 过所有 VLA /WAM、Agent、Agent+VLA 的方法。 论文题目：EmbodiedEvo: Self-Evolving Coding Agent for Physical Intelligence 项目主页：https://lab.einsia.ai/embodiedevo/ arXiv：https://arxiv.org/abs/2610.18867 GitHub：https://github.com/Einsia/EmbodiedEvo 从写代码到控制机器人 在 EmbodiedEvo 中，Agent 用 Python 程序控制机器人。 它在工作区编写控制代码，提交给适配器执行，再查看相机画面、机器人状态和执行反馈，决定下一步如何修改程序。代码可以分段提交，同一回合中的仿真状态、变量和函数持续保留。 这套控制接口只有四个环 境原 语： get_instruction () ：读取当前任务与目标。 get_observation () ：获取相机图像与机器人状态，不推进仿真。 step (action) ：执行关节或末端位姿目标及夹爪指令，返回观测、完成信号和终止状态。 reset () ：重置同一场景，仅供 Playground 探索使用，Test 阶段禁用。 底层控制器负责逆运动学和动作插值。Agent 则把这些原语组织成接近、对齐、闭合夹爪、抬升等操作流程。接口不预先提供「抓取成功」这样的高级技能，流程如何实现、何时继续，需要结合反馈判断。 几种控制范式的区别，在于谁生成动作、如何根据反馈调整： VLA ：由学习得到的策略生成机器人动作或动作序列。 Agent＋VLA ：Agent 负责上层规划与调度，VLA 负责生成具体动作。 单轮 LLM/VLM ：在图示的固定工作流中，模型一次输出结构化动作描述，由适配器转换执行。 Coding Agent ：自主编写可执行程序，并在持续交互中检查结果、修改代码、继续执行。 代码既是行动的载体，也为经验复用提供了落点。 一次探索中验证过的操作，可以整理成带参数和检查条件的函数，供后续任务执行调用。这也让「熟悉机器人」的过程有机会留下可复用的成果。 EmbodiedEvo：把一次物理交互变成可复用的经验 理解任务、读懂接口，并不意味着已经掌握可靠的操作。 团队详细分析了 Astra 在 Robodojo-sim 上的执行轨迹，发现： 在 Tic-tac-toe 任务中：Astra 知道要抓，却还没掌握可靠的抓 法 。 Astra 两次空抓，直到第 367 个原生动作才首次抓住圆环，已消耗约三分之一的动作预算。该回合最终未完成棋盘任务。 在 Imitation sorting 任务中：先观察、再执行，是任务的行动前提。 演示臂尚未归位时，如果执行臂明显偏离初始姿态，就会直接判失败。Astra 在演示仍进行时开始移动，执行 16 个动作后，回合以失败终止。 Tic-tac-toe 任务需要可靠的抓取流程，Imitation sorting 任务需要明确的行动前提。 「可靠的操作，既包括 “怎么做”，也包括 “在什么条件下做”。」 EmbodiedEvo 因此设置 Playground 阶段：Agent 在持续的仿真会话中探索、查看物理反馈，并将经验整理为两种互补形式。 Skills：把 “怎么做” 写成代 码。 例如对齐、抓取、抬升，再检查物体是否仍在夹爪中。 Lessons：把 “何时做、哪里容易错” 记下来。 例如先看完演示，或在搬运后重新检查夹持状态。 两类经验共同组成 harness。 探索结束后冻结经验，再由新 Agent 在未见布局中 复用 。 操作参数仍需根据当前场景调整，执行结果也仍需通过反馈检查。 从整体表现看，经验带来了什么？ 整体优势集中在记忆与开放任务。 在论文展示的本地评测中，EmbodiedEvo 取得 44.48 分、37.82% 成功率，超过表中全部对照方法。其中 Memory 与 Open 成功率分别达到 69.67% 和 53.00%。 这些任务既要记住当前场景的信息，也要把抓取、搬运和放置接起来。 可复用的操作流程与顺序记录、阶段检查相结合，让「记住了」更容易落实为「做到了」。 进化改变的，是操作流程与行动时机 研究团队更进一步探究了， self-evolving 究竟能给 coding agent 带来什么？ 对于同样的模型和配置，通过 self-evolving，任务的成功率能够从 13.36% 提高至 35.08%。 进一步分析 self-evolving 的影响可以得到： 已有的能力，变得更可靠。 对齐积木和传送带匹配原本都有 60% 成功率，进化后分别达到 80%、100%。这些任务的目标可见，动作也能通过反馈局部纠正；经验进一步提高了操作可靠性。 此前未完成的任务，开始能够完成。 堆叠与 Tic-tac-toe 的成功率从 0 提高至 100%，Imitation sorting 从 0 提高至 80%。这些任务需要重复执行有效操作，或等待信息收集完整后再行动，对应 Skills 的操作流程与 Lessons 的使用条件。 仍有部分任务 通过 se lf-evolving 也解决不了。 插管得分从 4 升至 36、插钥匙从 9 升至 15，但成功率仍为 0。这些结果区分了局部操作的改善与完整任务的成功，精细接触的困难将在后文展开。 下面两条轨迹展示了操作与决策如何变化。 Tic-tac-toe Agent 复用抓取流程，在第 38 个原生动作保留住圆环；Imitation sorting Agent 先观察并记录完整演示，再执行当前场景的新顺序。 一次探索，能否帮助其他模型和任务？ 较弱模型能用上自己难以探索出来的经验。 继承 GPT-6-Astra 的经验后，GPT-5.6-Sol