新智元报道
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。
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」。
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
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。
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。
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。
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。
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关的支撑和接触关系。图5对比了双方最优机器人的仿真运动过程。GA找到的部分机器人能够运动，却容易出现接触中断、支撑弯折，或将能量消耗在身体内部形变上的问题。
Auto-Robotist找到的代表性设计则更好地保留了稳定的行走框架、承重躯干，以及持续接触物体的推物结构。这些观察为性能差异提供了直观解释。
为了理解迁移为什么有效，研究团队做了两组对照：一组直接放大旧设计，另一组只提供设计规则而不提供旧机器人的外形（图6）。
直接放大外形，难以稳定保留原有性能。研究团队把5×5网格中的每个格子扩展成2×2小块，得到10×10机器人。虽然外形相似，接触、杠杆和载荷分布却发生了变化。例如，放大后的Auto-Robotist搬运设计得分仅为0.16。
这一结果说明，在这些任务中，直接放大不足以替代重新优化。设计规则的价值在于帮助新机器人重新组织支撑与接触关系，例如在驱动器周围布置支撑、为柔顺接触部位提供刚性支架。
不提供参考外形，设计规则仍能在部分任务上发挥作用。研究团队从提示中移除5×5参考设计，只保留技能库，结果在行走、搬运和跳跃任务上仍优于GA。这表明技能库包含可供新设计使用的功能性经验。
过桥、平衡和攀爬任务在同时提供参考设计时获益更多。对这些任务，规则说明应保留哪些结构关系，参考设计则提供一个具体的修改起点。
图6｜5×5与10×10网格中的代表性优胜设计（fit表示对应运行的任务得分）
研究团队还逐个移除系统组件，观察性能如何变化。这类「消融实验」在行走和推物任务上进行，并采用相同的5×5冷启动协议，报告三个随机种子下的平均最优得分（图7）。
在推物任务上，移除GA随机变异通路后，得分下降24.0%；从提示中移除L2规则与L3观测后，下降23.8%；跳过规则修订（Diagnose）和重复条目合并（Merge），分别下降21.6%和14.0%。这些结果表明，探索新结构、使用已有经验和维护技能库都对该任务的表现有帮助。
行走任务中，对应下降为0.2%–4.3%。组件的作用随任务而变化，在结构搜索更困难的推物任务上更明显。
图7｜逐个移除组件后，行走与推物任务的表现变化（三个随机种子）
研究团队检查了行走任务中形成的技能库。每条规则都能回查其对应的评估证据：读者可以查看它参考了哪些设计、这些设计得分如何，以及规则怎样参与后续设计。这让经验库可以被检查和修订。
图8｜行走任务中积累的设计经验，包括结构原型、正向规则与失败经验
如图8所示，技能库最终包含5个结构原型：底部桥式结构、门式框架、双脊框架、侧撑脊柱和锥形壳，以及12条正向规则与17条负向规则。五类原型都获得了采样权重，说明合并重复条目后，技能库仍保留了多种结构思路。
失败经验同样值得保留。在这个技能库中，负向规则甚至多于正向规则。脆弱的底部连接、过长的轨道、封闭外壳中的缝隙等反复出现的问题，都被记录下来，帮助后续设计避开已经发现的陷阱。
Auto-Robotist展示了让机器人设计经验持续积累的一种方法：
为下一次设计留下知识。一次搜索的价值，还包括它能否留下可供后续问题使用的设计规则。
让设计经验有据可查。规则关联具体评估记录，研究者可以检查、质疑并修订其中的内容。
无需微调大语言模型，也能积累经验。LLM的参数保持固定，持续更新的是自然语言技能库；机器人控制器仍按任务通过PPO训练。
目前的验证集中在EvoGym的网格化软体机器人仿真任务。下一步可以探索三维结构与真实硬件设计，测试不同大语言模型下的效果，并完善规则的不确定性评估与冲突处理。这些设计经验能否经受真实硬件检验，仍需进一步验证。
每一次昂贵的仿真，都可以为下一次设计留下经验。当成功和失败都有据可查、能够复用，机器人设计搜索就成为一个持续积累知识的过程。
参考资料：
https://arxiv.org/abs/2605.25832
编辑：LRST
