新智元报道  

AI能不能像工程师那样，在一次又一次设计机器人的过程中攒下经验？

机器人的身体结构和运动控制绑得很紧：驱动器装在哪、身体怎么稳住，都得靠控制训练和仿真一遍遍验证。试错成本不低，可这些经验常常没被整理成后面设计能接着用的知识。

密歇根大学安娜堡分校的研究团队做出了AI机器人协同设计智能体Auto-Robotist，相关工作已被EMNLP 2026主会录用，代码也已开源。

所谓「协同设计」，就是把机器人身体结构的搜索和控制器训练放在一起做。系统让大语言模型提出结构上的改进，替候选机器人训练控制器，再用仿真检验效果，最后把结果整理成下一轮设计能用的经验。

论文链接：https://arxiv.org/abs/2605.25832

代码链接：https://github.com/wangyf9/Auto-Robotist

Auto-Robotist的核心是一个不断更新的「技能库」。这里说的技能，指的是怎么设计机器人的经验，比如怎样支撑驱动器、怎样避免结构失稳。

实验显示，这些经验能改进EvoGym中七项软体机器人仿真任务的设计搜索，还能从5×5网格迁移到10×10的更大设计空间。一个失败的机器人，同样能给下一次设计留下有用的经验。

设计机器人的身体结构，组合空间大得惊人。拿软体机器人仿真平台EvoGym来说，机器人由网格里的单元拼成。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。不考虑连通性这类约束，一个10×10网格就有5的100次方种组合。

筛掉一个设计也不便宜：先要用强化学习算法PPO训练控制器，让机器人学会怎么动，再靠仿真评估它的任务表现。文中的「奖励」和「适应度」，都是衡量机器人完成任务表现得分的说法。

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）的做法是保留表现较好的设计、不断生成新变体，以此找到更好的机器人。它主要在种群和优胜设计里留存搜索成果，一般不会把成功和失败整理成能直接阅读、复用的设计规则。Auto-Robotist想留住的，恰恰是这些试错背后的经验。图1把这种缺少显式设计知识积累的流程简称为「无记忆搜索」。

它的核心思路是让一次搜索同时交出两样东西：好设计，以及关于设计的知识。具体做法是让大语言模型（LLM）在搜索过程中写「设计笔记」，从仿真结果里归纳出哪些结构管用、哪些坑要避开，再拿这些经验去指导下一轮设计。为了让笔记真能派上用场，技能库立了三条规矩：记规律，让经验能迁移到新设计；留证据，每条规则都要对得上具体的评估记录；可修订，新结果能补充、合并或推翻旧经验。

图2｜Auto-Robotist框架：用已有经验指导设计，再用新实验更新经验

从图2可以看到，一条技能拆成三层，分别对应「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。这一层记录某种结构以及它的适用条件，比如围绕驱动器搭出来的门式框架。

• L2规则——怎样改进，哪些问题应当避免。正向规则归纳能拉高得分的做法；负向规则记下反复出现的失败模式，并挂上支撑证据和效果统计。

• L3观测——哪些实验支持这些判断。这一层存下具体设计、任务、网格大小、得分和设计来源，方便回头查每条规则的依据。

Auto-Robotist 把三个步骤循环跑：经验指导设计，实验结果再反过来更新经验。

1. 提出设计。先从技能库里检索相关经验，让 LLM 照着改表现较好的既有设计。同时保留 GA 的随机变异，去探现有规则还没覆盖的结构。

2. 仿真验证。先查候选机器人的各部分是否连通、有没有驱动单元，再用 PPO 训练控制器，通过仿真拿到任务得分。

3. 更新经验。新的结构经验写进技能库（Add），规则按评估结果修订（Diagnose），重复条目合并（Merge）。成功的证据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）任务上跑。每个候选机器人都要先做 51.2 万步的 PPO 控制训练，再进仿真评分。

比较时评估预算和种群规模都保持一致。基线是 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，用来观察平均表现和运行间的波动。

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」的算法是：GA 拿到自己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，说明需要的评估越少；这个指标按评估次数衡量搜索效率。

• 评估全程里，Auto-Robotist 有多少时候压着 GA 打，用「领先比例L」衡量：在全部评估预算中，前者截至某一刻的最高分严格超过 GA 的那部分评估次数，占总次数的比重。

第一组实验要看技能库能不能在搜索过程中从零建起来。Auto-Robotist 从空白技能库出发，在 5×5 网格中设计机器人，和相同评估预算下的 GA 对比。这就是文中说的「冷启动搜索」。

表1｜5×5 网格中的冷启动搜索结果

图3｜5×5冷启动见上排，10×10跨尺度实验见下排；图中给出各方法截至当时达到的最高任务得分，随评估次数增多而变化，其中Auto-Robotist为3个随机种子的均值±标准差

从表1和图3看，七项任务里Auto-Robotist的平均最终最优得分都压过GA。按前面说的评估次数口径算，平均收敛加速为1.66倍；平均领先比例67%，也就是说在各任务的搜索过程中，大约三分之二的评估阶段它处在前面。

搬运、跳跃和推物这三项任务的最终得分涨得比较明显。它们对接触、承重与支撑结构很敏感，设计经验能帮系统更有针对性地去调整机器人的身体。

图4｜搬运任务中的一个代表性设计演化过程

图4给出的是搬运任务里一个机器人从初始设计走到最终形态的过程。每一次修改都有技能库规则参与指导，任务得分从2.92升到7.14，高于图中GA的6.40。这个例子能让人看到，设计经验是怎么介入一次次具体结构修改的。

第二组实验把5×5搜索中学到的技能库搬进10×10网格，看小网格里的设计经验能不能帮上更大网格的搜索。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。新设计还是要重新训练控制器、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）

既给技能库又给5×5参考设计的设置下，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算，最终最优得分的平均差值为+1.45。在本实验这个更大的设计空间里，已有经验确实能给搜索提供帮助。

图5｜10×10网格中代表性机器人的仿真运动过程

设计记忆有助于保住那些与任务表现密切相关的支撑和接触关系。图5把双方最优机器人的仿真运动过程摆在一起对比。GA找到的部分机器人能动，但容易出现接触中断、支撑弯折，或者把能量耗在身体内部形变上。

Auto-Robotist找到的代表性设计则更好地留住了稳定的行走框架、承重躯干，以及持续接触物体的推物结构。这些观察给性能差异提供了一个直观解释。

为了搞清楚迁移为什么有效，研究团队做了两组对照：一组直接把旧设计放大，另一组只给设计规则、不给旧机器人的外形（图6）。

直接放大外形，原有性能很难稳定保住。研究团队把5×5网格里的每个格子扩成2×2小块，得到10×10机器人。外形看着相似，接触、杠杆和载荷分布却变了。比如放大后的Auto-Robotist搬运设计得分只有0.16。

这个结果说明，在这些任务里直接放大替代不了重新优化。设计规则的价值在于帮新机器人重新组织支撑与接触关系，比如在驱动器周围布置支撑、给柔顺接触部位加刚性支架。

不给参考外形，设计规则在部分任务上照样能起作用。研究团队从提示里去掉5×5参考设计，只留技能库，结果在行走、搬运和跳跃任务上仍然优于GA。这说明技能库里有能给新设计用的功能性经验。

过桥、平衡和攀爬任务在同时给参考设计时获益更多。对这几项任务，规则说明该保留哪些结构关系，参考设计则给出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）

团队还把系统里的各个组件逐一拿掉，看性能会怎么变。这套消融实验覆盖行走和推物两类任务，沿用相同的 5×5 冷启动协议，给出三个随机种子下的平均最优得分（图7）。

推物任务上的变化最明显：去掉 GA 随机变异通路，得分掉 24.0%；把 L2 规则和 L3 观测从提示里删掉，降 23.8%；省去规则修订（Diagnose）和重复条目合并（Merge）两步，则分别下滑 21.6% 和 14.0%。可见探索新结构、调用已有经验、维护技能库，对这个任务都有作用。

行走任务里，相应的跌幅只有 0.2%–4.3%。组件起多大作用跟任务有关，在结构搜索更难的推物任务上体现得更突出。

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）

团队对行走任务中积累的技能库做了检查。每条规则都能追溯到对应的评估证据：它参考了哪些设计、那些设计得分多少、规则又怎样进入后续设计，读者都可以查。经验库因此可被审视，也可被修改。

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

图8显示，技能库最后留下 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，另有 12 条正向规则、17 条负向规则。五类原型都分到了采样权重，也就是说，合并重复条目之后，技能库仍保住了多种结构思路。

失败经验也被留了下来。这个技能库里，负向规则的数量比正向规则还多。底部连接不够牢、轨道太长、封闭外壳留有缝隙——这些反复冒出的毛病都被记下，供后续设计绕开已经踩过的坑。

Auto-Robotist 给出了一条让机器人设计经验不断累积的路子：

• 一是给下一次设计留下知识。一次搜索的价值，也要看它能不能留下可供后来问题使用的设计规则。

• 二是让设计经验有据可查。规则与具体评估记录挂钩，研究者能查、能质疑，也能修订。

• 三是不用微调大语言模型也能攒经验。LLM 的参数始终不动，持续更新的是用自然语言写的技能库；机器人控制器仍按任务用 PPO 训练。

眼下的验证集中在 EvoGym 的网格化软体机器人仿真任务。接下来可以往三维结构和真实硬件设计上走，测试不同大语言模型下的表现，并把规则的不确定性评估和冲突处理补全。这些设计经验能不能扛住真实硬件的检验，还要再看。

每一次昂贵的仿真，都能给下一次设计留下点经验。成功和失败都有据可查、可以复用，机器人设计的搜索也就成了知识持续累积的过程。

参考资料：

https://arxiv.org/abs/2605.25832