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 self-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 成功率达到 12.03%，比无经验高 8.86 个百分点；GPT-5.6-Luna 从 0 提高至 5.50%
经验的复用也可以跨越不同任务边界。固定 Astra/xhigh 积累的经验，在同一批目标任务上，相关任务经验带来 14.18 分的成功率增益；不匹配任务经验带来 18.65 分、16.67 个百分点的增益。两者均无需目标任务探索
什么经验值得留下？
值得留的，是「可执行的办法＋适用条件＋效果检查」。把同一次探索整理为 Skills/Lessons 后，成功率与完整交互历史接近，总 token 使用量减少 11.3%。
精细操作为什么仍会失败？
抓取和搬运成功，还不足以保证精细接触成功。
下面的插管回合已完成部分抓取、搬运与位置调整，但最终未完成三根管子的插入，官方得分 20、判定失败。
困难可能出现在接触几何、动作切换与局部流程的可靠性上：孔位和姿态需要更准确，前一步保留的物体还要在下一步接触中保持稳定。
经验可以提供操作流程，流程能否可靠完成每一次接触，仍需验证。
未来的研究中，可以考虑用少量演示提供姿态参考，将探索集中到困难的接触阶段；再通过带扰动的重复执行，检验哪些流程值得保留。
让每一次交互，都有机会成为智能的积累
一次任务的成功，展示了 Agent 此刻能做什么。一次探索留下的经验，则可能改变它下一次能够做到什么。
EmbodiedEvo 的意义，在于为通用编程能力进入物理世界，补上了「经验可以被继承」这一环。
这让具身智能的 “训练范式” 增长多了一条路径：一个场景中摸索出的抓取流程，可以帮助另一个场景中的操作；一个 Agent 总结出的行动条件，也可以成为另一个 Agent 的决策依据。
从更长远看，这指向一种可积累、可传递的物理知识。沿着这条路径，Agent 将走向物理世界的通用智能。
「机器人交互如何从一次性的解题过程，变成可以持续积累的能力」
—— 这正是 EmbodiedEvo 希望推动的未来。
