EMHO: EMbodied Agent Harness Optimization via Experience Traces
作者: Hyun Jung Lee, Jungtaek Kim, Jongwon Jeong, Tae-Eui Kam, Donghyun Kim, Yong Jae Lee
分类: cs.AI
发布日期: 2026-10-06
💡 一句话要点
提出EMHO以优化具身智能体的控制系统
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 具身智能体 自我优化 控制系统 执行轨迹 多任务学习 环境适应性 机器人导航 智能助手
📋 核心要点
- 现有方法通常将重点放在优化底层模型，而忽视了控制系统的自我优化能力。
- EMHO框架通过分析执行轨迹和历史记录，允许控制系统从经验中自我演化，保持模型不变。
- 在EmbodiedBench上进行的实验显示，EMHO在多个任务上均显著提高了成功率，表现出优越的适应性。
📝 摘要（中文）
提升具身智能体的能力通常侧重于通过训练优化底层模型，而控制规划、上下文和工具使用的智能体控制系统则通常是工程化设计的。本文提出EMbodied Agent Harness Optimization (EMHO)，一个自我演化的框架，通过分析执行轨迹和历史记录，直接从经验中优化控制系统。EMHO不仅优化技能或恢复提示，还修改智能体的进度监控、视觉工具使用、观察基础和失败响应。为支持多个子任务的单一控制系统，本文还引入了EMHO-Merge，通过使用情节级增益和损失来指导行为的修订。实验结果表明，EMHO在导航和操作任务上均显著提高了任务成功率。
🔬 方法详解
问题定义：本文旨在解决具身智能体控制系统的优化问题，现有方法往往依赖于静态设计，缺乏自我优化能力，导致在复杂环境中的适应性不足。
核心思路：EMHO框架的核心思想是通过分析智能体的执行轨迹和历史记录，使控制系统能够自我演化，而不是依赖于外部工程设计。这样设计的目的是为了提高智能体在稀疏反馈环境中的适应能力。
技术框架：EMHO的整体架构包括三个主要模块：执行轨迹分析、历史记录评估和控制系统修订。通过这些模块，智能体能够在执行过程中不断优化其控制策略。
关键创新：EMHO的最大创新在于其自我演化能力，允许控制系统在不改变底层模型的情况下，通过经验反馈进行动态调整。这一方法与传统的静态优化方法形成鲜明对比。
关键设计：在设计上，EMHO采用了基于情节级增益和损失的优化策略，以指导控制系统的行为修订。此外，损失函数的设计考虑了多任务的协同优化，确保在不同子任务中均能有效应用修订后的行为。
🖼️ 关键图片
📊 实验亮点
在EmbodiedBench的实验中，EMHO在导航和操作任务上均显著提高了任务成功率，尤其在Qwen 9B和27B模型上表现突出。具体而言，EMHO在多个任务中实现了超过20%的成功率提升，展示了其在复杂环境中的优越适应性。
🎯 应用场景
该研究的潜在应用领域包括机器人导航、智能助手和自动化操作等。通过优化具身智能体的控制系统，EMHO能够提升智能体在复杂环境中的适应能力，具有广泛的实际价值和未来影响。随着技术的进步，EMHO可能会在智能体的自主学习和决策中发挥重要作用。
📄 摘要（原文）
Improving embodied agents often focuses on optimizing the underlying model through training, while the surrounding agent harness that controls planning, context, and tool use is typically engineered. We ask whether this harness can instead improve itself directly from experience traces under sparse environmental feedback. We propose EMbodied Agent Harness Optimization (EMHO), a self-evolving framework that keeps the embodied model frozen and iteratively revises its harness by analyzing execution trajectories and prior harness history. EMHO optimizes beyond skills or recovery prompts, modifying how the agent monitors progress, uses vision tools, grounds observations, and responds to failures. To support multiple subtasks with a single harness, we introduce EMHO-Merge, which addresses trade-offs in jointly optimizing a single shared harness across subtasks by using episode-level gains and losses to guide evidence-supported refinement of when and how revised behaviors are applied. We evaluate EMHO on EmbodiedBench across navigation and manipulation tasks, and EMHO consistently improves task success for both Qwen 9B and 27B models. Qualitative analysis shows that EMHO goes beyond recovering from failures and unproductive actions to reshape how the embodied agent interprets and interacts with its environment.