SEAR: Self-Evolving Agentic Robotics
作者: Xinyi Wang, Bangzheng Li, Hanyu Wang, Lin Zhang, Andrea Yaoyun Cui, Zhenggang Tang, Shyamal Buch, Dejia Xu
分类: cs.RO, cs.AI, cs.CL
发布日期: 2026-10-13
备注: 16 pages
💡 一句话要点
提出自我进化的智能机器人框架以提升自主学习能力
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 自我进化 智能机器人 自主学习 控制代码 任务适应性 多模态学习 机器人研究
📋 核心要点
- 现有方法在机器人自主学习能力上存在不足，难以区分真实学习与简单重复尝试。
- 提出SEAR框架，通过三种模式运行代理，评估其学习效果与任务适应性。
- 实验表明，控制代码和共享例程在任务间有效转移，而任务特定解决方案则不然。
📝 摘要（中文）
前沿语言模型代理现在可以自主改进机器人：它们编写控制代码，测试并保留有效的技能和记忆以应对下一个任务。我们介绍了SEAR（自我进化的智能机器人），这是一个围绕两个问题构建的框架和基准：代理是否真的在学习，还是仅仅在尝试更多？它所学的内容是否在新任务、新模拟器和真实机器人上仍然有效？该框架以三种模式运行代理：编写成为策略的代码、在控制循环中实时行动、或作为研究者微调视觉-语言-动作模型。基准增加了控制因素，以区分保留的经验与重复尝试、熟悉任务、特权模拟器状态、更大的预算和运气。在七个前沿语言模型、330个模拟任务和五个物理任务的实验中，我们得出了三点发现。
🔬 方法详解
问题定义：本论文旨在解决现有机器人学习方法无法有效区分真实学习与重复尝试的问题。现有方法在面对新任务时的适应性不足，限制了机器人的自主学习能力。
核心思路：SEAR框架通过三种不同的代理模式（代码作为策略、代理作为策略、自动研究）来评估学习效果，确保所学知识在新任务中的有效性。
技术框架：整体架构包括三个主要模块：1) 代码生成模块，负责编写控制策略；2) 实时控制模块，代理在控制循环中执行任务；3) 研究者模块，微调视觉-语言-动作模型。
关键创新：最重要的技术创新在于引入了多种代理模式，使得机器人能够在不同环境和任务中自我进化，显著提升了学习效率与适应性。
关键设计：在设计中，采用了多种控制代码和共享例程的转移机制，确保在不同任务间的有效性。同时，设置了多种实验条件以评估学习曲线与任务难度的关系。
🖼️ 关键图片
📊 实验亮点
实验结果显示，机器人在面对不同任务时，学习曲线与时间预算和任务难度密切相关。控制代码和共享例程在任务间有效转移，而特定解决方案则表现不佳。此外，不同模型在自我进化的效率上存在显著差异，某些模型在实时行动中表现更佳。
🎯 应用场景
该研究的潜在应用领域包括自主机器人、智能制造、无人驾驶等。通过提升机器人自主学习能力，SEAR框架可以在复杂环境中实现更高效的任务执行，具有重要的实际价值和未来影响。
📄 摘要（原文）
Frontier language-model agents can now improve robots on their own: they write control code, test it, and keep what works as skills and memories for the next task. We introduce SEAR (Self-Evolving Agentic Robotics), a framework and benchmark built around two questions. Is the agent really learning, or just trying more often? And does what it learns still help on new tasks, in a new simulator, and on a real robot? The framework runs an agent in three modes: it writes code that becomes the policy (code-as-policy), acts live in the control loop (agent-as-policy), or works as a researcher that fine-tunes a vision-language-action model (auto-research). The benchmark adds controls that separate retained experience from repeated attempts, familiar tasks, privileged simulator state, larger budgets, and luck. Across seven frontier language models, 330 simulated and five physical tasks, and over four years of agent runtime, we highlight three findings. First, the learning curve of a robotic agent depends both on the overall time budget and the task difficulty relative to model capability. Harder tasks make longer sessions worthwhile; on easier tasks, re-rolling short attempts does just as well. Second, control code and shared routines transfer across tasks and simulators, while task-specific solutions do not. On a real robot, we observe a performance gap between agent-designed practice and novel human-designed scenes. Third, different models evolve more effectively in different ways. Some do best acting live, others writing code first. And a text-only model keeps pace with a comparable multimodal one: perception helps with error assessment, but agentic reasoning and tool use can matter more. We release the benchmark and codebase to support future research.