AI机器人协同设计智能体Auto-Robotist

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。 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。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。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。每条设计技能记录什么如图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。

边设计边积累经验 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。

实验如何比较任务覆盖七种能力。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。

实验一：从零开始积累经验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」。实验一显示，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。

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。实验二：在更大的设计空间中复用经验第二组实验把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。

实验二显示，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。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。

迁移的是设计规则还是具体外形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。直接放大外形，难以稳定保留原有性能。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。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。技能库到底记住了什么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。