RoboArchitect：自动设计机器人智能体，成功率提升4.5倍

机器人操作领域长期被“微调模型”的思路主导，但一项新研究提出了截然不同的路径：不更新任何模型权重，让编码模型自动设计包裹在冻结策略外的智能体框架（harness），并为其注入持久记忆。这就是 RoboArchitect，它把智能体工程从手工活变成了自动化搜索问题。

为什么“框架”比微调更值得关注

近期研究已经表明，一个冻结的机器人策略放在智能体框架内运行时，表现会远好于单独使用——控制代码决定何时查询策略、何时调用视觉工具、何时直接命令机械臂。但问题在于，这些框架目前都是手工构建的，每换一个机器人或一个基准就要重新设计。

RoboArchitect 的核心洞察是：框架设计本身可以被自动化。相较于在新场景下微调模型权重，自动演化出的框架提供了一个强有力的替代方案。这意味着机器人系统的适应能力，可能更多取决于“外围调度逻辑”而非“模型参数本身”。

机器人策略（policy） 通常指一个从观测（如相机图像、关节角度）到动作（如末端执行器位姿、夹爪开合）的映射函数，常以神经网络形式实现，并通过模仿学习或强化学习在大量数据上训练。微调（fine-tuning） 则是在新任务或新场景数据上继续更新该网络的权重，使其适应分布变化。微调虽然有效，但需要为目标场景采集演示数据、消耗算力，且可能破坏原有策略的泛化能力。相比之下，冻结策略意味着保持网络参数不变，仅通过外围代码（即“框架”）调度策略的输入输出、调用工具或切换技能。这种思路将适应成本从“重新训练模型”转移到“设计调度逻辑”，而调度逻辑本身可以用搜索或演化方法自动生成，从而避免人工设计框架的重复劳动。

编码模型如何演化出控制策略

RoboArchitect 的工作流程是一个闭环：编码模型观察机器人的 rollout（执行轨迹），诊断失败原因，然后迭代修订包裹冻结策略的框架。框架在一组 episode 上进化优化，并在留出的场景和任务上评估，避免过拟合。

整个过程不更新任何模型权重。演化出的控制策略往往具有直观的物理含义，例如把卡住的机械臂抬起使其脱离障碍，或者在顶部受阻时改为水平方向伸入。这些策略不是人类手写的规则，而是自动搜索出来的行为模式。

编码模型（coding model） 指具备代码生成与理解能力的大语言模型，例如经过代码微调的 GPT 系列或开源代码模型。在 RoboArchitect 中，编码模型不直接输出机器人动作，而是输出可执行的 Python 控制代码——即包裹冻结策略的框架。Rollout 指在仿真或真实环境中运行一次完整任务序列所产生的轨迹数据，包括观测、动作、奖励和成功/失败信号。编码模型通过阅读 rollout 日志（如失败时的末端位置、碰撞信息）来诊断问题，并修改框架代码，形成“生成—执行—观察—修改”的闭环。演化优化 在此指维护一个框架候选池，根据任务成功率等指标淘汰劣质框架、变异优质框架，并保留在留出场景上表现稳定的个体，从而避免对训练 episode 过拟合。

持久记忆：把经验带入后续决策

RoboArchitect 的另一关键设计是框架会演化出自己的持久记忆。学到的经验——比如有效的抓取深度——会被携带到后续决策中。这让系统在多次任务之间积累“手感”，而不是每次从零开始。

记忆机制与框架结构共同进化，意味着系统不仅在优化当前动作序列，还在优化“如何记住什么”。对于需要长期操作一致性的机器人应用，这一点可能比单次成功率更有价值。

持久记忆（persistent memory） 在智能体系统中通常指跨 episode 或跨任务保留的结构化信息存储，区别于仅在单次推理中使用的上下文窗口。在 RoboArchitect 中，记忆不是简单的对话历史，而是框架代码可读写的经验库，例如“在某个抓取位姿下夹爪深度为 2cm 时成功率更高”或“当顶部碰撞检测触发时，先水平后退再抬升”。这些经验以键值对、规则或代码注释等形式持久化，并在后续决策中被框架逻辑查询。记忆与框架结构共同进化，意味着系统会同时优化“记住什么”和“如何用记忆指导动作”。这种机制类似于程序性记忆，使机器人在多次任务之间积累操作手感，减少重复试错，对需要长期一致性的工业或家庭场景尤为重要。

数据表现：远离训练分布时收益最大

在多个基准和策略上的评估显示，RoboArchitect 将未见场景的平均成功率从 9.7% 提升至 43.3%（4.5 倍），未见任务上从 12.7% 提升至 40.2%（3.2 倍）。

收益最大的地方恰恰是基准远离策略训练数据的时候。用一个通用策略做包裹，演化出的框架能产生一个“专家”，甚至经常超过微调版本。这暗示机器人操作领域存在可观的提升空间，而这块空间位于智能体框架层，且其设计可以被有效自动化和优化，无需权重更新。

对机器人工程实践的启示

这项研究的实践意义在于改变了适应新机器人或新任务的成本结构。微调需要数据、算力和时间，而框架演化只需要 rollout 反馈和编码模型的迭代能力。对于快速部署场景，这可能是更轻量的路径。

当然，框架演化仍依赖足够的 episode 来做优化，且评估必须严格隔离场景和任务。但方向已经清晰：智能体框架不是附属品，而是机器人系统性能的关键杠杆。