先练后考：给机器人智能体一次留级的机会

想象一个新来的理赔员，每天上班都从零开始。昨天他刚弄明白照片拍漏了要补拍，今天换一个案子，这份经验不跟着他走。他只能在每个案子里把同样的弯路再走一遍，把本该用来结案的预算，花在重新发现"原来要先看一眼现场"上。

这正是今天机器人智能体的处境。前沿编码智能体已经能通过程序接口控制机器人：看场景，写控制程序，根据物理反馈改程序，零样本的成功率开始接近在类似场景上训练过的 VLA 与 WAM 系统。问题不在单次任务内学不会，而在每次任务积累的经验，不会自动留给下一个智能体【直引：EmbodiedEvo 论文摘要】。

10 月 13 日上传 arXiv 的 EmbodiedEvo（编号 2610.18867，次日修订 v2）给了一个办法：让智能体先在训练场景里练，把经验提炼成可复用的代码技能与诊断教训，冻结后交给一个全新的智能体进考场。不动模型权重，经验照样遗传。

🧬 一个 harness 的三段人生

这套系统的全部机关，在经验的存在形式上。

智能体用 Python 程序控制机器人。工作区里放着一份固定的任务说明、一份接口文档、一份可编辑的控制源码，外加一个执行客户端。程序通过适配器提交，适配器把代码里的动作翻译成机器人原生动作，再把相机画面、机器人状态、标准输出与完成信号送回给智能体。状态、变量和函数在多次提交之间持续保留，改代码不会撤销已经完成的动作，所以每一段新程序都得适配当前的物理现场【直引：论文方法与工作区表格】。

环境只暴露四个原语：读任务、看观察、执行动作、重置场景。物体的真值位姿、深度、相机标定，一律不提供。接口薄到这个程度，是故意的：智能体能调用的只有自己写的程序。

技能与教训分工明确。技能回答怎么做一个动作，比如带检查的抬升，参数化后供后续程序调用。教训回答什么时候该做、什么征兆说明要退回来，记录失败模式与恢复指导。用老理赔员打比方，技能是他手里的动作，教训是他脑子里的戒律。一个管执行，管判断。

论文里有个细节很说明问题：某项任务在练习阶段一百次代码执行全部失败，智能体仍然从失败里提炼出了跟踪移动目标、运输中监控接触这两条技能。进了考场，这项任务从零分变成满分。没做完的题，也能留下笔记【直引：论文表 7】。

📊 涨分涨在哪里，没涨在哪里

考场是 RoboDojo-Sim，被称作具身智能界的珠穆朗玛峰。42 个任务分五类：泛化 12 个、精密操作 8 个、长程任务 8 个、记忆类 6 个、开放任务 8 个。完整评测每任务 50 个场景，共 2100 个回合。每个回合与每条练习链的预算，是最多 100 次被接受的代码执行。

RoboDojo-Sim 完整集成绩，论文表 3

44.48 分与 37.82% 是论文 v2 摘要的数字，超过全部官方验证过的成绩。中文媒体广泛引用的 45.08 分与 38.95% 出自更早版本，两个口径并存时以论文为准【判断：版本差异，非数据冲突】。配对测试把同一执行器、同一场景摆在一起：只用任务描述时，平均分从 14.77 抬到 38.64，成功率从 8.50% 抬到 30.17%，二十多个百分点的增量不掺基准差异的水分【直引：论文表 4】。

五类系统摆在一起看，EmbodiedEvo 是唯一不换权重的那一列。

涨得最猛的是记忆类与开放类。记忆类成功率 69.67%，比次优的世界动作模型高 14 个百分点；开放类 53.00%，比次优的裸跑 Astra 高 22 个百分点。这两类恰好是"记得住上次"和"没见过的新活"的主场，与这套机制的设计目标对得上。

没涨的同样清楚。精密操作成功率只有 13.25%，长程任务 23.50%，反而低于 Simate-beta 的 43.42%。论文自己点破了典型死法：插钥匙的任务里，供抓手夹着钥匙，接手爪却合了个空，钥匙在动作耗尽前掉在了地上。问题出在交接，不在插入。接触几何不准，动作间过渡不稳，局部程序验证不足，作者把这几条列为待解【直引：论文局限性一节】。

🔁 经验居然可以跨模型、跨任务遗传

更反直觉的一层：冻结的经验不挑执行器。

把 Astra 攒下的经验交给更弱的模型，Sol 的成功率从 3.17% 涨到 12.03%，多了 8.86 个百分点；Luna 从 0% 涨到 5.50%。同一个 Astra 换个中等推理档位，涨了 18.72 个百分点【直引：论文表 6】。强模型探路，弱模型走路，这条分工以前要靠蒸馏权重，现在一份只读工件就办了。

跨任务转移的结果更怪。用其他任务练出的经验来考目标任务：同任务的增益是 21.39 个百分点，语义相关任务 14.72 个百分点，而八竿子打不着的任务也有 16.67 个百分点，反而高过相关任务。任务标签的语义相似度，并不能预测经验管不管用【直引：论文跨任务实验一节】。个中原因论文没有给答案，这里不下结论。

账也要算。相比把原始交互历史直接塞给智能体，技能加教训的表示形式把每回合成本从 12.203 美元压到 5.732 美元，降了 53.0%，成绩还在同一水平。未缓存的输入 token 少了 87.9%【直引：论文表 8】。但相比什么经验都不给，用经验的每回合成本反而从 4.058 涨到 5.732 美元，多了 41.3%。经验不是免费的午餐，它把成本从"重复试错"挪到了"持续交互"。

🧭 仿真珠峰与真机之间

44.48 分是在仿真里拿的。论文没有任何真机实验，RoboDojo-Sim 之外的泛化、真实接触物理下的表现，全部空白。接触类任务暴露的交接失败提示了仿真到真机之间最硬的那堵墙：仿真里抓手合空只是数值，真机上钥匙会滚到桌底下。

这条路线真正吸引人的地方，是它换了个省法。过去提升机器人能力主要靠更新权重，要么堆数据，要么堆训练算力。EmbodiedEvo 把能力沉淀在 harness 这个外层结构里，不碰模型，也不挑机器人本体。强模型探的路，弱模型能走；今天练的题，明天还能用。至于这条路能不能从仿真走到真机，论文没有答案，市场会给。

---

参考文献

• Wenyi Li 等, *EmbodiedEvo: Self-Evolving Coding Agent For Physical Intelligence*, arXiv:2610.18867[v2], 2026-10-14. https://arxiv.org/abs/2610.18867
• EmbodiedEvo 项目主页, Einsia AI Navers Lab. https://lab.einsia.ai/embodiedevo/
• EmbodiedEvo 代码仓库. https://github.com/Einsia/EmbodiedEvo
• 机器之心 Pro, *具身智能迎来范式跃迁! EinsiaAI 发布 EmbodiedEvo*, 2026-10-15. https://www.163.com/dy/article/L99RQRHH0511AQHO.html
• RoboDojo 基准文档, 随论文实验一节引用. https://arxiv.org/html/2610.18867v2