Auto-Robotist：AI机器人协同设计智能体登EMNLP 2026主会
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：驱动器放置位置、身体稳定性维持，都需要通过控制训练与仿真反复验证。这类试错过程代价高昂，其中产生的经验却往往未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」，指将机器人身体结构的搜索与控制器训练相结合。系统通过大语言模型提出结构改进方案，为候选机器人训练控制器，再通过仿真检验效果，并将结果整理为下一轮设计可使用的经验。
Auto-Robotist的核心是一个持续更新的「技能库」。这里的技能是指设计机器人的经验，例如如何支撑驱动器、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，并可从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。
为什么机器人设计需要记忆
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。
筛选一个设计的成本也很高：需要先用强化学习算法PPO训练控制器，让机器人学习运动方式，再用仿真评估其任务表现。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。
让设计经验成为可复用的知识
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。
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，根据评估结果修订规则，并合并重复条目。成功和失败的证据都会参与更新。
实验如何比较
实验覆盖七种能力任务：行走、过桥、平衡、搬运、攀爬、跳跃和推物。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」。
结果显示，Auto-Robotist在七项任务上的平均最终最优得分均高于GA，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，这些任务对接触、承重与支撑结构较为敏感，设计经验可以帮助系统更有针对性地调整机器人身体。
以搬运任务为例，机器人从初始设计到最终形态的演化过程中，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。
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，最终最优得分的平均差值为+1.45，说明在更大设计空间中，已有经验能为搜索提供有效帮助。
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。直接放大外形时，接触、杠杆和载荷分布会发生变化，难以稳定保留原有性能，例如放大后的Auto-Robotist搬运设计得分仅为0.16；而不提供参考外形，仅保留技能库，设计规则仍能在部分任务（行走、搬运、跳跃）上发挥作用，说明技能库包含可供新设计使用的功能性经验。
研究团队还通过消融实验分析各组件的贡献：在推物任务上，移除GA随机变异通路得分下降24.0%，移除L2规则与L3观测得分下降23.8%，跳过规则修订和重复条目合并分别下降21.6%和14.0%；行走任务中各组件影响较小，下降幅度在0.2%–4.3%之间，说明组件作用随任务变化，在结构搜索更困难的任务上更明显。
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，每条规则都能回查对应的评估证据，可查看参考设计、得分及规则参与后续设计的方式，让经验库可被检查和修订。
最终技能库包含5个结构原型：底部桥式结构、门式框架、双脊框架、侧撑脊柱和锥形壳，以及12条正向规则与17条负向规则。五类原型都获得了采样权重，说明合并重复条目后仍保留多种结构思路；负向规则多于正向规则，记录了脆弱的底部连接、过长的轨道、封闭外壳中的缝隙等反复出现的问题，帮助后续设计避开陷阱。
这项研究带来了什么
Auto-Robotist展示了让机器人设计经验持续积累的方法：
为下一次设计留下知识：一次搜索的价值，还包括留下可供后续问题使用的设计规则。
让设计经验有据可查：规则关联具体评估记录，研究者可以检查、质疑并修订其中的内容。
无需微调大语言模型，也能积累经验：LLM的参数保持固定，持续更新的是自然语言技能库；机器人控制器仍按任务通过PPO训练。
目前的验证集中在EvoGym的网格化软体机器人仿真任务，下一步可探索三维结构与真实硬件设计，测试不同大语言模型下的效果，并完善规则的不确定性评估与冲突处理。这些设计经验能否经受真实硬件检验，仍需进一步验证。
每一次昂贵的仿真，都可以为下一次设计留下经验。当成功和失败都有据可查、能够复用，机器人设计搜索就成为一个持续积累知识的过程。
