自动进化机器人智能体执行框架的规模与筛选

自动进化机器人执行框架可行，但收益取决于 rollout 规模与修改筛选方式。

资讯摘要

论文提出用另一个编码智能体（优化器智能体）自动改进视觉界面机器人智能体的执行框架（harness，含提示、工具与控制规则）。作者报告两点发现：每轮优化器看到的 rollout 数量决定进化后框架能否泛化，固定轮数下训练批次从 5 增至 100 时留出成功率上升，小批次会过拟合；优化器不能无约束接受所有修改，采用 Champion-Challenger 规则仅在同一固定用例上胜过现任版本才采纳，30 轮后 LIBERO 留出成功率从 51% 升至 67%。

要点速读

1. 每轮 rollout 规模影响泛化：固定轮数下批次从 5 增至 100，留出成功率上升，小批次过拟合训练任务。
2. 无约束接受优化器修改会在数轮内使框架退化；Champion-Challenger 规则下 LIBERO 留出成功率 30 轮从 51% 升至 67%。
3. 将进化框架与预训练策略组合的 rollout 经多教师同策略蒸馏回策略，得到独立策略在 RoboCasa365 官方协议下 62.2%；叠加进化框架后在排行榜基准达 71.2%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。