RoboArchitect：让编码模型自动搭出机器人控制台

2026 年 10 月 30 日，斯坦福大学的一个团队把 RoboArchitect 提交到 arXiv（编号 2610.42141）。它要回答的问题很具体：同一个「冻结」的机器人策略，为什么在有人手工搭好控制台之后会好得多，以及这块控制台本身能不能让编码模型自己搭。

发生了什么

按论文摘要的说法，链路是这样的：

• 近来的工作表明，一个冻结的机器人策略（policy）放进 agent harness 之后会好得多：控制代码决定何时查询策略、何时调用视觉工具、何时直接给机械臂下指令。
• 但这些 harness 今天仍是手工编写、为每个新机器人或新基准重写一遍。
• RoboArchitect 让一个编码模型观察机器人的 rollout、诊断失败，围绕冻结策略迭代修改 harness；harness 在一组 episode 上演化，并在留出的场景与任务上评测。
• 全程不更新任何模型权重。

效果

• 在留出 episode 上，未见场景的平均成功率从 9.7% 升到 43.3%（4.5×），未见任务从 12.7% 升到 40.2%（3.2×），跨多个基准与策略。
• 论文特别强调：收益最大的地方，恰恰是基准离策略训练数据最远的地方——围绕一个通用策略演化出的 harness，常常超过在同一个基准上微调过的版本。
• 作者说，一些直觉性的控制策略是被自动设计出来的，例如把卡住的机械臂抬起来脱困，或在障碍从上方挡住去路时改为水平伸入。
• harness 还会演化出自己的持久记忆，把学到的经验（例如有效的抓取深度）带入后续决策。

动手点

• 作者的项目主页列出了论文、代码与 HuggingFace 入口，并把「自动演化的控制例程」与「自动演化的持久记忆」分开展示。
• 对读者的直接动手点：先读摘要与项目主页，等代码可用后，在一个仿真基准上做一次对照——同一个冻结策略，手工 harness 与自动演化 harness 的成功率差多少。
• 更值得记下来的是启示：只要有一个可回放、可判成败的环境，让编码模型去改外围的胶水代码，可能比动模型权重更划算。

还没验证的部分

• 这是 2026-10-30 的预印本，未经同行评审。
• 所有数字来自论文摘要与作者项目主页，本文没有独立复跑，也没有训练任何策略。
• 「超过微调版本」是作者在其基准与策略设置下的结论，换环境未必成立。
• 代码是否已经放出、能否在本地跑起来，本文没有验证。

参考来源

本文基于以下公开报道整理：

• RoboArchitect: Automating the Design of Robotic Agents with Persistent Memory — arXiv 摘要（一手论文），2026-10-30
• RoboArchitect — 作者项目主页（Stanford），含结果数字与代码入口
• RoboArchitect — HuggingFace Papers 收录页

本文由 AI 辅助整理，事实与引文来自 arXiv 摘要、作者项目主页与 HuggingFace Papers 收录页的公开元数据；未独立复跑，配图后续补充。