@svpino：如果你把它连接到你的编程智能体，就能控制一个模拟机器人，并构建可在其他……中复用的体验

X AI KOLs Following 论文
embodied-ai robotics coding-agents simulation skill-learning reinforcement-learning

摘要

EmbodiedEvo 让编码代理在模拟机器人场景中编写 Python 代码、执行任务并将经验固化为可复用的技能，从而零样本迁移到真实机器人与新环境，无需更新模型权重。

如果你将它连接到你的编程智能体，就可以控制一个模拟机器人，并构建可在其他场景中复用的体验。 他们提供了一个使用 Codex CLI 的示例。 • 通过你的编程智能体完成设置 • 给你的机器人分配一项任务 • 你的编程智能体编写 Python 代码来控制场景 • 它执行代码并检查结果 • 它将可复用的操作流程保存为技能 然后，你就可以将这些经验复用于不同环境中的真实机器人，无需重新训练模型。
查看原文
查看缓存全文

缓存时间: 2026/10/16 00:19

如果将它连接到你的编程智能体，你就能控制一个模拟机器人，并积累可在其他场景中复用的经验。

他们提供了一个使用 Codex CLI 的示例。

• 用你的编程智能体完成配置 • 给机器人分配一项任务 • 你的编程智能体编写 Python 代码来控制场景 • 它执行代码并检查发生了什么 • 它将可复用的操作流程保存为技能

之后，你就可以将这些经验复用到不同环境中的真实机器人上。无需重新训练模型。

Einsia (@EinsiaAI)： 编程智能体正在进入物理世界。 零样本只是起点。 如果我们让它们练习，并让下一个智能体继承它们学到的经验，会怎样？

EmbodiedEvo：一个练习场 → 可复用的技能 & 经验 → 未见过的布局。无需更新模型权重。

45.08

相似文章

@seclink: https://x.com/seclink/status/2067970118873993482

X AI KOLs Following

当前主流纯数据驱动机器人方案存在数据效率低、泛化性差的缺陷，新提出的神经符号物理智能范式将任务拆分为世界建模和规划两步，仅需1-10个演示即可学会新任务，泛化能力远超传统端到端方案，为通用机器人提供了更可靠的路径。