Auto‑Robotist：LLM 自我進化的機器人形態技能庫

Auto‑Robotist：讓設計記憶可檢視、可重用

大語言模型常被用作機器人形態設計的提案來源，但多數搜尋回路沒有保存可重用的設計知識。Auto‑Robotist 是一個自我演化的 LLM 代理，會把形態搜尋軌跡蒐整成自然語言的技能庫，讓設計記憶從族群內隱性變為可檢視的技能條目。

每項技能記載結構原型、以評估支撐的正負規則與相關設計樣本。搜尋階段透過檢索技能來條件化語言模型對精英體的編輯，同時保留遺傳演算法的突變路徑以維持探索性；評估後以新增、診斷與合併三步更新技能庫。

在七個 EvoGym 任務（含移動、越障與物件互動）上，該方法提升了 5×5 冷啟動搜尋，且學到的技能可轉移到 10×10 設計空間，參照式轉移在所有任務均優於純 GA，顯示 LLM 代理可把昂貴的實物評估轉為可復用且可審核的設計原則。

延伸閱讀

• AADvark：以 FreeCAD、JSON 與四元數求解器實現可動組裝的代理式 CAD
• 主動推理與 empowerment：以量化指標界定 AI 的代理性
• 深度強化學習下的持久子網路：四足機器人中自我類表徵的形成與可重用性

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。