RoboArchitect：不改模型权重，让机器人自己进化控制框架

导语

机器人策略的能力并不只取决于模型本身。一个已经训练好的视觉—语言—动作（VLA）策略，如何被调用、何时使用视觉工具、什么时候改由控制代码直接接管，往往同样决定最终表现。RoboArchitect 关注的正是这一层“智能体框架”，并尝试让它由模型自动设计和持续改进。

从冻结策略到可进化框架

传统做法通常是为不同机器人、任务或基准手工编写控制框架，或者重新微调策略模型。RoboArchitect 采取了另一条路径：保持底层机器人策略冻结，由一个编码模型观察机器人的执行轨迹，分析失败原因，再迭代修改外围控制代码。

这个框架可以决定：

• 什么时候调用冻结的机器人策略；
• 何时借助视觉工具获取额外信息；
• 何时直接通过代码控制机械臂；
• 如何根据此前的执行经验调整后续动作。

优化过程使用一组回合进行改进，再在未参与优化的场景和任务上评估，因此重点不是记住某个具体环境，而是形成更有迁移性的控制习惯。

自动发现控制策略，并形成记忆

实验中，RoboArchitect 往往会形成动态分工：让 VLA 策略处理擅长的部分，同时由代码策略接管明确、结构化或需要恢复的动作。系统可能自动发现一些直观但并非预先写死的应对方式，例如机械臂被卡住时先抬起避让，或在上方路径被障碍物阻挡时改为水平接近。

另一个重要特点是持久记忆。框架不仅在单次任务内做决策，还会把有效经验保存下来，并在之后的回合中使用。例如，某类物体更合适的抓取深度，可以成为后续动作规划的参考。换言之，优化对象不再只是几段控制代码，也包括框架如何积累和调用经验。

效果与意义

在多个基准和机器人策略上，未见场景的平均成功率从 9.7% 提升至 43.3%，未见任务则从 12.7% 提升至 40.2%。这些结果分别约为原来的 4.5 倍和 3.2 倍，且不涉及模型权重更新。论文还指出，当测试基准与策略原有训练数据差异较大时，框架优化带来的收益更明显；围绕通用策略构建的专用框架，有时甚至超过微调版本。

这项工作把机器人性能优化的重点，从“继续训练更大的策略模型”部分转向“如何组织和使用现有能力”。它也说明，未来的机器人智能体可能由冻结模型、工具调用、代码控制和持久记忆共同构成。不过，当前结论仍建立在论文所覆盖的基准、策略和实验设置上，框架在更开放、更复杂的现实环境中的稳定性，还需要进一步验证。

来源：Hugging Face Daily Papers