密歇根大学提出机器人协同设计智能体Auto-Robotist
热点事件持续更新
密歇根大学提出机器人协同设计智能体Auto-Robotist
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
密歇根大学安娜堡分校团队提出机器人协同设计智能体 Auto-Robotist，用大语言模型维护可更新的自然语言技能库，把每次仿真试错整理成可复用的设计规则。该工作已被 EMNLP 2026 主会录用并开源。 在 EvoGym 的行走、过桥、平衡、搬运、攀爬、跳跃和推物七项软体机器人仿真任务上，团队称其平均最终最优得分均高于遗传算法（GA），平均收敛加速 1.66 倍、平均领先比例 67%，并能把 5×5 网格经验迁移到 10×10 设计空间。 目前验证集中在 EvoGym 的网格化软体机器人仿真任务，这些设计经验能否经受真实硬件检验仍需进一步验证。
AI 根据报道生成 · 1 小时前更新
最新进展11月7日 19:40
密歇根大学 Auto-Robotist：用 LLM 技能库积累机器人设计经验，获 EMNLP 2026 录用并开源报道时间线
沿着报道，了解事件的不同侧面。
11月7日
- 北京智源人工智能研究院 · 智源社区密歇根大学 Auto-Robotist：用 LLM 技能库积累机器人设计经验，获 EMNLP 2026 录用并开源
密歇根大学安娜堡分校团队提出机器人协同设计智能体 Auto-Robotist，用 LLM 维护可更新的自然语言技能库，把每次仿真试错整理成可复用的设计规则，工作已被 EMNLP 2026 主会录用并开源。在 EvoGym 七项软体机器人任务上，其平均最终最优得分均高于 GA，平均收敛加速 1.66 倍、平均领先比例 67%，并能把 5×5 网格经验迁移到 10×10 设计空间。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。