【具身AGI导读】不给一条人类演示，也不调用任何学出来的策略——一个编程智能体自己找到了仿真环境，把控制写成了代码。
8 月中旬，arXiv 上出现一篇预印本，署名是加州大学伯克利分校的一支三人研究团队；据论文，它研究的对象是一个用单点接触把形状块推向目标位姿的平面推块任务——2021 年由一篇论文提出，2023 年因一篇扩散策略论文而被推广，长期被用作检验模仿学习方法的试金石。论文给一个编程智能体只下了一条自然语言指令——用代码即策略解掉这个任务，不许调用任何学出来的策略。它自己找到那个二维仿真环境，在仿真里反复跑候选参数拟合出推块的摩擦行为，写出一个含规划、接近、推送、后退四个阶段的控制器。
据论文，它随后按追加要求把视觉反馈接进了感知回路；作者拿来对照的，是一个在该仿真环境上用 200 条人类演示训练、公开发布的扩散策略检查点。作者自报代码策略的成功率与平均步数更优，智能体接着自己生成课程把任务扩到 26 个字母形状，三轮自改进之后又把控制器移植到两种仿真机械臂上——全程在仿真内，论文没有做真机实验。
机器人要拿到控制能力，行业里长期主要靠「学」——从人类演示里拟合出视觉运动策略，也就是模仿学习。这篇论文给的是另一条路：把控制写成程序，语言模型不进高频控制回路，只在回路之上生成与修订代码。
由此分出的行业分歧落在「能力从哪来」——演示数据、仿真里的试错、编程智能体的先验，三者对「换一个任务要付多少成本」给出的答案并不一样。行业里各家的落点并不统一。深度机智（北京）科技有限公司主攻物理AI 基座模型。
论文自己写下的边界同样重要——通用编程智能体倾向于把仿真沙盒当成任务的完备权威规格，并可能用上那些只在仿真里成立的接口、状态变量与数值规律，而仿真只是物理系统的近似。作者因此说明，控制器在仿真里的表现，并不保证真机侧对感知误差、标定漂移、延迟与未建模接触的鲁棒性，并提出未来系统应把仿真当作一个不确定的假设。
这篇论文动的地方不在模型本身——它换掉的是「控制从哪来」这个前提：一套控制器可以不从演示数据里学，而是被写成程序、再在仿真里试出来。但它自己也写明，这条路没有走出仿真，真机侧的感知误差、标定漂移与未建模接触，都不在它的保证范围内。
改的不是模型，是控制由谁写。
参考资料
arXiv · Revisiting the “Push-T” Robot Manipulation Task with Agentic Robotics · 2026-08-18