迈向物理递归自我改进：呼吁为人形机器人进行身体-控制协同设计
arXiv 于 2025 年 10 月发布（v2 替换版）的立场论文提出「身体-控制协同设计」路线，主张人形机器人不应只在固定本体上优化控制策略，而应利用当前本体与策略的运行经验，递归地同时改进形态与行为，作者将其称为物理递归自我改进（Physical RSI），并类比生物进化。论文讨论了基于策略性探索、Sim2Real 迁移和元策略学习的三类协同设计方法，并从方法论、应用驱动和社区建设三个角度论证其必要性，同时指出该方向在人形机器人领域仍属研究不足，提出从短期创新到长期目标的开放问题清单。
发布于 10-27 12:58来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Toward Physical Recursive Self-Improvement: A Call for Body-Control Co-Design for Humanoid Robot》查看原链
arXiv:2510.03081v2 公告类型：替换 摘要：人形机器人作为通用物理智能体，必须同时整合智能控制与自适应形态，才能在多样的真实世界环境中有效运行。 当前研究主要针对固定本体优化控制策略，我们则主张将身体-控制协同设计作为通往物理递归自我改进（RSI）的路径：利用人形机器人当前本体与策略的经验，指导本体与策略的连续改进。
受生物进化启发，该方法使机器人能够递归地同时调整其形态与行为，以在任务特定且资源受限的场景中优化性能。 尽管前景可观，人形机器人领域的协同设计仍是一个相对未被充分探索的方向，其可行性与必要性——即能否实现真正的具身智能——仍存在根本性疑问。
为应对这些挑战，我们讨论了基于策略性探索、Sim2Real 迁移与元策略学习的潜在协同设计方法。 我们进一步从方法论、应用驱动与社区导向三个视角论证协同设计的关键作用。 为引导和启发未来研究，我们提出了从短期创新到长期目标的开放研究问题。 最终，协同设计为人形机器人实现物理 RSI 提供了一条路径，在改进其本体与策略的同时，学习使这一改进过程本身更加有效。