加州大学伯克利分校团队推出 Agentic Robotics 智能体机器人技术，搭配 Graph-as-Policy（图即策略）框架，依靠多个 AI 智能体协同自动生成机器人控制程序，能让机器人在少量示范视频的基础上快速学会全新操作技能，不用工程师逐行写控制代码，也不用收集海量训练数据。传统机器人学新技能，要么人工编写控制逻辑，工程工作量巨大；要么靠大量演示数据做模仿训练，学习周期很长。这套新方案会把复杂任务拆成抓取、避障、定位等可复用技能积木，智能体在 Isaac 仿真环境里自动测试、改错迭代，验证稳定之后再部署到真机上，还能吸收真机失败的反馈继续优化，研究团队用海绵擦拭金属棒的实验做了验证，仅用一小时左右就完成仿真环境搭建、程序生成和真机落地，给具身智能机器人快速拓展技能提供了新路线。
一、项目基础信息清单
- 研究机构：加州大学伯克利分校
- 技术名称：Agentic Robotics（智能体机器人技术）
- 核心框架：Graph-as-Policy（图即策略）
- 配套模型：OpenAI Astra
- 仿真平台：NVIDIA Isaac Sim
- 核心思路：AI 智能体自主编写、调试机器人控制程序
- 验证实验：海绵擦拭金属棒墨水任务
- 核心优势：减少人工编程、大幅降低训练数据需求量
二、新旧机器人技能学习方案对比表
| 方案类型 | 实现方式 | 缺点 | 新 AI 智能体方案改进点 |
|---|---|---|---|
| 传统基于模型编程 | 工程师手动编写感知、规划、动作代码 | 耗人力，新增任务就要重新开发 | AI 智能体自动生成控制程序，模块化拼接技能 |
| 模仿学习 / 强化学习 | 采集大量人机演示数据，模型微调训练 | 数据成本高，学习慢，泛化差 | 少量示范视频即可，仿真里自主试错迭代 |
| AI 智能体方案 | 智能体拆解任务、生成程序、仿真自测、真机部署 | 目前还处在实验室阶段 | 技能模块可复用，失败反馈自动回传优化 |
三、AI 智能体让机器人学习新技能的完整流程
- 输入少量参考素材：一段人类操作示范视频、任务文字描述，交给多模态大模型 Astra 理解任务目标
- 智能体基于 Graph-as-Policy 框架拆分任务，拆成物体定位、抓取、避障、擦拭、放回等独立技能模块
- 智能体自动搭建对应的物理仿真环境，模拟物体形变、摩擦力等物理条件
- 自动生成控制代码，在仿真环境循环测试，识别失败场景、自主修改程序逻辑
- 仿真达标后，把控制程序下发到真实机器人真机执行
- 采集真机运行失败视频，反馈给智能体，再次更新仿真模型和控制逻辑
四、这项技术的核心亮点
- 技能模块化，积木式组合：抓取、避障这类基础技能可以复用，组合起来完成不同新任务
- 自主闭环调试：不用人盯着调参，智能体在仿真中反复试错，节省工程师调试时间
- 对数据要求很低：不需要成千上万条示范轨迹，少量演示视频就能启动学习
- 兼容真机反馈：真实机器人的失误会反过来优化方案，缩小仿真和现实之间的差距
- 生成的是可读控制程序，不是黑盒策略，工程师可以审阅、微调、验证
【相关 FAQ】
问题 1：AI 智能体让机器人快速掌握新技能，伯克利这套 Agentic Robotics 是怎么实现的？
回答 1：AI 智能体让机器人快速掌握新技能，伯克利 Agentic Robotics 依托 Graph-as-Policy 框架，由 AI 智能体拆分任务、自动生成机器人控制程序，在 Isaac 仿真平台自测优化，最后部署真机，还能利用真机失败反馈持续迭代。
问题 2：AI 智能体让机器人快速掌握新技能，和以前模仿学习训练机器人有什么不一样？
回答 2：AI 智能体让机器人快速掌握新技能，传统模仿学习需要海量示范数据，训练周期长；AI 智能体方案只需要少量示范视频，自主写代码、仿真试错，大幅减少人工和数据成本。
问题 3：AI 智能体让机器人快速掌握新技能，目前已经完成了什么验证实验？
回答 3：AI 智能体让机器人快速掌握新技能，团队使用海绵擦拭金属棒墨水的任务完成验证，一小时左右完成仿真搭建、程序生成，最终真机顺利完成擦拭操作。
问题 4：AI 智能体让机器人快速掌握新技能，现在这个技术能不能直接商用落地？
回答 4：AI 智能体让机器人快速掌握新技能，当前属于实验室科研成果，只在简单操作任务验证成功，复杂长流程任务、人形整机稳定落地还需要更多工程优化，暂时没有商用产品。
【参考资料】
[2026-11-11]（AI 智能体让机器人快速掌握新技能）新华网
[2026-11-11]（减少对海量训练数据和人工编程的依赖 AI 智能体让机器人快速掌握新技能）光明网
[2026-11-11]（AI 智能体让机器人快速掌握新技能）中国科技网
[2026-11-10]（伯克利提出 Agentic Robotics，用 AI 智能体自主开发机器人技能）科技日报
【免责声明】
本文仅为具身智能科研资讯整理，AI 智能体让机器人快速掌握新技能相关方案为伯克利实验室阶段性研究成果，实验效果是限定场景下的验证结果，复杂场景、整机机器人的稳定性、可靠性还未验证，不构成机器人采购、项目研发、投资决策建议，技术细节、论文原文以加州大学伯克利分校官方发布为准。
本文来自作者[灵晶调度]投稿，不代表环球科技潮立场，如若转载，请注明出处：https://www.zennew.com/jqr/202611/628.html
评论列表（4条）
我是环球科技潮的签约作者“灵晶调度”！
希望本篇文章《AI 智能体助力机器人快速习得新技能 伯克利 Agentic Robotics 框架降低编程与数据依赖》能对你有所帮助！
本站[环球科技潮]内容主要涵盖：科技,科技新闻,黑科技
本文概览：加州大学伯克利分校团队推出 Agentic Robotics 智能体机器人技术，搭配 Graph-as-Policy（图即策略）框架，依靠多个 AI 智能体协同自动生成机器人控制程序，能让机器人在少量示范视频的基础上快速学会全新操作技能，不用工程师逐行写控制代码，也不用收集海量训练数据。传统机器人学新技能，要么人工编写控制逻辑，工程工作量巨大；要么靠大量演示数据做模仿训练，学习周期很长。这套新方案会把复杂任务拆成抓取、避障、定位等可复用技能积木，智能体在 Isaac 仿真环境里自动测试、改错迭代，验证稳定之后再部署到真机上，还能吸收真机失败的反馈继续优化，研究团队用海绵擦拭金属棒的实验做了验证，仅用一小时左右就完成仿真环境搭建、程序生成和真机落地，给具身智能机器人快速拓展技能提供了新路线。