摘要
具身智能体通常由人工设计的感觉、记忆、规划和行动模块组成，依赖研究者直觉。本文研究将文本领域的智能体架构搜索（AAS）迁移至具身领域。我们提出了 AgentCanvas，一种支持可编辑节点程序的类型图运行时，以及 KDLoop，一种包含提议、批评、实验和蒸馏循环的搜索过程。在四个具身执行器上的评估表明，架构级搜索能显著提升任务成功率，但也揭示了模拟噪声掩盖优化信号、搜索陷入局部最优等挑战。结果展示了具身智能体自动化架构搜索的潜力与局限。
AI 推荐理由
论文核心研究智能体架构的自动搜索与自我改进机制，属于自我进化范畴。
研究机构
Australian Institute for Machine Learning, University of Adelaide, SA, Australia
论文信息