清华与蚂蚁数科新突破：BodyGen 助力机器人性能显著提升

近年来，具身智能成为 AI 领域的焦点，从春晚的机器人表演到政府工作报告，再到英伟达黄仁勋的多次推荐，其热度持续攀升。清华大学与蚂蚁数科的研究团队在 ICLR2025 发表的论文中提出了 BodyGen 算法框架，结合强化学习与深度神经网络技术，使机器人能够快速自动演化出适应环境的最优形态及控制策略，实测性能提升 60%，且代码已在 GitHub 开源。

传统机器人设计面临诸多挑战，如依赖大量专家知识、针对特定环境需反复实验迭代，以及形态控制协同设计技术中存在的形体搜索空间巨大、形态与控制策略深度耦合等问题。BodyGen 框架通过形态设计和环境交互两个阶段，有效解决了这些难题。在形态设计阶段，利用 Transformer（GPT-Style）自回归构建和优化机器人形体结构参数；环境交互阶段，则借助 Transformer（Bert-Style）处理关节信息，实现与环境的交互反馈。

BodyGen 拥有三大核心技术。形体结构位置编码器 TopoPE 如同机器人的 “身体感知” 系统，帮助 AI 快速适应形态变化；基于 Transformer 的 MoSAT 像 “大脑中枢”，负责信息处理和指令发送；特殊的奖励分配机制，让 AI 合理评估设计决策。

在爬行、游泳等 10 种不同任务环境测试中，BodyGen 生成的机器人形态适应性评分比现有最优方法高出 60.03%。而且，它参数量仅 1.43M，更加轻量级，在资源受限环境下优势显著。未来，研究团队将推动其在实际场景中的应用，BodyGen 有望成为通用具身智能发展的关键助力。