近年来，具身智能热度飙升，从春晚机器人精彩表演，到被写入政府工作报告，再到英伟达黄仁勋多次力推，它已成为AI领域的焦点。具身智能旨在让机器人像人类一样，在真实世界中精准感知、灵活应对。
清华大学与蚂蚁数科的研究团队带来重大突破，他们在ICLR2025发表的论文中提出BodyGen算法框架。这一框架结合强化学习与深度神经网络技术，能让机器人短时间内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难题，如依赖大量专家知识、针对特定环境需反复实验迭代，而形态控制协同设计技术又存在形体搜索空间巨大、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，有效化解这些难题。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，在资源受限环境优势显著。未来，研究团队将推动其在实际场景应用，BodyGen有望成为通用具身智能发展的关键助力。
地址:https://github.com/GenesisOrigin/BodyGen
