AI 代理能否無需訓練數據編程工業機器人？Berkeley 說可以

加州大學伯克利分校（UC Berkeley）與輝達（NVIDIA）發布了開源工具，目的是透過一組 AI 編碼代理（AI coding agents）來撰寫、模擬並優化可讀的機器人程式。 這項新研究展示了代理式 AI 編程工具可能改變工業機器人的編碼與維護方式。 該團隊於本週在德克薩斯州奧斯汀舉行的 CoRL 2026 會議上展示了這一概念。

UC Berkeley 的 William S. Floyd Jr. 工程傑出講座教授 Ken Goldberg 表示，代理式機器人技術（Agentic robotics）是機器人編程方式的根本性轉變。 他解釋道，與收集大量數據並手動調整每種行為不同，代理團隊可以快速生成、測試並優化機器人程式，使人類工程師能夠解釋程式運作方式，從而進行微調和驗證。 代理式機器人技術的運作模式為一個循環：代理撰寫機器人程式碼，在模擬中測試，查看失敗之處，然後進行修訂。

在技術實現上，研究團隊採用了圖策略（Graph-as-Policy, GaP）這一模組化框架。 GaP 將任務分解為感知、抓取規劃、無碰撞運動等技能，代理在模擬中生成、連接並排練這些技能。 為了評估這些技術，UC Berkeley 與 NVIDIA Isaac Lab-Arena 開源策略評估框架及 Newton 物理引擎共同開發了 VABAR（Variational Automation Benchmark for Agentic Robotics）基準測試套件。 VABAR 包含六項任務：工具分類、工具掛鉤、齒輪嚙合、注射器包裝、電纜插入和電纜佈線。 該基準測試建立在 Isaac Lab-Arena 和 Newton 之上，並具有標準化的變異和難度層級。

Newton 物理引擎是 UC Berkeley 選擇的開源物理引擎，雖然功能強大，但暴露了數百個參數，這使得許多開發者卻步。 Goldberg 指出，Newton 非常複雜，擁有數百個參數。 他補充說，一般來說，人們並沒有大量使用它，因為它太複雜了，擁有太多的旋鈕和開關。

為了解決這一問題，Goldberg 的研究生 Eric Chen 為 Newton 構建了一個名為 RoboSimStudio 的新介面。 RoboSimStudio 基本上是一個介面，讓使用者在螢幕右側擁有滑桿，左側擁有視覺化器。 這使得使用者能夠比之前更容易地調整所有這些參數。 Goldberg 表示，Chen 構建該介面主要是為了讓自己更容易進行模擬。 RoboSimStudio 使這些參數變得可控，將模擬器從瓶頸轉變為 AI 代理可以自行調整的工具。

在實際應用測試中，Chen 將 GPT-6 Astra 與 RoboSimStudio 工具結合，測試其是否能生成不僅是圖形模型，還有場景的完整 3D 模擬。 Goldberg 表示，當一個新的前沿模型在 9 月初推出時，他們將該工具和一段影片提供給模型。 經過大約一小時的迭代試錯，該模型生成了一個與影片極為相似的 Newton 模擬。 Goldberg 稱 Newton 模擬「真的很棒」，但問題在於其複雜性。

Goldberg 同時也是 Ambi Robotics 的顧問。 Jeff Mahler 表示，代理式機器人技術將生產數據轉換為機器人行為更新，在讓工程師保持控制權的同時，提高了美國車隊的吞吐量。