在物理世界中，编写代码的智能代理正在逐渐获得实际应用。通过机器人接口，这些代理能够观察环境，编写控制程序，并根据反馈调整他们的动作。即便没有针对特定任务进行微调，这些先进的编码代理在零样本情况下的成功率也已能够与在相似场景中进行训练的VLA和WAM系统相媲美。然而，零样本的优越表现仅仅是探索的起点。面对不熟悉的机器人，代理从“调用接口”到“能够稳定抓取物体”仍需在执行中不断学习和实验。这种探索过程会消耗任务的资源，而所积累的经验并不会自动传递给下一个代理。就像VLA模型需要大量的轨迹数据进行训练一样，“如果能够先给代理一些‘训练’的机会，再将累积的经验用作下一次执行的基础，那该多好呢？”Einsia AI旗下的Navers Lab团队因此提出了EmbodiedEvo：在每个任务中仅用一个Playground场景，让代理在交互中不断累积编程技能和学习经验。等探索结束后，这种经验将被保存下来供新的代理使用，使其能够在全新的场景中进行评估。代理无需更新模型的权重，就可带着已有经验出发，并继续根据现场反馈进行调整。在被誉为“具身智能领域的珠穆朗玛峰”的RoboDojo评测中，EmbodiedEvo以45.08的平均分和38.95%的成功率，超越了所有现有的VLA/WAM、代理及Agent+VLA的方法。

在EmbodiedEvo中，代理使用Python编写控制代码，具体操作是在一个工作区中执行的。代理会将控制代码提交给适配器执行，然后查看相机画面、机器人的状态以及执行反馈，从而决定下一步如何调整程序。代码可以分段提交，同一回合中仿真状态、变量和函数会持续保留。这套控制接口只有四个基本环境原语：get_instruction()：读取当前任务和目标；get_observation()：获取相机图像与机器人状态，但不推动仿真进展；step(action)：执行关节或末端位置及夹爪指令，并返回观察结果和完成信号；reset()：重置同一场景，仅供Playground探索使用，测试阶段禁用。底层控制器负责逆向运动学和动作插值，而代理则将这些原语组合成接近、对齐、夹取和抬升等操作流程。接口并不预先提供“抓取成功”这类高级技能，代理需要根据反馈来判断如何实现流程以及何时继续进行。

不同的控制范式之间的区别在于：谁生成动作、以及如何根据反馈进行调整。VLA方法由学习得到的策略生成机器人动作或动作序列；Agent+VLA则是由代理负责上层规划，而VLA生成具体动作；单轮LLM/VLM方法在图示的固定流程中一次输出结构化动作描述，随后由适配器进行转换执行；而Coding Agent则自主编写可执行程序，并在持续交互中检查结果、修改代码并继续执行。代码既是行动的载体，也是经验再利用的重要基础。通过一次探索验证过的操作，可以整理为带参数和检查条件的函数，在后续任务中重新调用。这使得代理在熟悉机器人的过程中，能够留下可复用的成果。

理解任务、掌握接口，并不意味着已经具备了可靠的操作能力。团队深入分析了Astra在Robodojo-sim上的执行轨迹，发现其在进行Tic-tac-toe任务时，虽然知道需要抓取，但尚未掌握有效的抓取方法。Astra进行了两次空抓，直到第367个动作才成功抓住圆环，而这已消耗了约三分之一的预算。最终这一回合未能完成任务。在Imitation sorting任务中，提前观察并后续执行是成功的必要前提。如果在示范臂未归位的情况下直接执行，必然会导致失败。Astra在示范进行中斜率开始移动，导致16个动作后以失败告终。Tic-tac-toe任务需要可靠的抓取流程，而Imitation sorting任务则要求明确的行动前提。因此，EmbodiedEvo设计了Playground阶段，让代理在持续的仿真会话中进行探索，并根据物理反馈整理出两种互补形式的经验。Skills表示“怎么做”的能力，例如对齐、抓取与抬升，接着检查物体是否仍在夹爪中；而Lessons则是关于“何时做、哪里容易失败”等经验的总结。