当在灾难搜救废墟时，它是一条机器狗的便于奔走的形态；当在家庭服务场景，它是一个人形的便于端茶倒水的形态...... 就像变形金刚玩具一样，它可以变为一个人形，也可以变为一辆汽车。当然，上述机器人场景还只是一个想象，但这很有可能依赖具身协同设计技术真的在有一天照进现实。

近日，清华大学王昱兴博士和所在团队在一篇综述论文中，阐述了一个名为具身协同设计的新概念。

这项研究指出：未来的机器人设计将不再依赖于工程师手动绘制每一个零件和编写每一行控制代码，而是通过计算机模拟，让机器人的物理身体与控制大脑可以像自然界的生命一样协同优化，自动生长出最适合完成特定任务的形态与能力，从而能为机器世界注入生命法则，助力开启自动化设计的新阶段。

图 | 王昱兴（来源：王昱兴）
打开网易新闻 查看精彩图片
图 | 王昱兴（来源：王昱兴）

王昱兴告诉 DeeTech：“这篇综述论文首次明确定义了具身协同设计（Embodied Co-Design）这一研究问题，并系统性地梳理了该领域的理论基础、方法框架与应用进展。其中最重要的贡献之一，就是我们提出的双层分类体系。这个体系能够作为一种沟通与协作的框架，刺激并鼓励来自人工智能、机器人、材料学等不同领域的学者开展相互合作。”

总的来说，这篇综述论文系统性地回顾了具身协同设计的理论基础。总结并提出了三个互补的建模视角：基于双层优化理论、序列决策理论（如马尔可夫决策过程）以及基于模型的优化理论的视角，通过这些视角对具身协同设计问题进行了形式化的定义与建模。

基于这个建模基础，其提出了一个两层的分类体系（Taxonomy）。底层聚焦于具身协同设计的三个基本要素：控制策略（大脑）、身体形态和任务环境。

研究团队详细分类了它们各自的设计空间与表征方法，这三者构成了智能体设计的基石。在这个基础之上，其将现有的方法归纳为四种主要的协同设计框架：双层协同设计、单层协同设计、生成式协同设计以及开放式协同设计。

（来源：https://arxiv.org/abs/2512.04770）
打开网易新闻 查看精彩图片
（来源：https://arxiv.org/abs/2512.04770）

这个分类体系就像一张概念地图，旨在鼓励不同领域的研究者（例如，专攻控制策略优化的强化学习专家和专攻形态学优化的材料学专家）发现合作接口，建立跨学科协作。

来自大自然的启示：为何章鱼如此灵活？

我们对于章鱼并不陌生：它没有坚硬的骨骼，却能够穿过极其狭小的缝隙；它的八条腕足既可以柔软地缠绕，又能瞬间变得坚硬以便能够抓取猎物。

这种惊人的能力并非仅仅来自于它复杂的大脑，更源于其独特的身体结构，这种结构其实是一种高度可变、感知与动作一体化的活体材料。

在自然界中，动物的身体形态比如翅膀的形状、腿部的长度、躯干的柔韧性与其神经系统是在数百万年间共同演化的，两者互相匹配才可以实现高效和节能的行为。

传统的机器人设计在这两方面往往是割裂的：先由人类工程师固定机器人的机械结构，比如设计成为双足或者四轮，再去开发控制软件驱动它。这就像先造好一辆形状固定的汽车再去训练司机。如果汽车本身设计不佳，即使是最好的司机也难以驾驭。

（来源：https://arxiv.org/abs/2512.04770）
打开网易新闻 查看精彩图片
（来源：https://arxiv.org/abs/2512.04770）

本次团队在综述论文中强调：具身协同设计的核心突破在于，它将机器人的形态设计和控制策略视为一个需要联合优化的整体。计算机扮演着虚拟造物主的角色，在数字世界中同时探索成千上万种不同的身体构型和相应的大脑算法，通过模拟生存竞争，自动筛选出表现最优的身体-大脑配对，并让它们不断迭代和该减。

机器人如何在电脑里进化？

研究团队在本次综述论文中梳理了实现这种协同设计的几种主要技术路径，它们各具特色就像是不同的进化策略：

第一种策略是分层进化，也就是先学习走路再学习变形。

（来源：https://arxiv.org/abs/2512.04770）
打开网易新闻 查看精彩图片
（来源：https://arxiv.org/abs/2512.04770）

首先，算法随机生成一批形态各异的机器人胚胎。对于每一个独特的个体，都会专门训练一个为其量身定制的控制程序，通过强化学习也就是反复试错教会这个特定形态的机器人学会走路。随后，所有机器人将参加一场虚拟比赛，以此来比拼速度、稳定性和能效。

优胜者的身体设计基因比如肢体长度和关节数量等会被保留、混合和微调，从而产生新一代的机器人身体。接着，针对这些新身体又需要重新训练新的大脑，如此循环往复直到进化出来卓越的性能。这种方法虽然稳健，但是计算量比较大。

第二种策略是同步进化，也就是一边成长一边学习。

（来源：https://arxiv.org/abs/2512.04770）
打开网易新闻 查看精彩图片
（来源：https://arxiv.org/abs/2512.04770）

这种方法更加一体化。它把描述身体形态的参数也当做可以实时调整的学习变量。机器人在学习如何完成任务的同时，其身体结构也在微调以便适应控制需求。这种方法效率更高，但是对于算法的要求也更加精密。

第三种策略是生成式进化，也就是让 AI 来当创意提供者。

（来源：https://arxiv.org/abs/2512.04770）
打开网易新闻 查看精彩图片
（来源：https://arxiv.org/abs/2512.04770）

随着大模型和视觉模型的兴起，人们开始让这些拥有海量知识的 AI 参与设计。这让我们可以使用自然语言向 AI 描述需求，比如“设计一个能够穿越泥泞沼泽的探测机器人”。AI 会基于其对于物理世界和生物形态的理解，生成一系列初始设计方案。然后，再将这些方案进入仿真环境进行测试和优化。AI 的加入极大拓展了设计的想象空间，能够提出许多人类工程师未曾想到的、却可能机器高效的形态。

第四种策略是开放式进化，这是最具野心的愿景。

（来源：https://arxiv.org/abs/2512.04770）
打开网易新闻 查看精彩图片
（来源：https://arxiv.org/abs/2512.04770）

在这种模式之下，设计目标不再是完成某个固定任务，而是追求持续的能力增长和创新涌现。机器人所处的任务环境也会和机器人的身体和大脑同步进化。随着环境变得越来越复杂，也会不断逼迫机器人进化出来更加强大的形态和策略来应对。

具身协同设计正在改变什么？

总的来说，本次综述论文不仅总结了相关方法，也展示了众多从虚拟仿真走向物理现实的案例。

（来源：https://arxiv.org/abs/2512.04770）
打开网易新闻 查看精彩图片
（来源：https://arxiv.org/abs/2512.04770）

以特种移动机器人为例，通过协同设计进化出来的步行机器人，在模拟的复杂地形中表现出了超越传统固定形态机器人的稳健性和适应性，为野外探测和星球探索提供了新方案。

以软体机器人为例，具身协同设计技术非常擅长设计由硅胶等柔软材料构成的机器人。比如，已有研究团队研发出来能够像尺蠖一样蠕动前进的软体机器人，未来可能正在医疗内窥和灾难废墟搜救中发挥独特作用。

以模块化自重构机器人为例，这类机器人由许多标准化模块组成，能够像智能积木一样根据任务自动组合和变形。通过协同设计它们能够进化出来最适合当前任务的临时形态，在任务结束之后又可以拆解重组，实现一机万用。

从到为特殊作业定制的机械手，到能够优化气动外形的高效无人机，再到未来可能进入家庭的个性化辅助机器人，协同设计正在展现出广阔的应用前景。通过创造“一台可以设计其他机器的机器”，让机器人学会设计自己，将能塑造一个其思考和行动相互匹配的物理存在形式。

参考资料：

Github：https://github.com/Yuxing-Wang-THU/SurveyBrainBody

相关论文：https://arxiv.org/abs/2512.04770

相关博客：https://dailyneuron.com/embodied-co-design-robot-evolution/

Youtube: https://www.youtube.com/watch?v=NIUuSdyK-NY

运营/排版：何晨龙