精读 EmbodiedEvo：让编程 Agent 在一个 Playground 场景里「长经验」，冻住交给新场景——RoboDojo-Sim 37.82% 超全部官方已验证结果
EmbodiedEvo（Navers Lab / Einsia.AI / 清华，arXiv 2610.18867）精读：不是训练 VLA，而是让 coding agent（Astra/Sol/Luna）在单个 Playground 场景里边跑代码边沉淀可复用的 Skills（控制过程）与 Lessons（失败模式/恢复经验），把 harness 冻结后交给全新 Test agent，在未见过的布局上直接用。RoboDojo-Sim：平均 44.48 分 / 37.82% 成功率，超越当时全部官方已验证结果；Memory 类任务 71.90/69.67%（下一名 VPP2 仅 55.56% SR）。Astra 的经验还能迁给更弱的 Sol/Luna（+8.86 / +5.50 pp）。Skills/Lessons 相比原始交互历史，同等性能下 Test 阶段执行成本低 53%。逐张讲解全部 15 张插图，覆盖总览、方法框架、失败轨迹、能力演化、经验迁移与代码示例。