LabEvolver：无需训练的经验进化机制，湿实验耗时缩减48%！
LabEvolver: Training-Free Experience Evolution for Safe and Grounded Wet-Lab Agents
当前的自动化科学发现正在向“第五范式”迈进，即依赖自动驾驶实验室（Self-driving laboratories, SDLs）通过机器人实现高通量实验。然而，在这个看似前沿的领域中，存在一个极为底层的痛点：绝大多数湿实验智能体仍停留在“无记忆”的静态执行阶段。它们或者严格遵循预设的硬编码脚本，缺乏对科学目标的动态拆解能力；或者虽然接入了视觉-语言-动作（VLA）大模型，却因为缺乏物理约束和实践记忆，每次遇到相同的实验任务依然只能从零开始“盲目试错”。在真实的湿实验环境中，缺乏状态锚点的盲目动作生成往往意味着化学试剂倾洒、设备损坏等不可控的物理灾难。
ArXiv URL：https://arxiv.org/abs/2607.27690
为了打破这种“静态智能”的僵局，一项最新研究提出了 LabEvolver 框架。这是一种无需更新模型权重（Training-Free）的嵌套双循环架构，旨在让湿实验智能体从以往的执行中提取情景记忆，实现真正的“边做边学”（Learn-by-doing）。这种机制摒弃了完全端到端的动作生成迷信，将大模型的认知规划能力与严格的物理状态校验相结合。
最值得关注的是，实验结果证明了这一路线的巨大潜力：在真实的机器人溶液配制任务中，LabEvolver 将 pH 调节的完成时间缩减了 48.2%，同时将触发安全网关拦截的危险动作减少了 60.0%。而在 ALFWorld 模拟基准测试中，它更是在 500 个连续任务后，将 20 步内的累积成功率从 ReAct 的 76.2% 飙升至 91.4%。这些数据释放了一个清晰的信号：面向复杂物理世界的具身智能，其核心突破点不仅仅在于扩大模型参数，更在于如何构建一套能从试错中安全沉淀经验的进化型架构。
走出端到端迷思：为何真实的湿实验需要“状态锚点”？
在过去的一段时间里，具身人工智能领域存在一种将大语言模型直接映射到底层动作指令的趋势。虽然这种直接的视觉与语言到动作的转换在简单的抓取任务中表现不错，但将其生搬硬套到高风险、长周期的科学湿实验中，其局限性暴露无遗。
首先，端到端策略往往需要针对特定场景收集极其昂贵的试错数据，难以在不同的实验室设置之间泛化。其次，隐式生成的动作难以追溯，研究人员无法预测其在真实物理约束下会产生何种连锁反应。更致命的是，当前的具身系统普遍缺乏部署后的“练习循环”。当一个智能体在周一因为加酸过快导致 pH 值过冲后，到了周二面对同样的溶液，它依然会犯完全相同的错误。这种每次重启都等同于“冷启动”的模式，与人类科学家在实践中积累“手感”和经验的过程背道而驰。
LabEvolver 的核心设计哲学正是针对这一困境：智能体绝不能仅仅依赖端到端的隐式动作生成，而是需要在执行昂贵的物理试错之前，建立有边界的、“基于状态锚点”的规划机制。在确保每一次物理操作都绝对安全的前提下，将成功与失败的轨迹转化为可复用的知识。
为了将这一理念落地，LabEvolver 被精心设计为一个双层嵌套循环结构：内层试错循环（Inner Trial Loop）负责基于实时状态的安全执行与闭环感知；外层进化循环（Outer Evolution Loop）则在任务结束后，将历史轨迹蒸馏为技能、策略和安全层面的结构化经验。两者相互咬合，前者提供动态的操作边界，后者注入跨任务的经验先验。
内层试错循环：用三层安全网关守住物理底线
对于任何进入物理环境的具身智能体来说，安全不仅是加分项，而是生死线。LabEvolver 的内层循环放弃了直接将文本指令转化为机械臂扭矩的做法，而是引入了分层状态构建、状态条件规划以及实时安全校验三大机制。
在这个闭环中，环境反馈不再是无序的文本流。系统的“观察者”（Observer）模块会在每一步机器人动作执行后，将自由形式的环境反馈转化为结构化的实验室状态变量。在时间步 $t$ 时，系统维持着一个包含全局变量的动态状态 $s_t$。例如，在 pH 调节实验中，电子天平和水质计传回的反馈会被实时更新为烧杯的具体状态（如当前溶液质量和 pH 读数）。这种结构化的状态追踪，为后续的规划和安全检查提供了一个清晰、不可篡改的物理参考系。
在动作规划层面，“操作员”（Operator）模块通过三层动作接口，将高维度的推理落地为可执行的实验室技能。系统并没有让模型直接控制硬件细节，而是使用了预定义的技能模板。为了防止模型在长周期执行中出现幻觉和目标偏移，“监督者”（Supervisor）模块还会定期将累积的状态转换压缩成结构化的进度检查点，从而降低上下文饱和带来的负面影响。
更为关键的是“三层运行时安全网关”（Tri-layer Runtime Safety Gate）机制。由于大模型的灵活组合可能会产生违反物理常识的动作（例如在烧杯满载时继续注入液体，或在未清洗电极时将其插入另一种溶液），系统必须在执行前进行拦截。给定当前状态 $s_t$ 和提议动作 $a_t$，安全网关 $\Gamma$ 会在接口、程序和物理三个层级进行严密校验：
\[\Gamma(s_{t},a_{t})=\Gamma_{\mathrm{intf}}(s_{t},a_{t})\wedge\Gamma_{\mathrm{proc}}(s_{t},a_{t})\wedge\Gamma_{\mathrm{phys}}(s_{t},a_{t})\]只有当函数输出为 1 时，指令才会被下发给物理机械臂；一旦输出为 0，物理执行将被立即冻结，系统会生成一份结构化的异常日志，指出具体违反了哪一条物理或程序边界，强制操作员重新规划。这种事前拦截与事后状态更新的解耦，为湿实验自动化套上了一层可靠的防弹衣。
外层进化循环：如何让智能体学会“举一反三”？
如果内层循环确保了智能体能够安全地活在当下，那么外层循环则决定了它能否变得更聪明。这就是 LabEvolver 最具信息增量的创新点：状态匹配的经验提取与维护。
以往的记忆增强型智能体往往只是把历史交互按时间顺序堆砌成文本日志。这种做法在简单对话中尚可，但在动辄上百步的实验中，会导致检索极其低效。在 LabEvolver 中，“策略家”（Strategist）模块在每次试验结束后，会将原始轨迹和高层目标映射为一个结构化的经验元组 $e=(e_{\mathrm{skill}}, e_{\mathrm{strategy}}, e_{\mathrm{safety}})$。
这种拆分非常巧妙。技能层经验 $e_{\mathrm{skill}}$ 记录的是针对特定条件行之有效的底层控制参数（如倾倒液体的停顿预测时间）；策略层经验 $e_{\mathrm{strategy}}$ 捕捉的是可复用的程序性知识（例如，系统通过试错发现，当初始 pH 值为 7.74 时，第一步直接加入 8 克酸是最高效的探索步长）；而安全层经验 $e_{\mathrm{safety}}$ 则专门收集那些曾被安全网关拦截的失败诊断，形成一套试错得来的避坑指南。
这些提取出的经验会被合并到全局记忆库 $\mathcal{M}$ 中。为了防止长期运行导致的记忆库爆炸，LabEvolver 并不照单全收。它通过比对新老经验，主动合并冗余条目，并根据经验在后续成功试验中的复用情况进行“点赞”或“踩踏”。进一步地，系统借鉴了艾宾浩斯遗忘曲线机制，定期衰减那些长期未被使用的经验得分，当得分低于零时便将其彻底删除。在每次新的试验开始前，系统会根据当前目标和初始物理状态，精准检索出最相关的 Top-K 经验，使历史不仅成为存档，更能直接干预新任务的初始规划和中途重规划。
从模拟走向物理：双循环机制的多维度验证
研究团队在两个层面对 LabEvolver 进行了系统评估：先在 ALFWorld 环境中测试外层循环在长视野任务中的算法可扩展性，随后在真实的机器人湿实验平台上验证完整的双循环系统处理噪声和安全约束的能力。
在 ALFWorld 的长周期任务流测试中，LabEvolver 展现出了惊人的自我进化能力。在 500 个连续剧集中，它最终斩获了 91.4% 的累积成功率（Success@20）。相比之下，仅依赖大模型内部推理的 ReAct 只有 76.2%，而没有任何推理步骤的直接生成（Act）更是低至 72.6%。值得一提的是，一个名为 MemP 的基线方法虽然也采用了记忆机制（将轨迹程序化为工作流），但其记忆库在 500 轮后线性膨胀到了 1177 条，且成功率仍落后 LabEvolver 将近 4 个百分点。得益于添加、更新、点赞、踩踏以及遗忘机制，LabEvolver 将最终的有效记忆条目严格限制在了 281 条左右，完美规避了长期部署中的记忆灾难。
不仅如此，这种基于经验的进化对基座模型具有极强的普适性。从相对经济的 Qwen3.5-35B-A3B 到前沿的 Claude-Sonnet-4.6 以及 DeepSeek-V4-Pro，外层经验循环均带来了显著的成功率提升。对于参数较小的模型，历史经验有效弥补了其自身先验规划能力的不足，大幅降低了在试错中挽回错误所耗费的步数。
当场景切换到充满真实物理噪声的湿实验台，LabEvolver 更是展现了不可替代的价值。在要求极高的“定量倾倒”（Quantitative pouring）任务中，智能体需要学会将环境反馈转化为底层的 PID 控制参数。不同于传统需要人工针对每一种目标质量死磕参数的控制器，LabEvolver 通过 40 次自主探索，大幅降低了平均绝对误差（MAE），并在执行时间上缩减了 45.1%。更惊艳的是，这种学习到的技能具有出色的泛化能力。面对从水切换到不同粘度的蔗糖溶液甚至橄榄油，系统能够基于先验经验自主匹配最合适的控制参数。
在涉及宏观策略的 pH 值调节任务中，完全依赖大模型单次预测的基线方法全军覆没，说明大模型脑海中的化学常识无法直接跨越现实物理的鸿沟。而 LabEvolver 相比于同样具备闭环反馈机制的 ReAct，通过引入策略经验复用，将平均试剂添加次数从 5.67 次大幅缩减至 2.33 次，平均完成时间从 25.83 分钟腰斩至 13.37 分钟。在剥离了外层记忆的消融实验（Inner-only）中，安全网关平均被触发 6 次，而在 LabEvolver 完整版中，这一数字骤降至 0.67 次，充分说明前车之鉴极大减少了危险动作的尝试。
在最为复杂的 pH-EC（酸碱度与电导率）双目标解耦调节实验中，单一试剂的加入往往会对两个指标产生非线性和目标依赖性的耦合影响。研究发现，当仅使用单目标的过往经验时，系统仍需较多的探索步数；而一旦系统解锁了以往在双目标调节中积累的联合轨迹经验，整体添加动作直降近半，安全拦截彻底归零。这证明了 LabEvolver 并非在进行机械的线性搜索，而是真正复用了具有高度任务相关性的复杂规划逻辑。
总结：从静态工具向生长型科学家的跨越
LabEvolver 论文为自动化科学发现提供了一个极其务实的解法。在当前具身智能过分追求“用更大规模的模型直接预测一切”的狂热下，这项工作冷静地指出：在充满物理约束的湿实验场景中，与其期待大语言模型瞬间顿悟所有动态物理规律，不如搭建一个结构化的“认知-执行-反思”双循环框架。
通过内层的严密状态追踪与实时安全网关，系统为模型立下了绝对不可逾越的物理规矩；通过外层的结构化经验蒸馏与有限容量的记忆维持，系统打破了智能体的记忆断层，使其真正拥有了在实践中积累“手感”和“直觉”的能力。从减少近一半的耗时，到断崖式下降的安全干预次数，这套无需重新训练任何模型参数的架构，展示了一条通向全自动闭环科学发现的可行之路。
当然，该框架目前仍有其边界。它的底层依然依赖于人类预先设计的动作接口，对于完全超出预设技能模板的突发情况，或者未被定义过的新型失效模式，系统仍需进一步的泛化能力拓展。但不可否认的是，LabEvolver 已经成功地将湿实验智能体从冷冰冰的静态自动化工具，推向了具备“成长性”的具身科研助手的新高度。随着这些长期物理交互经验的不断沉淀，它们必将成为驱动下一代科学领域世界模型的最宝贵数据燃料。