EmboCoach-Bench：开发实体机器人的人工智能代理基准测试

具身AI领域正经历向通用机器人系统的快速演进，其推动力是高保真仿真与大规模数据收集。然而，这种扩展能力仍然严重受制于劳动密集型的人工监督，从复杂的奖励塑形到跨异构后端的超参数调优。受LLM在软件自动化与科学发现中成功的启发，我们提出EmboCoach-Bench，一个评估LLM智能体自主工程化具身策略能力的基准。该基准涵盖32个专家精选的RL与IL任务，以可执行代码作为通用接口。我们超越静态生成，评估一个动态闭环工作流：智能体利用环境反馈迭代地起草、调试和优化方案，涵盖从物理先验的奖励设计到扩散策略等策略架构的改进。大量评估带来三点关键发现：(1)自主智能体在平均成功率上可定性超过人工工程基线26.5%；(2)带环境反馈的agentic工作流有效强化策略开发，并显著缩小开源与专有模型之间的性能差距；(3)智能体对病态工程案例展现自我纠错能力，通过迭代仿真在环调试将接近全失败的任务性能成功挽救。最终，这项工作为自演化具身智能奠定基础，加速具身AI领域从劳动密集型人工调优向可扩展自主工程的范式转变。