EmbodiedClaw：用于具体人工智能开发的对话式工作流程执行

实体人工智能研究正日益超越单任务、单环境的政策学习，转向多任务、多场景和多模型设置。这种转变大大增加了评估环境构建、轨迹收集、模型训练 和评估等阶段所需的工程开销和开发时间。为了应对这一挑战，我们提出了一种新的嵌入式人工智能开发范例，用户通过对话表达目标和约束，系统自动规划和执行开发工作流程。我们用 EmbodiedClaw 实例化了这一范式，它是一个会话代理，可将高频、高成本的具体研究活动（包括环境创建和修订、基准转换、轨迹综合、模型评估和资产扩展）转化为可执行技能。对端到端工作流程任务、特定功能评估、人类研究人员研究和消融的实验表明，EmbodiedClaw 减少了手动工程工作量，同时提高了可执行性、一致性和可重复性。这些结果表明，实体人工智能开发从手动工具链转向对话式可执行工作流程。