企业官网建设流程全解析

CVPR'26 Workshop征稿刚刚放出来，主题落在“多智能体具身智能的协同进化”上。圈里讨论热度很高，尤其是做机器人、视觉导航和大模型智能体的几拨人，都在把这个方向往自己的工作里靠。这篇博文我打算把这个Workshop的征稿主题拆开揉碎，讲清楚它在征什么、为什么是现在这个节点提出“协同进化”、哪些技术点会是被重点关注的，以及如果你真打算投一篇过去，整个流程里有哪些门道和坑。

先说结论：这不是一个简单的“多机器人合作”主题，而是把具身智能从“单智能体在真实世界里完成任务”推向“多个智能体在同一环境中共同演进”的范式升级。下面逐个拆。

1. Workshop在征什么：把“协同进化”这五个字拆开看

1.1 多智能体具身智能：从一个Agent到一群Agent

具身智能（Embodied AI）这个概念过去几年基本已经普及了。它强调的智能体不能只在数据里“活着”，必须有一个物理或物理仿真驱动的身体，通过视觉、触觉、本体感觉等感知通道，在真实或虚拟环境中行动、交互、学习。常见的“操作”“导航”“抓取”任务都属于这个范畴。

多智能体具身智能则更进一层：不是单个Agent在环境中孤独地摸索，而是多个Agent共享一个环境，各自有身体、有感知、有目标，同时它们之间还可能互相影响。举个最直观的例子：两个机器人一起搬一张长桌子，或者四个机器人协同把散落在地上的箱子堆叠到货架上。单智能体方案里，所有控制逻辑都围绕一个身体计算；多智能体方案里，每个机器人都有自己的局部观测，但全局任务必须靠彼此配合才能完成。

这里有个关键区别需要注意：多智能体不等于“把多个单智能体跑一遍”。很多早期工作会把多个机器人各自做规划，然后靠中央调度器协调，或者靠优先级避免碰撞。这类方案本质上还是“单智能体并行”，不是真正意义上的多智能体学习。Workshop征稿里所提的“协同进化”，恰恰是想把这个问题如果用传统办法能轻易解决的人群踢开，戳向更本质的难点：个体之间如何通过交互形成联合策略，而不是靠外部仲裁。

1.2 协同进化：比“合作”更诡异的一种关系

“协同进化”这个词借的是生物学里共同进化的概念。在生态系统中，捕食者与猎物、寄生者与宿主、传粉昆虫与植物之间会互相施加选择压力，导致双方在演化路径上互相塑造。多智能体具身智能里的“协同进化”，借用的是同一层意思：多个智能体在同一环境中互相竞争、合作，或者又竞争又合作，它们的策略演化不是孤立的，而是彼此当作环境的一部分共同演进。

举个很容易理解的情境：两个机器人需要在同一个房间里完成不同的清扫任务，但它们共用一片空间和少量充电桩。如果只考虑“合作”，两个机器人会排队充电、互不干扰；如果引入“竞争”，每个机器人会学习优先抢占资源；如果再加一层“协同进化”，它们的策略会反复调整——A学会了在B去充电的时候多做任务，B学会了提前占用离任务区更近的充电位，整个系统呈现出一种动态均衡。这个过程中，每个智能体的行为适应其他智能体的行为，没有固定裁判，也没有外部编排，这就是“协同进化”和普通多智能体协作的本质差异。

从学术角度看，这个主题天然适合用博弈论和演化策略去建模，但Workshop征稿把题目限定在“具身智能”里，意味着不能只做抽象的博弈理论，必须有感知、控制、物理约束这些实打实的东西参与进来。

1.3 为什么是现在的节点提出“协同进化”

一个Workshop主题的提出，通常不是拍脑袋，而是研究社区刚好卡在某个瓶颈期。近三到五年，单智能体具身智能已经积累了大量基础设施：仿真环境（如各类室内场景平台）、标准任务集、预训练视觉模型、大语言模型作为高层决策器等等。单个Agent做导航、抓取、操作，已经能跑出相当不错的效果。

但一旦放到真实复杂场景，问题立刻暴露：单智能体的能力上限锁死了任务复杂度。你让一个机器人去搬一张超出它负载能力的桌子，无论它多聪明都做不到；你让一个机器人去巡查一整栋楼的所有房间，时间成本和能量成本都难以接受。现实世界的任务天然需要多个身体协作。而恰恰在近一两年，多智能体强化学习、群体智能、协作感知这些配套工具开始成熟，大语言模型又能给多智能体提供高层意图沟通的通道，这才让“协同进化”从一个生物学隐喻变成可以落地实验的课题。

CVPR'26选择在这个节点切入，主要是因为视觉感知层已经足够支撑多个具身智能体共享环境中的复杂场景理解。早几年做多机器人协作，机器人很难准确识别“对方拿的是不是同一根杆子”“前方物体是否夹在两个身体之间”，现在基于视觉基础模型，这类联合感知问题已经能被算法逼近。它再往前走，就需要一套新的训练范式，这就是这个Workshop想聚集的东西。

2. 征稿方向与核心热点：哪些内容会是“正中靶心”的投稿

2.1 典型征稿方向

一般这类具身智能Workshop会列出四到六个征稿主题，综合最近几届同类型会议的热点，“协同进化”方向的论文大概率会落在下面这些区域：

• 多智能体协作感知与状态估计：多个Agent如何共享视觉感知、把各自观测融合成统一的场景理解；
• 协作操作与物体操控：两个及以上机器人协同完成负载、组装、堆叠等物理交互任务；
• 群体导航与场景探索：多个机器人在未知环境中协同建图、规划路径、避免拥堵；
• 竞争与合作的混合策略：部分任务带博弈性质，Agent之间既合作又竞争，如何收敛到稳定策略；
• 仿真与跨场景泛化：从虚拟环境训练到真实环境部署的多智能体迁移方法；
• 基于大模型的通信与意图共享：多智能体如何利用语言模型进行高层指令传递、分工协商；
• 协同进化评测与基准：提出新的任务集、指标、评测协议，用于公平衡量多智能体具身系统的能力。

如果你已经有单智能体具身智能方向的工作，把它扩展成“两个Agent以上共同完成同一任务”的版本，就是这个主题喜欢看到的。注意不只是加个数，得体现出智能体之间交互产生了单智能体方案无法涌现的行为。

2.2 技术亮点：环境、交互与涌现

从技术实现角度看，多智能体具身智能与单智能体的最大差异，体现在三个地方：

第一，联合观测与通信。单智能体只需要维护自己的状态估计；多智能体则要处理“别人眼中的世界可能和我不同”的问题。比如两个机器人协作搬运，A机器人的相机可能看不到B机器人手里的部位，但它能通过B传回的坐标或视频流来推算整体姿态。这里涌现出一个独立研究方向：在带宽受限于传感器噪声的环境下，如何设计Agent之间的通信策略。

第二，联合动作空间与物理约束。单智能体的动作空间是自己的关节和轮子；多智能体的联合动作空间是所有个体的动作，组合后还会受“不能同时占据同一空间”“合力不能超过物体承受范围”的约束。这个约束是具身领域独有的，抽象的多智能体学习很少考虑它。研究重点是设计多层控制结构，让高层做联合规划、低层做单个体执行。

第三，涌现行为的评测。协同进化最有意思的地方在于，好的策略往往不是设计出来的，而是“长”出来的。两个机器人搬运长物体时，可能会自己学会一前一后而不是并排走，因为并排走会在门框处卡住。这种策略没有人工编程，是从演化中涌现的。怎么定义和量化这种涌现，怎么防止涌现变成不可解释的暴力行为，都是可以写作论文的点。

2.3 为什么是CVPR而不是机器人顶会

很多人会问：多智能体协同进化这个主题，投机器人方向的会议不是更对口吗？这恰恰是这个Workshop值得关注的原因。选择挂在CVPR下面，说明它强调的不是机械本体、也不是底层控制律，而是“视觉驱动的具身协同”。

CVPR的受众更关注感知、表征学习、场景理解。多智能体具身智能的协同进化，在CVPR社区里真正吸引人的问题是：多个智能体如何在共享的视觉环境中学习到协同策略，如何用视觉特征去做Agent间的高效沟通，又如何利用大规模视觉预训练模型加速演化。这些问题的答案最终都会落到“视觉”这个CVPR的主轴上。

如果你在做一个纯控制方向的工作，没有视觉感知模块，那这个Workshop可能并不适合；但如果你的系统包含了“通过相机感知对方和共同目标物”的环节，那它就有CVPR的语境。

3. 投稿实操：从构思一篇“协同进化”论文到中稿的全流程

3.1 选题与定位：先把故事缩到“看得见的问题”上

Workshop投稿和主会议投稿最大的区别是：Workhop更强调问题的新颖性和实验的初步验证，不要求完整的大规模评测，但必须有一个清晰的“故事线”，让读者一眼看出你解决的是什么具体问题。

我建议把选题牢牢锁在一个场景上。比如“两个机器人协作穿过门洞搬运长条物体”，这个场景既有多智能体协作，又有物理约束，又有视觉感知，还有明确的评测指标（成功率、耗时、碰撞次数），是非常好的Workshop级问题。反过来，如果选题是“多智能体协同进化的统一框架”，这种题目太大，做不深也做不透，反而容易被拒。

一个实用的选题检查清单：你的问题是否必须由“多个”智能体完成？是否依赖视觉感知？智能体之间是否真的存在策略上的交互，而不是简单并行？三个问题只要有一个是否，主题就可能偏离。

3.2 方法设计的三种典型范式

当前做多智能体具身智能的方法，大致分成三个派系，你可以按自己的技术积累选：

第一种是集中式训练、分散式执行（CTDE）。这个范式来自多智能体强化学习，训练时有一个中心评判器，能用全局信息评估联合策略，部署时每个Agent只用局部观测做决策。它适合协同任务，因为在训练中可以引入全局奖励，告诉系统“你们俩搬桌子的成绩是算一个总数的”。

第二种是基于语言模型的高层协商。使用大语言模型作为“指挥官”，人类给出高层指令，LLM将任务拆解分发给多个Agent，Agent各自执行，遇到冲突时再把状态回传给LLM协调。这种范式的优势是任务泛化强，但实时性和低层物理控制脱节，需要结合底层控制模块。

第三种是个体演进加群体选择。借鉴演化策略和遗传算法思路，维护多个候选策略，用评估器给它们打分，保留高分策略并变异出新策略。好处是能发现超出人类设计直觉的合作模式，缺点是采样代价极大，通常只能在仿真里跑。不过仿真实验恰恰是Workshop能接受的体量。

这三种范式不互斥，你可以混合使用：LLM做任务分解，底层用CTDE策略做执行，再用演化的方式迭代奖励函数。混合思路反而更容易写出“协同进化”的味道。

3.3 实验设计与评测：仿真够了就要补现实，现实不够就补分析

Workshop论文的实验通常要求一个完整的验证链条，包括仿真实验和真实实验两部分。如果真实机器人条件不具备，至少要在仿真环境里做多场景泛化实验，并做Sim-to-Real的分析。

评测指标建议包含四个维度：

• 任务完成率：在规定的回合里成功完成协作任务的占比；
• 时间开销：完成同一个任务，多智能体方案比单智能体方案慢还是快；
• 资源冲突次数：两个Agent发生碰撞、抢占同一空间或同一物体的频次；
• 策略演化曲线：训练过程中，联合策略表现随演化代数/训练步数的变化曲线，这个指标最能体现“协同进化”的特征。

我只提醒一句：如果论文题目里有“协同进化”，但没有一张图展示策略随训练推进如何收敛、如何涌现，那审稿人大概率会觉得题目和内容不符。这类论文不需要“结果最好”，但需要一个能证明“演化的确发生”的曲线。

3.4 投稿流程与关键时间点

CVPR Workshop投稿一般是独立于主会议的双盲或单盲审稿，论文集中由Workshop组织方处理。时间节奏上，一般主会议接收通知在1月底到2月初，Workshop投稿窗口则通常在2月中旬开放，3月中旬截止，最后在6月左右和主会议同期举行。由于具体年份会有差异，动手前一定要先把Workshop的官方页面和投稿时间表确认清楚。

准备材料上，通常两样东西是标配：一份4-8页的论文手稿（不同Workshop对页数要求不同），以及一页左右的摘要或外联材料。部分Workshop还会开放“已发表于主会议或顶会的工作扩展讨论”通道，这时你可以提交一份一页说明，介绍你在相关方向更完整的工作，在Workshop上做口头交流。这对已经在做相关工作、但还没有足够时间重写一篇论文的人，是很友好的参与方式。

而且这类Workshop通常不会公开发表录用论文集之外的额外长文，很多只进入Poster或口头报告环节。这意味着你可以把一个“半成品”想法放上去试水，不会像投主会议那样高风险。

4. 常见问题与避坑指南：这些坑我替你先踩一遍

4.1 把“多智能体”做得像“多进程”

这是最常见的问题，没有之一。很多投稿看起来是多个Agent，实际上是一个中央大脑控制了多个身体。比如一段代码里，一个算法同时输出三个机器人的动作，只是把动作加上不同的偏移量。这种工作审稿人一眼就能看穿，它没有体现“协同进化”的核心——策略之间的双向适应。

如果训练过程中任何一个Agent的梯度都不依赖其他Agent的反馈，那你的系统只是一个批处理系统。要体现真正的协同，至少保证联合奖励函数、通信协议或者环境动力学中有跨Agent的耦合项。

4.2 忽略了感知的耦合

具身多智能体和抽象多智能体的重要分水岭是：具身系统里每个Agent的观测是不同的、受限的，而且视野、遮挡、噪声都会直接影响协作判断。如果论文里的Agent都假设能拿到完整状态，比如精确知道队友的位置和速度，那就失去了具身意义。

我之前合作过的一位研究者，一开始做的仿真实验里所有Agent都能互相知晓精确坐标，结果把策略迁移到带传感器噪声的真实机器人上，效果直接崩了一半。后来改成只能通过视觉图像估计队友位置，收敛出来的策略才在真实环境里站得住。所以在设计实验时，一定要让观测符合实际物理条件。

4.3 仿真平台选型不当

目前可用的多智能体具身仿真平台其实不少，但很多主攻单Agent环境的人不知道多Agent支持需要专门配置。我建议在做实验前先花一周时间验证工具链：你的环境能否同时实例化多个Agent？能否分别设置各自的相机？通信信道是否可编程？物理引擎能否正确处理多物体间的多体接触？

这里尤其要注意物理引擎参数。多人协作中的接触力经常是“推力叠加”，如果引擎没有正确配置，两个机器人推同一块板子时可能会出现穿透或高频抖动。这会让训练崩溃，而且问题很难从算法层面修复。

实测下来比较稳妥的组合是：用支持多机器人物理交互的仿真器做训练，配合自定义通信模块，再用轻量级渲染管线加速视觉观测。这套组合训练效率高，且能保证物理合理。

4.4 奖励设计要么太密要么太稀

多智能体协作任务的奖励设计是一门玄学。奖励太密，智能体会学到“单向依赖”的捷径，比如一个Agent完全不动作，等另一个Agent做完，两个Agent照样分到平均奖励；奖励太稀，整个系统长时间得不到正信号，策略探索效率极低。

常用的做法是给联合任务设置一个稀疏的高层奖励，再额外给每个Agent一个个体探索奖励，两者按比例混合。个体探索奖励要和协作目标解耦，否则Agent会过度自私，拒绝配合。我踩过一次坑：给个体加了“移动距离”奖励，结果两个Agent为了多走路，故意绕远路而不是直接协作，最后联合任务成功率反而下降了。

4.5 时间规划上对自己太乐观

我见过不少人把Workshop投稿当“随手一投”，结果半个月堆出一篇工作，最后连实验补充都没做得完。Workshop虽然门槛比主会议低，但审稿人依然期待你有一个完整的故事链：问题定义、方法描述、实验验证、不足分析。尤其和“协同进化”沾边的工作，实验里必须展示演化轨迹，这个额外成本很容易被低估。

一个合理的计划是：提前6周初稿建模，提前4周完成主体实验，提前3周补泛化分析和可视化，最后两周写完整论文。Workshop论文页面可能只剩两三天缓冲，时间不卡紧，后面肯定手忙脚乱。

5. 一些值得关注的扩展方向与个人体会

最后聊聊这个主题发散出去的空间，以及我在实际准备这类稿件期间的一些体会，希望对你有参考价值。

5.1 协同进化与大模型结合的机会

多智能体协同进化和大语言模型的交叉，是我个人认为最有想象力的方向。现在遇到的一个实在瓶颈是：低层协作运动策略训练成本极高，而语言模型重写高层规划又缺乏物理感知。未来几年很可能出现“语言模型制定协作规范，低层策略在规范约束下演化”的分层架构。如果你现在就开始收集这类数据，建立多智能体协作的语义-动作对齐基准，后发优势会很明显。

5.2 评估体系可能是“协同进化”的最大试金石

目前多智能体具身智能的评测体系还没有公认可复用的标准。大多数工作各自定义任务集和指标，互相之间没法公平比较。这在早期是可以理解的，但从社区发展的角度看，一个能统摄“多场景协作完成率、冲突率、策略多样度、演化效率”的在线评估基准会是很大的贡献。哪怕你只提出了一个评测协议并做了小规模初步验证，也能在Workshop上引起讨论。

5.3 我个人的一点心得

我自己的感受是：多智能体具身智能的协同进化，真正难的并不是算法本身，而是接受系统的行为不完全可控这一点。单智能体系统里，你还能勉强推断模型为什么这样决策；多智能体系统里，涌现出来的协作模式往往超越人类直觉，你要有勇气承认“它学会了一种我不一定想得出来的策略，但评测确实更好”。如果没有这层心态，你会忍不住给系统加太多规则约束，反而扼杀了协同进化的价值。

我在跑这类实验时发现，最有效的调试手段是录下Agent的决策过程回放，一笔一帧地看它们在关键冲突点做了什么。很多训练不稳定问题，看日志里的奖励曲线看不出来，一看回放就明白——比如某个Agent在队友背后反复推搡，其实是目标点分配有歧义。及时调奖励或调初始位置分布，比盲目改网络结构有效得多。

最后再分享一个小技巧：投稿之前，把你的论文题目和摘要拿给一个没做过具身智能但懂机器学习的朋友看，让他一句话复述你解决了什么问题。如果他说得出来且说对了，你的文章在“可读性”这关就及格了。多智能体协同进化这个主题很容易写得云山雾罩，能一句话讲清楚你干了什么，比什么都重要。