编码代理刚刚打赢了人手写的机器人规划器

98,000 个评测回合。一篇不太声张的论文背后压着这么多测试，而它的结论应该让所有花了半辈子手工调机器人规划器的人坐不住。Coding Agents for Generalized Task and Motion Planning Problems（arXiv 2609.30233）问的是：Claude Code 和 Codex 能不能取代广义任务与运动规划（TAMP）通常需要的那堆专门工程？答案是能，而且赢得不算险。

实验设计很干净。每个代理拿到任务描述和模拟器访问权，一个固定的合成预算，要写出一段程序。然后程序冻结，放到 100 个没见过的实例上跑，物体数量比原始基准用过的都多。测了三种配置：Opus 5 驱动的 Claude Code，GPT-5.6 Sol 驱动的 Codex，GPT-6 Astra 驱动的 Codex。环境取自 KinDER 和 PDDLStream，共 28 个，生成了 980 段程序。

在有人工规划器可比的 16 个环境里，代理的平均成功率是 56% 到 95%，规划器是 47%。它们也打赢了一次性生成代码和一个基于大模型的广义规划基线。物体越多，代理写的程序越能守住成功率，每个实例用的算力平均还少一个数量级。

日志才是最有意思的部分。代理用模拟器的方式和好工程师一模一样：戳一戳它来校准物理模型，测边界情况，在定稿之前修正策略。这正是一次性生成代码和代理之间的区别。给它一个能交互的环境和一份预算，它会先建立自己的理解，再写真正交付的东西。

该带走的是更大的那层意思。机器人真正贵的从来不是机器人本身，而是从任务到可用方案之间那几个月的定制工程。如果一个通用编码代理加上模拟器和预算，就能在多数环境里跨过这道坎，那规划器就成了生成出来的东西，而不是搭出来的东西。全部代码和给代理的完整提示词都已公开，想验证很容易。