2026 年 9 月，哈佛大学工程与应用科学学院与佐治亚理工学院联合推出 RLE-Bench（Robot Learning Engineer Benchmark）。这个项目试图回答一个很有意思的问题：今天已经相当擅长编程的 AI Coding Agent，能不能进一步成为“机器人工程师”？ 9 月 17 日，哈佛大学正式介绍了这一研究。(哈佛工程与应用科学学院)
过去两年，Coding Agent 的能力快速提升。AI 已经可以阅读大型代码库、修改程序、运行测试，根据报错不断迭代。但绝大多数测试仍发生在纯数字环境里：程序只要能够编译、测试通过，任务往往就算完成。
机器人却完全不同。代码即使没有错误，机器人也可能撞到障碍物、抓取失败，甚至因为结构设计不稳定而倾倒。因此，真正的机器人研发不仅需要编程，还涉及感知、控制、动力学、机械设计、强化学习以及软硬件协同。RLE-Bench 正是把 Coding Agent 从“电脑里的软件工程师”推进到这样一个更接近真实工程的问题空间。(RLE-Bench)
RLE-Bench 可以理解为一套针对 AI 机器人工程师的资格考试。目前包含 48 个具体任务，归入 9 个任务族，并覆盖四大工程方向：交互控制、策略开发、感知与状态估计、机械设计。(RLE-Bench)
例如在交互控制中，AI 要观察机器人和环境，通过视觉等反馈控制机械臂完成厨房操作；在策略开发中，AI 不只是调用现成模型，而要真正训练机器人的运动控制策略，包括人形机器人全身运动跟踪以及视觉—语言—动作模型；在感知任务中，AI 需要根据存在遮挡和噪声的传感器信息判断物体的位置、方向，并控制机器人清理杂乱料箱。(RLE-Bench)
更值得注意的是，RLE-Bench 还加入了传统 AI Benchmark 很少涉及的机械设计。
其中一个任务要求 AI 为 Panda、UR5e 和 xArm7 等不同机械臂设计通用移动底座。它不仅要考虑机械臂能否够到货架，还要考虑底座尺寸、重量、载荷、材料消耗以及静态和动态稳定性。另一个任务则要求 AI 为 GELLO 遥操作机械臂设计重力补偿机构，同时配套控制和校准程序。(RLE-Bench)
这也暴露出了当前 AI 的一个典型问题：“看起来设计正确”，不等于“物理上真的可行”。
研究团队展示的案例非常直观。某个 AI 设计的移动机器人底座能够让机械臂成功够到货架，而且载荷指标也满足要求，但在稳定性测试中机器人却发生倾覆。另一个设计甚至出现了机械框架部件没有真正连接的问题。也就是说，AI 很容易优化显性的任务目标，却遗漏重心、力矩、惯性、结构连接和动态稳定性等相互耦合的物理约束。(RLE-Bench)
RLE-Bench 的另一个重要特点，是它并不是“一次生成答案”。AI 可以像真正的工程师一样经历：
设计 → 执行 → 观察 → 修改 → 再测试。
Agent 可以编写代码、运行仿真、观察视觉结果，发现碰撞或者失败后修改方案，再重新实验。因此它实际考察的是一个完整的工程闭环，而不仅仅是“大模型会不会写机器人代码”。最后，系统还会在 AI 事先不知道的场景、随机种子、机器人结构或物理条件下进行隐藏测试，以避免 Agent 只是针对公开测试环境进行调参。(RLE-Bench)
需要强调的是，目前 RLE-Bench 主要运行在仿真环境中。它所强调的“物理世界”，更多是通过机器人仿真器和严格的物理约束来实现，而不是让 AI 直接在真实实验室里自主制造机器人。不过，这种设计非常适合作为现实机器人研发之前的标准化测试平台，因为真实机器人实验昂贵、速度慢，而且可能产生设备损坏和安全风险。(哈佛工程与应用科学学院)
从目前公布的结果看，AI 在机器人领域的能力并不均衡：视觉感知和环境理解已经出现明显进步，部分 Agent 在机器人策略训练方面也能进行多轮实验和优化，但机械设计以及对复杂物理后果的预判仍是明显短板。 这说明 Coding Agent 正在逐渐跨越“软件世界”的边界，但距离真正独立完成机器人系统工程，还有不小距离。(RLE-Bench)
RLE-Bench 的意义可能并不在于证明“AI 已经能够取代机器人工程师”，而在于给出了一个新的评测方向。过去 AI Agent 的典型工作环境是代码库、浏览器和办公软件；未来，评价一个更强的 Agent，也许要看它能否理解传感器、机器人、控制器、机械结构以及真实世界的物理规律。
换句话说，下一阶段的 Coding Agent 竞争，可能不只是“谁更会写代码”，而是：
谁能够把代码真正变成一个可以在物理世界中工作的系统。
这也是 RLE-Bench 最值得关注的地方——它正在把 AI Agent、机器人学习和 Physical AI 三条技术路线逐渐连接起来。
哈佛大学：Can Your AI Engineer a Robot?
RLE-Bench 官方网站