AgentGarten是MirroS推出的一套研究框架，用于构建可互动的智能体练习环境：可执行代码决定世界如何运转，神经渲染器则生成AI智能体看到的画面。据QbitAI于2026年10月9日报道，项目代码、技术报告和项目主页已公开。它目前展示的是智能体练习环境的研究方向，并非已经部署的机器人产品。17

规则由代码决定，画面由模型生成

在AgentGarten中，模拟器或游戏引擎负责维护世界状态，并执行代码中定义的规则，例如物理运动、物体交互和游戏结果。渲染器则读取结构化的几何条件——比如智能体摄像机视角下的深度或表面法线信息——生成视觉观察。这样设计的目标，是把明确的世界规则与可生成的视觉外观分开处理。15

这与让视频生成模型同时“想象”场景和物理行为不同。采用共享渲染器，也有望减少为每个新场景单独制作大量精细视觉素材的需要。不过，这是一种架构上的设计目标，并不代表搭建环境的成本已经全部消失。15

短视频片段让智能体边看边行动

AgentGarten不是一次生成一段固定长度的完整视频，而是连续生成较短的视频片段。智能体可以先采取行动，再接收新的视觉反馈，并据此决定下一步。渲染器会结合几何条件与此前的画面历史生成输出，让视觉观察跟随模拟世界的变化。1723

Adversarial Forcing训练的是渲染器

Adversarial Forcing是一种渲染器训练方法，不是智能体撰写策略手册的流程。它将自回归视频模型蒸馏成只需较少步骤即可生成画面的渲染器。借助精确重放，后续视频片段的损失可以反向更新模型对先前生成历史的编码方式；训练中还使用基于真实视频的判别器，以改善较长生成过程中的视觉质量。823

MirroS将这些技术描述为应对长时间生成中画面退化问题的方法，包括画面漂移和网格状伪影。但这些方法不会改变模拟器的规则，也不能保证每一段生成画面都准确。23

“实时”数据指的是什么？

MirroS报告称，在单张GPU上以480p分辨率运行时，渲染器的处理速度超过每秒30帧，使用了定制Triton内核、CUDA图和轻量级解码器。这个数字指的是渲染器的速度，不代表包括推理在内的完整智能体每秒能作出30多个决策。823

智能体把经验写进策略手册

智能体通过渲染出的第一人称画面观察环境，并用简短的Python程序执行动作。每轮结束后，它们会把经验整理成文本策略手册，供后续轮次中的智能体继承。因此，这套实验依赖的是预训练智能体在练习中积累经验和指导，而不是从零开始进行强化学习。18

在捉迷藏演示中，MirroS报告称，躲藏方到第4轮学会搭建掩体，搜寻方到第10轮学会借助坡道爬墙。团队将这些结果与一项2019年的研究作对比：该研究中，搭建掩体约在2500万轮训练后出现，使用坡道则约在累计1亿轮后出现。两者属于不同学习设置下的示例对照，不能视为严格控制条件下、样本效率完全可比的实验。110

其他报告的四轮演示包括：陪伴犬互动得分从13升至19；两辆车通过单车道桥梁的用时从71秒降至41秒；两只狗从围住3只羊进步到围住全部4只；采石场装载任务则提前31秒完成。这些例子说明了所展示任务中的结果，但不能据此证明系统在演示之外也有广泛可靠性。810

这项研究说明了什么，又没有说明什么

AgentGarten的核心思路，是把可编辑的世界规则、生成式视觉观察，以及可传递的智能体经验组合起来。这样的结构有助于研究智能体如何在具有物理特征的互动环境中行动和改进。现有结果是有代表性的研究演示，但尚不能证明学到的行为能迁移到真实机器人，也不能说明AgentGarten已适合部署到现实世界。18

AgentGarten是MirroS推出的一套研究框架，用于构建可互动的智能体练习环境：可执行代码决定世界如何运转，神经渲染器则生成AI智能体看到的画面。据QbitAI于2026年10月9日报道，项目代码、技术报告和项目主页已公开。它目前展示的是智能体练习环境的研究方向，并非已经部署的机器人产品。17

规则由代码决定，画面由模型生成

在AgentGarten中，模拟器或游戏引擎负责维护世界状态，并执行代码中定义的规则，例如物理运动、物体交互和游戏结果。渲染器则读取结构化的几何条件——比如智能体摄像机视角下的深度或表面法线信息——生成视觉观察。这样设计的目标，是把明确的世界规则与可生成的视觉外观分开处理。15

这与让视频生成模型同时“想象”场景和物理行为不同。采用共享渲染器，也有望减少为每个新场景单独制作大量精细视觉素材的需要。不过，这是一种架构上的设计目标，并不代表搭建环境的成本已经全部消失。15

短视频片段让智能体边看边行动

AgentGarten不是一次生成一段固定长度的完整视频，而是连续生成较短的视频片段。智能体可以先采取行动，再接收新的视觉反馈，并据此决定下一步。渲染器会结合几何条件与此前的画面历史生成输出，让视觉观察跟随模拟世界的变化。1723

Adversarial Forcing训练的是渲染器

Adversarial Forcing是一种渲染器训练方法，不是智能体撰写策略手册的流程。它将自回归视频模型蒸馏成只需较少步骤即可生成画面的渲染器。借助精确重放，后续视频片段的损失可以反向更新模型对先前生成历史的编码方式；训练中还使用基于真实视频的判别器，以改善较长生成过程中的视觉质量。823

MirroS将这些技术描述为应对长时间生成中画面退化问题的方法，包括画面漂移和网格状伪影。但这些方法不会改变模拟器的规则，也不能保证每一段生成画面都准确。23

“实时”数据指的是什么？

MirroS报告称，在单张GPU上以480p分辨率运行时，渲染器的处理速度超过每秒30帧，使用了定制Triton内核、CUDA图和轻量级解码器。这个数字指的是渲染器的速度，不代表包括推理在内的完整智能体每秒能作出30多个决策。823

智能体把经验写进策略手册

智能体通过渲染出的第一人称画面观察环境，并用简短的Python程序执行动作。每轮结束后，它们会把经验整理成文本策略手册，供后续轮次中的智能体继承。因此，这套实验依赖的是预训练智能体在练习中积累经验和指导，而不是从零开始进行强化学习。18

在捉迷藏演示中，MirroS报告称，躲藏方到第4轮学会搭建掩体，搜寻方到第10轮学会借助坡道爬墙。团队将这些结果与一项2019年的研究作对比：该研究中，搭建掩体约在2500万轮训练后出现，使用坡道则约在累计1亿轮后出现。两者属于不同学习设置下的示例对照，不能视为严格控制条件下、样本效率完全可比的实验。110

其他报告的四轮演示包括：陪伴犬互动得分从13升至19；两辆车通过单车道桥梁的用时从71秒降至41秒；两只狗从围住3只羊进步到围住全部4只；采石场装载任务则提前31秒完成。这些例子说明了所展示任务中的结果，但不能据此证明系统在演示之外也有广泛可靠性。810

这项研究说明了什么，又没有说明什么

AgentGarten的核心思路，是把可编辑的世界规则、生成式视觉观察，以及可传递的智能体经验组合起来。这样的结构有助于研究智能体如何在具有物理特征的互动环境中行动和改进。现有结果是有代表性的研究演示，但尚不能证明学到的行为能迁移到真实机器人，也不能说明AgentGarten已适合部署到现实世界。18