一篇新發表於 arXiv 的機器人學研究論文提出了“程序級對抗性協同自適應自我博弈”框架，試圖利用編碼智能體自動改寫機器人軟件程序，從而在攻擊與防禦的持續對抗中觀察軟件層面的適應過程。該論文編號為 arXiv:2610.36143v1，作者為 Leo Benaharon 等共五位研究者，提交時間為 2026 年 10 月 26 日，屬於機器人學（cs.RO）分類，全文共 8 頁、包含 5 幅圖。
研究團隊關注的核心問題是：編碼智能體能夠通過修改可執行程序來調整機器人軟件，但針對一個不斷演化的對手所作出的成功響應，未必能夠長期保持有效。換言之，某一次攻擊被成功化解，並不代表系統獲得了持續穩健的防禦能力。為研究這一現象，作者構建了一套無需對模型進行微調的自博弈框架，讓編碼智能體依據經過測試的對手代碼以及任務反饋，分別生成攻擊程序與防禦程序，形成程序層面的攻防共同演化。
在實現上，該框架為不同應用場景提供了環境專用接口。針對自動駕駛場景，框架支持接入外部程序；針對人形機器人行走控制，則提供 SDK 層面的防禦接口。這種設計使攻擊與防禦都能以可執行程序的形式落地，而不僅僅停留在策略參數或抽象層面，從而使適應過程具備可檢驗的實體載體。
論文通過兩組各持續八代的案例研究，展示了具體的軟件響應方式。在自動駕駛案例中，防禦方引入了直接驅動恢復機制，即在檢測到異常後直接介入執行層面的動作恢復；在人形機器人案例中，防禦方則修改了輸入狀態校驗邏輯，以應對攻擊者對狀態的干擾。作者指出，這些響應能夠實現局部任務恢復，但並未建立起持續性的穩健性。
該研究的方法論價值在於，它把攻防適應及其侷限以可執行工件和任務級證據的形式呈現出來，使研究者能夠觀察智能體如何修改代碼、修改帶來了何種效果，以及在多代對抗之後防禦為何仍可能失效。論文同時説明，整個流程不依賴模型微調，而是依賴程序修改與反饋循環。該預印本目前提供 PDF、實驗性 HTML 版本與 TeX 源碼，DOI 為 10.48550/arXiv.2610.36143，尚待 DataCite 完成註冊。