一篇新發表於 arXiv 的機器人學研究論文提出了“程式級對抗性協同自適應自我博弈”框架，試圖利用編碼智慧體自動改寫機器人軟體程式，從而在攻擊與防禦的持續對抗中觀察軟體層面的適應過程。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：編碼智慧體能夠透過修改可執行程式來調整機器人軟體，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，讓編碼智慧體依據經過測試的對手程式碼以及任務反饋，分別生成攻擊程式與防禦程式，形成程式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介面。針對自動駕駛場景，框架支援接入外部程式；針對人形機器人行走控制，則提供 SDK 層面的防禦介面。這種設計使攻擊與防禦都能以可執行程式的形式落地，而不僅僅停留在策略引數或抽象層面，從而使適應過程具備可檢驗的實體載體。
論文透過兩組各持續八代的案例研究，展示了具體的軟體響應方式。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，這些響應能夠實現區域性任務恢復，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慧體如何修改程式碼、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。論文同時說明，整個流程不依賴模型微調，而是依賴程式修改與反饋迴圈。該預印本目前提供 PDF、實驗性 HTML 版本與 TeX 原始碼，DOI 為 10.48550/arXiv.2610.36143，尚待 DataCite 完成註冊。