SPINE：通过 Agentic AI 弥合网络物理差距

arXiv:2607.13049v1 公告类型：新 摘要：基础模型为机器人提供了复杂决策的复杂大脑，但将这种智能部署到物理平台中仍然需要繁琐的、专家驱动的校准。这种部署差距，即机器人的脊髓，仍然是可扩展的嵌入式人工智能的主要瓶颈。因此，我们提出 SPINE（具有ageNtic 专业知识的可扩展物理集成）：一种代理框架，用于以最少的机器人专业知识系统地调试和部署双手机器人。 SPINE 的工具包括两个精心策划的多代理工作流程：一个用于创建机器人特定上下文的配置文件生成器，以及一个循环执行诊断、修复和验证直到远程操作工作的调试器。在七个 DOBOT X-Trainer 调试场景中，使用 SPINE 的机器人新手在相同参考资料下的表现优于使用 Claude Code 的人类操作员，但没有 SPINE 的结构化工作流程，将操作成功率从 75% 提高到 100%，并将平均远程操作时间从 16 分 45 秒减少到 13 分 47 秒。在 AgileX PiPER（一种独特的 ROS/CAN 双手臂）上，SPINE 在几乎相同的时间内解决了所有 10 个植入的错误，而专家基线则解决了十分之九的错误。总之，这些结果表明 SPINE 可以跨双手平台进行传输，减少对专家校准的依赖，并使嵌入式 AI 更接近可扩展的现实世界部署。