SPINE：用智能体AI弥合虚实鸿沟
摘要： 基础模型为机器人赋予了进行复杂决策的精密大脑，但要将这种智能部署到物理平台上，仍然需要繁琐且依赖专家的校准工作。这种部署鸿沟——即机器人的“脊髓”——仍然是可扩展具身智能的主要瓶颈。为此，我们提出SPINE（Scalable Physical Integration with ageNtic Expertise，具备智能体专业知识的可扩展物理集成）：一个智能体框架，用于以最少的机器人专业知识，系统性地调试和部署双臂机器人。SPINE的“缰绳”包含两个编排好的多智能体工作流：一个创建机器人特定上下文的配置文件构建器，以及一个循环执行诊断、修复和验证直至遥操作可用的调试器。在七个越疆X-Trainer调试场景中，一位机器人新手使用SPINE的表现优于使用Claude Code（配备相同参考资料，但缺少SPINE结构化工作流）的人类操作员，将操作成功率从75%提升至100%，并将平均遥操作准备时间从16分45秒缩短至13分47秒。在AgileX PiPER（一款基于ROS/CAN的双臂机器人）上，SPINE在几乎相同的时间内解决了全部10个植入的故障，而专家基线仅解决了9个。这些结果共同表明，SPINE能够跨双臂平台迁移，减少对专家校准的依赖，并使具身智能更接近可扩展的现实世界部署。