三台异构机器人接力完成pH实验，失败后自主修正而非重来
三台机器人接力，失败后没有从头再来
最近网上流传一段四分钟的视频：用户只输入一句自然语言指令——“利用现场材料，配制并核验六级 pH 彩虹”。随后，四足机器人、人形机器人和双臂机械臂依次登场，完成扫描、运输、交接与台面操作。整个过程没有人为分步遥控，三台构型迥异的设备共享同一个任务上下文。
前五支试管顺利调出目标颜色后，第六支却偏了。这时系统没有把“动作执行完”当作任务结束，也没有粗暴地从头再来。它保留当前实验台状态，在原有流程中追加一次 PlanRevision：补充缓冲液、重新滴定、再次检测。直到 pH 实测值为 11.03，落入预设容差区间，任务才被正式标记为通过。
这个细节暴露了传统机器人控制的盲区：夹爪闭合≠抓取成功，指令发送≠目标达成。而 PhyAgentOS 的设计逻辑是——任务是否完成，得靠证据说话。
从“动作结束”到“任务完成”：验证与受控恢复
PhyAgentOS 把执行事实、现场证据和任务结论拆开处理。Query、Action 和 Session 记录工具调用与执行状态；Evidence 模块则保存动作前后的图像、传感器读数和设备日志；最终由任务级 Verifier 综合目标定义、成功标准和证据时序，给出明确判断：success、failure，还是 replan required。
当验证失败时，恢复行为仍属于原 AgentTask。系统不会新建任务或盲目重试，而是基于已有工具轨迹、证据链和最新环境状态，生成一次有界的 PlanRevision。视频中仅重做第六支试管，正是这种“局部修复”能力的体现。
这种机制在基准测试中也显出价值。在 LIBERO 的 2000 个 Episode 中，X-VLA 策略首次成功率为 97.3%；PhyAgentOS 对其中 54 个失败样本进行分析与恢复，成功挽回 26 个，最终成功率提升至 98.6%。值得注意的是，系统未修改策略模型代码，也未将恢复过程记为新 Episode。在 CALVIN 长程任务和 RoboCasa365 场景中，完整链路分别带来最高 4.1 和 8.4 个百分点的性能增益。
经验回流：只有闭环任务才能沉淀为能力
验证不仅是任务终点，更是经验进入系统的门槛。PhyAgentOS 只将通过验证的完整任务整理为 TaskEpisode，包含目标、计划修订、工具轨迹、证据指纹和最终结论。那些缺乏证据支撑、中途中断或结果未知的执行记录，不会直接转化为新技能。
这些 TaskEpisode 经过反思归因后，可能产出两类结果：稳定可复现的工作流晋升为 SkillCandidate；反复出现且可归因的问题则聚合为 Lesson。设备掉线、网络抖动或传感器噪声等环境异常，仅保留诊断信息，不进入经验库。
候选经验正式生效前还需多任务佐证、结构校验与安全检查。系统会自动过滤具体坐标、临时设备 ID、凭据等敏感信息，并拦截任何试图绕过 Forge 或 Verifier 的指令，防止一次偶然成功污染已有能力。最终 Evolution 模块沉淀的不是原始日志，而是来源可追踪、条件可检查、能在后续任务中复用的经验。
Forge：统一异构机器人的物理执行入口
现实中的机器人很少来自同一家厂商。仓库里，四足机器人擅长穿越狭窄通道，机械臂适合固定工位操作，人形机器人则能使用为人设计的按钮或工具。它们接口各异、软件环境不同，过去协同往往需要为每种设备单独开发脚本。
PhyAgentOS 的解法是 Forge——一个面向物理智能的通用控制底座。它用统一协议抽象机器人、传感器和环境，让上层 Agent 无需理解底层差异，只需调用标准化 Tool。Forge 负责能力发现、任务路由、指令下发和状态管理。
例如，门店系统下达“完成 A 区货架巡检与缺货复核”任务后，四足或轮式机器人负责移动和图像采集，视觉模块识别货架状态，机械臂在条件允许时执行补货。系统关注的是任务是否完成，而不是操作者是否切换了三套控制台。
v1.0.0 版本还重构了系统状态协议。AGENTS.md、SKILL.md 等 Markdown 文件继续承载面向人和 Agent 的可读知识；真实动作统一通过 Forge Tool API 执行；AgentTask、PlanRevision、Evidence 和验证结果则写入结构化事实记录。知识、执行与事实分层存放，系统不再靠轮询文件驱动物理动作。即使遇到超时或结果未知，也会先核对现场状态再决定后续，降低重复执行风险。
用 Tool 与 Skill 组合解决复杂长程任务
真实世界的工作很少是一个动作。巡检货架需要移动、识别、拍照、判断、复核；补货涉及确认商品、取货、避障、放置、检查排面；生产线换型更可能包含搬运、打开工装、上料、检测和异常处理。
PhyAgentOS 将这些拆解为可调用、可验证的 Tool。“移动至货架”“拍摄图像”“抓取物料”“复核结果”均可独立封装。经过多次验证的流程则沉淀为 Skill。这种组合方式让系统不必为每个复杂任务重写僵硬脚本。
面对“完成 B 区货架巡检并处理缺货商品”这类指令，系统可根据现场情况动态组合能力模块。若某步出现遮挡、错位或抓取失败，也能仅调整问题环节，而不让整个流程从头开始。这正是复杂长程任务走向实用的前提——机器人不需要记住全部流程，而是在目标约束下调用已验证能力，并根据反馈持续推进。
生态与产业落地：从 Demo 到稳定系统
PhyAgentOS 采用 MIT 协议开源，核心仓库已迁移至 PhyAgentOS-core。官方支持的机器人构型从 19 种扩展到 43 种，覆盖机械臂、四足、人形、移动操作平台和灵巧手，其中 9 种支持真机运行。接入一种新机器人通常只需 5 到 10 分钟；更换模型、仿真器或本体时，上层任务链路无需同步改写。
正式版提供 9 个算法节点，涵盖 VLA、世界模型、视觉感知和模仿学习，另有 11 个列入开发计划。最简安装只需克隆仓库，配置模型 Provider 后即可运行通用 Agent；驱动真机则需额外安装 Forge Skill、Runtime 与硬件依赖。
但开源系统发布不等于产业化完成。机器人本体可靠性、现场安全、部署成本、数据质量、网络条件，以及与既有业务系统的衔接，仍是具身智能落地的关键障碍。
行业竞争焦点正在转移：从“能否完成一次炫目的演示”，转向“能否在真实任务中稳定完成、验证结果、处理例外，并持续降低人工干预”。
在零售场景，闭店后的货架巡检是个典型用例。机器人沿通道移动，读取状态，发现缺货或错位后调用对应设备复核或补货。它不必一开始承担整店工作，但可在单一区域、一类商品、明确时间窗口内实现稳定闭环。
在工厂，生产线换型同样适用。移动机器人送物料，机械臂上料装配，视觉系统检查结果。一旦零件方向错误或装配不全，系统保留现场，仅返工出错环节，而非停掉整条产线重来。
作为主要研发方，X-Era Lab（拓元智慧）正将这套体系带入智慧零售、工业制造与人居服务等真实场景，让 Physical Agent 在持续运行中完成验证、经验回流与能力迭代，逐步从单点 Demo 演进为可长期部署、持续进化并规模化复制的系统能力。