三台机器人协作做实验，PhyAgentOS v1.0.0开源

最近，一段演示视频在网络流传：用户仅给出一条自然语言指令——利用现场材料配制并核验六级pH彩虹。系统先识别实验台物料，再调度四足机器人、人形机器人和双臂机器人依次完成扫描、运输、交接与台面操作。三台构型不同的机器人共用同一任务上下文，无需人为逐步遥控。

任务中途出现偏差：第六支试管颜色未达标。系统没有把“动作执行完”当作任务完成，也未从头再来，而是保留现场状态，补充缓冲液并重新检测。pH实测为11.03、进入目标容差后，任务才通过验证。

支撑这一“决策—执行—留证—验证—修正”链路的，是PhyAgentOS v1.0.0——由中山大学HCP实验室、鹏城国家实验室具身智能研究所与X-Era Lab（拓元智慧）联合研发的开源物理智能体Harness。它兼容VLA、世界模型、仿真与真机，面向异构机器人提供统一执行基座，也为RSI（递归自我改进）提供可追踪的工程基础。项目于2026年7月开源，8月底发布首个稳定版；截至目前GitHub Star已突破2100。

演示中，用户只给出最终目标，系统完成环境感知和物料定位后，把扫描、运输、交接和配液等步骤分配给三台机器人，上层Agent看到的是一个连续任务。前五支试管顺利完成后，第六支颜色不符。Verifier综合现场图像与检测结果，判断任务未完成。系统在同一AgentTask中追加PlanRevision，保留此前动作和环境状态，重新补充缓冲液和试剂并再次核验，直到pH实测11.03、进入容差，任务才标记通过。这具体化了PhyAgentOS要解决的问题：物理智能体不能只会发动作，还要知道每步有无证据、结果是否达标、失败后从哪接着做。

传统控制链路常把设备完成信号视为任务结束，但“夹爪已闭合”不等于抓取成功。PhyAgentOS将执行事实、现场证据与任务结论拆开：Query、Action和Session记录工具调用及执行状态，Evidence模块保存动作前后图像、检测结果与设备状态，任务级Verifier依据目标、成功标准和证据时序，给出success、failure或replan required结论。验证未通过时，恢复仍属原AgentTask，系统基于既有工具轨迹、证据链与最新环境状态追加PlanRevision，而非重建任务或盲目重试，既保留状态连续性，也限制恢复范围和重试次数。

基准测试量化了该机制：LIBERO的2000个Episode中，X-VLA首次成功率97.3%；PhyAgentOS对54个首次失败样本分析恢复，挽回26个，最终成功率提升至98.6%，未修改策略模型代码，也未把恢复记作新Episode。CALVIN五步长程任务上，完整链路最高提升4.1个百分点；RoboCasa365上，RLDX-1与WorldDreamer分别提升7.2和8.4个百分点。

结果验证也是经验进入系统的第一道门槛。PhyAgentOS以通过验证的完整任务为样本，将目标、计划修订、工具轨迹、证据指纹与最终结论整理为TaskEpisode，再进入经验提炼。无证据或未闭环的记录不会转化为新能力。提炼后形成两类候选：稳定可复现的工作流晋升为SkillCandidate，反复出现且可归因到工作流的问题聚合为Lesson。环境异常只保留诊断信息。候选经验生效前需经多任务佐证、结构校验与安全检查，过滤具体坐标、凭据、临时设备ID及绕过Forge或Verifier的指令，避免偶然成功污染已有能力。

Forge是面向Physical AI的通用机器人控制底座，用统一机器人、传感器、环境抽象，把硬件和算法策略组织成可组合、可复用、可结构化调用的能力。现实中机器人常来自不同厂商，控制接口、传感器和软件环境各异，过去协同需逐一开发调试。PhyAgentOS以统一协议将异构机器人接入同一任务系统：上层Agent只需调用标准化Tool，底层Forge负责识别设备能力、路由任务、下发指令并管理执行状态。新机器人接入时按统一方式声明能力即可被调用；更换本体、模型或仿真器时，也不必重写整条任务逻辑。

PhyAgentOS将模型决策与动作执行解耦：上层Agent负责任务理解、规划与策略调整，Forge作为唯一物理动作执行入口，负责能力发现、路由和执行状态管理。Gateway统一注册管理技能，ToolEndpoint将工具调用映射到具体机器人动作，Dora数据流承载实时数据与控制链路。Query用于同步读取状态，Action和Session才能触发真实物理执行，从协议层区分“观察世界”和“改变世界”。v1.0.0重新划分系统状态协议：AGENTS.md、SKILL.md等Markdown文件承载面向人和Agent的可读知识；真实动作统一通过Forge Tool API执行；AgentTask、PlanRevision、Evidence和验证结果写入结构化事实记录。知识、执行与事实分层存放，系统不再依靠轮询文件驱动物理动作。即使超时、取消或结果未知，也会先核对现场状态再决定后续动作，降低重复执行风险。

真实世界的工作通常不是单一动作。巡检货架需要移动、识别、拍照、判断、复核；补货需要确认商品、取货、避障、放置、检查排面；生产线换型可能涉及搬运物料、打开工装、上料、检测和异常处理。PhyAgentOS将这些动作拆解为可调用、可验证的Tool，如“读取状态”“移动至货