arXiv cs.AI· Zihan Zhang, Zeyu Wu, Xin Zhang, Mingyu Luo, Haohui Que, Tong Zhu·· 12 小时前AI 评分31
让自驱动实验室可审计：统一混合动作、测量与安全执行的框架
Making Self-Driving Laboratories Auditable:A Unified Framework for Hybrid Actions,Measurements, and Safe Execution
AI 导读
研究提出可追溯框架，包含 LAM、OpenSDL、Safe-SDL 和 L3-Bench 四个组件。LAM 是测量条件化的策略架构，将视觉-语言-动作范式扩展为同时生成连续机器人轨迹和类型化仪器 API 调用；OpenSDL 负责将角色级操作映射到异构设备并记录带时间戳的因果事件。
正文 · AI 翻译
摘要：自驱动实验室（SDL）是将实验规划、自动化执行和测量反馈以闭环方式耦合起来的实验室系统。将灵活的机器人控制与实验室仪器所暴露的类型化应用程序编程接口（API）及连续测量相集成，仍是一个执行接口方面的挑战。为应对这一挑战，我们提出了一个可追溯框架，包含四个组件：LAM（Lab Action Model）、OpenSDL、Safe-SDL 和 L3-Bench。LAM 是一种提出的以测量为条件的策略架构，扩展了视觉-语言-动作范式，以同时生成连续的机器人轨迹和类型化的仪器 API 调用。OpenSDL 是一个执行基座，带有初始控制实现，旨在将角色级操作映射到异构设备、协调执行并记录带时间戳的因果事件。提出的 Safe-SDL 运行时门控将派发前的模式与资源检查与执行期间的信号时序逻辑监控相结合，包括延长的等待时段。L3-Bench（Level-3 Laboratory Benchmark）规定了一个回合级评估协议，涵盖物理结果、时序、可复现性、安全违规和故障恢复。这些组件共同提供了一个端到端设计，将混合动作生成、受监控的设备执行、测量反馈和实验评估连接起来，解决了 SDL 工作流中的协调与可追溯性挑战。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.36761 [cs.RO] |
| （或 arXiv:2610.36761v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36761 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zihan Zhang [查看电子邮件]
[v1]
2026年10月27日星期二 07:17:24 UTC（2,402 KB）
来源：arXiv cs.AI · arxiv.org