arXiv cs.AI· Xin Wang, Wenhao Wu, Menghao Zhang, Zhi Wang, Kun Shao, Jian Luan, Yang Li, Qing Li, Shangding Gu, Huichi Zhou, Shuqing Shi, Fei Ni, Shuo Lu, Weicheng Meng, Kang Li, Jin Wu, Kang Zhao, Shangmin Guo, Gen Li, Yongqiang Tang, Zhizhong Zhang, Yuan Xie, Heng Qu·· 12 小时前AI 评分50
HarnessPAI：面向物理AI的可演化Harness框架
HarnessPAI: An Evolving Harness for Physical AI
AI 导读
研究团队提出HarnessPAI，一个与模型和本体无关的物理AI Harness框架，把代码作为组织底层动作原语的可执行、可演化接口。该框架在单次rollout内以程序级开环执行，跨rollout则用执行反馈修订程序并把失败蒸馏为可复用技能。在桌面机械臂、家用机器人、扫地机器人和四足行走智能体上，HarnessPAI相对基线均取得一致提升，收敛后的程序还可为VLA和WAM模型生成微调训练数据。
正文 · AI 翻译
作者：Xin Wang、Wenhao Wu、Menghao Zhang、Zhi Wang、Kun Shao、Jian Luan、Yang Li、Qing Li、Shangding Gu、Huichi Zhou、Shuqing Shi、Fei Ni、Shuo Lu、Weicheng Meng、Kang Li、Jin Wu、Kang Zhao、Shangmin Guo、Gen Li、Yongqiang Tang、Zhizhong Zhang、Yuan Xie、Heng Qu
摘要：Physical AI 旨在构建能够感知世界、理解并推理世界，并决定如何行动的具身智能体。然而，该领域主要关注最后一个组成部分：将观测映射到低层控制的动作模型。主流的训练方法可能会削弱实现稳健行为所需的感知与推理能力，使即便是强大的动作模型也容易受到场景扰动和长时程任务的影响。我们提出 HarnessPAI，这是一个面向 Physical AI 的、与模型和具身形态无关的 Harness 框架，它将代码视为可执行且可演化的接口，用以组织底层的动作原语。该框架区分了两个时间尺度：在一次 rollout 内，它在程序层面以开环方式执行，由固定程序引导并检查执行；在多次 rollout 之间，它以闭环方式演化，利用执行反馈修订程序，并将失败提炼为可复用的技能。在桌面机械臂、家用机器人、扫地机器人和足式行走智能体上，HarnessPAI 相比基线均展现出持续改进。除 harness 之外，收敛后的程序还可作为低成本、可靠的专家数据来源：它为 VLA 和 WAM 模型生成训练数据，用于微调这些模型在自身难以获得成功轨迹的任务上的表现。我们的结果表明，Physical AI 的前沿不仅取决于更强的动作模型，还取决于可执行的 harness，它将感知、任务理解与推理以及动作执行整合为一个统一、可验证且由反馈驱动的系统。网站：此 https URL
| 评论： | 45 页，24 幅图，15 张表 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.29166 [cs.RO] |
| （或 arXiv:2609.29166v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.29166 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Wenhao Wu [查看邮箱]
[v1]
2026 年 9 月 24 日星期四 07:40:00 UTC（11,779 KB）
[v2]
2026 年 10 月 21 日星期三 03:58:49 UTC（8,949 KB）
来源：arXiv cs.AI · arxiv.org