arXiv cs.AI· Yves Delley, John Coller, Zachary Cutts, Alexander Daryin, Mathias Bellaiche, Jun W. Kim, Oscar Donosa, Srinidhi B. Seshadri, Tanner Clary, Sandy Klemm, Avinatan Hassidim, Yossi Matias, Pooja Rao, Petar Sirkovic, Annalisa Pawlosky·· 11 小时前AI 评分38
VERID：为自动化实验室中的智能体自博弈提供语义表示
Semantic Representation for Agentic Self-Play in Automated Laboratories
AI 导读
研究团队提出 VERID——面向发现实验室的已验证基础设施，为实验室工作单元构建持久的高保真语义数字孪生，提供可查询内省、时间压缩仿真、完整轨迹留存与安全执行框架四项核心服务。
正文 · AI 翻译
作者：Yves Delley、John Coller、Zachary Cutts、Alexander Daryin、Mathias Bellaiche、Jun W. Kim、Oscar Donosa、Srinidhi B. Seshadri、Tanner Clary、Sandy Klemm、Avinatan Hassidim、Yossi Matias、Pooja Rao、Petar Sirkovic、Annalisa Pawlosky
摘要：在复杂的高维生物搜索空间中导航，需要可扩展的物理与计算智能，通过在构思、实验和自动化之间进行迭代式自我对弈，探索超越局部最优解的方案。将实验设计转化为可靠的物理执行，仍受制于静态的实验室自动化和未被建模的物理变异性。为解决这一问题，我们推出了 VERified Infrastructure for Discovery Laboratories（简称 VERID），这是一种基础性基础设施，旨在弥合人工智能（AI）智能体的高层推理与湿实验室复杂且易出错的物理现实之间的差距。VERID 是实验室工作单元的一个持久、高保真的语义数字孪生，提供四项核心服务：用于智能体推理的可查询内省、用于协议验证的时间压缩仿真、用于完整科学记录的全链路追踪持久化，以及一个安全执行框架。
我们展示了三个使用水性染料和去离子水混合物的案例研究，以验证 VERID 的光学和流体学基础。这些研究展示了 VERID 如何实现对实验协议中关键错误的预先检测、有状态的中途错误恢复，以及事后识别细微的物理故障。该仿真功能作为一个离散核算引擎，使智能体能够安全且低成本地在计算机中探索实验设计，并通过迭代式自我对弈来优化实验策略。VERID 还捕获结构化的多模态实验数据，用于下游分析、知识挖掘和智能体训练。我们认为，这一语义层是在生物化学和生物医学科学中部署自主智能体的必要前提，可确保数据完整性和操作安全，并为攻克生物学中此前难以解决的重大挑战铺平道路。
| 评论： | 16 页，4 张图 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| ACM 分类： | I.2.9；I.2.11；J.3 |
| 引用为： | arXiv:2610.32755 [cs.RO] |
| （或 arXiv:2610.32755v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32755 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yves Delley [查看邮箱]
[v1]
2026 年 10 月 23 日星期五 15:00:16 UTC（2,306 KB）
来源：arXiv cs.AI · arxiv.org