SPINE框架：用智能体AI弥合机器人物理部署鸿沟

基础模型为机器人提供了复杂决策的智能大脑，但将其部署到物理平台仍需繁琐的专业校准。这种“部署鸿沟”——被称为机器人的“脊髓”——已成为可扩展具身AI的主要瓶颈。为此，研究团队提出SPINE框架（基于智能体专业知识的可扩展物理集成），这是一个系统化调试和部署双臂机器人的智能体框架，旨在最小化对机器人专业知识的需求。

SPINE框架包含两个协调的多智能体工作流：配置文件构建器创建机器人特定上下文，调试器则循环执行诊断、修复和验证，直至远程操作正常工作。在七种DOBOT X-Trainer调试场景中，使用SPINE的机器人新手在相同参考资料下，表现优于使用Claude Code的人工操作员，将操作成功率从75%提升至100%，平均远程操作时间从16分45秒缩短至13分47秒。在另一款AgileX PiPER双臂机器人上，SPINE成功修复全部10个植入故障，而专家基线仅修复9个，耗时相近。

这些结果表明，SPINE能够跨双臂机器人平台迁移，减少对专家校准的依赖，推动具身AI向可扩展的实际部署迈进。该研究为降低机器人部署门槛提供了新思路，有望加速智能机器人在工业和服务场景的应用落地。