Agent as Policy：通用编程智能体直接参与机器人执行

图 1 中智能体和机器人控制器各自负责什么？

1. 1

   先建立可复用任务定义

   图 1b 上方准备智能体把视频、图像或语言目标转为任务定义，写明约束、完成标准和接口预算。运行智能体接收当前实例；普通试次从空经验开始，模型权重固定，所以零样本指没有该任务的策略训练，不是没有工程配置。

2. 2

   在运行中编程解释视觉和几何

   图下执行智能体读取腕部 RGB-D、俯视图和标定，可写程序拟合平面、求射线交点、修正夹爪偏移。图中位置与姿态不是直接从文本变成电机指令，而是经过可检查的计算与机器人坐标系转换。

3. 3

   把运动请求交给独立控制器

   桥接层接收关节或末端位姿，使用逆运动学和限速轨迹控制，并返回实际状态和误差。控制与推理异步运行，普通移动和抛投使用不同限幅/定时接口；30fps 摄像头并不等于智能体30Hz决策。

4. 4

   通过观察恢复，并另测经验迁移

   图中闭环在插入失败或物体滑落后重新观察和规划。持久文件可保存成功程序与修正，供下一次新上下文读取；这改变了经验条件，应与空经验测试分开，且要计入保存和收集经验的成本。

以下为作者报告；已阅读 v2 全文及可用附录，本站未独立执行研究实验。实验条件与编辑解读分别列出。

09-11 首发，按 v2 回顾补收；文中引用 i2rt、Mink 等基础库，但未核实 AGP 完整桥接、任务和轨迹包发布，不能将基础库当作本系统开源。

LICENSE论文图 1 为 arXiv 非独占分发授权；完整系统实现及数据许可未确认。