一句话指挥机器人组团打工，还能越干越聪明?这波物理AI有点夯
编辑｜Red Panda 「小狗，去找你的好朋友瓦力，打个招呼。」收到指令，机器狗立马朝瓦力走去，主动打起了招呼。 再来一句：「给瓦力跳个舞吧。」好家伙，它还真跳上了。只见机器狗在展台上扭动身体，一段颇有喜感的舞蹈说来就来。 找朋友、打招呼、跳舞 …… 这只机器狗，是真听劝。 视频链接：https://mp.weixin.qq.com/s/rYfjPpjrTMHRPkcxHhWwIw 10 月 20 日上午，2026 物理 AI 与世界模型大会在南京开幕。图灵奖得主通过视频分享前沿判断，院士与产业界嘉宾齐聚现场，一批创新成果也在展区集中亮相。 在爱思科技 （ Agnes AI ）的展区，过去要让机器狗完成这样的动作，往往离不开人工遥控。现在，用户只需说出想要的结果，剩下的工作就交给 AI。 这背后究竟发生了什么？ 展区的工作台给出了线索：机器狗的摄像头视角、设备状态、模型发出的工具调用，以及设备正在执行的动作，都被整合在同一个界面中。 原来，用户给出的是一句话，系统还要理解任务、观察环境、调用设备，再根据执行反馈推进下一步。 可这中间这条链路怎么打通？ 爱思科技给出的答案，不只在模型里，还在连接模型与现实设备的执行框架中。 在自研的全模态模型基础上，他们构建了一套智能体运行框架，负责连接模型、工具、任务状态与执行流程，再通过设备接入协议 MHS（Model Hardware Standard，模型硬件标准），将这套能力延伸至物理硬件。 过去的机器人更多依赖遥控，爱思科技创始人杨通曾提到，而 Agnes Harness 希望让设备具备更强的自主决策与协作能力，学会沟通、思考并解决问题。 所谓 「万物共脑」 ，大抵也是这个意思。 沿着展台逛下去，我们发现，机器狗找到瓦力、主动打招呼，也只是一个切面。把每个可编程设备变成一个硅基生命，将技术野心转化为真实的生产力，才是这家公司想要的。 一句话就能指挥多台设备，咋做到？ 让 Go2 用英语向小车打招呼，再让小车用英语回应。然后让小车播放《YMCA》，Go2 随着节奏跳舞 30 秒。 在现场一段演示里，机器狗 Go2 和机器人小车 Car01 接到了一项共同任务。 一句指令，同时涉及两台设备、多个动作，以及明确的执行顺序和时长要求。系统不仅要理解每一步要做什么，还得协调不同设备，把整件事办完。 Agnes Harness 是怎么拆解这条任务链的？ 视频链接：https://mp.weixin.qq.com/s/rYfjPpjrTMHRPkcxHhWwIw 从展示的工具调用记录来看，系统首先调用 list_media 查询音频资源，确认音乐文件存在。 随后分别调用两台设备的 look 功能，读取摄像头画面，检查现场情况。 接着，系统通过 say 功能安排双方用英语打招呼、回应。 问候结束后，小车调用 play_audio 播放音乐，Go2 通过 action 执行舞蹈动作。 每一步操作都会留下相应的工具调用记录，设备的执行状态也随之更新。 还有一个值得注意的细节。 第一段舞蹈结束后，系统发现用户要求的 30 秒时长尚未满足，于是继续发起下一段动作调用。 也就是说，一次工具调用结束，并不意味着整个任务结束。系统还需要对照最初的目标，检查当前进度，再决定下一步行动。 从查找资源、观察环境，到组织对话、协调音乐与舞蹈，Agnes Harness 做的，是把一句自然语言指令转化为一条能够持续推进的任务流程。 这背后的运作逻辑，离不开一套分工明确、协同运作的「人体系统」—— Agnes Harness 由大脑（LLM）、小脑（决策模型）、反射弧（Workflow）、记忆/主动性（Agent Loop）、学习能力（RSI/TTT)、身体（MHS）组成。 以模型能力为基础，Agnes Harness 组织任务与执行流程，通过工具及设备接口连接业务系统和物理设备。 大脑（LLM）负责想清楚要什么。面对用户需求，它要识别任务目标、梳理步骤关系，形成高层行动计划。 小脑负责结构化决策。JEV 模型会结合当前状态和可选行动，做出决策，与大脑分工协作，推动系统根据实际情况跟进任务。 反射弧（Workflow）负责把一连串动作串起来。 复杂任务往往涉及多个步骤，有些需要按顺序执行，有些则可以并行推进。Workflow 将这些环节组织起来，让前一步的结果能够衔接下一步。 Agent Loop 牢牢盯住任务，确保事情持续推进 。 它维护执行上下文与任务状态，记录哪些操作已经完成、工具返回了什么结果，还有哪些目标尚未达成，并据此决定接下来该做什么。这样，系统就不会因为一次工具调用结束而停下来。 至于机器狗、小车、机械臂这些硬件设备，它们才是负责干活的身体，需要通过统一的接入机制，才能被脑和中枢神经发现和调用。 而承担着连
