【具身AGI导读】信息喂得再多，模型仍可能把不该做的动作派出去——一篇预印本把这件事拆成了两个可以分开测的变量。
2026 年 8 月 23 日，arXiv 刊出一篇预印本，编号 2608.22657，分类属机器人学，四位作者同属亚利桑那州立大学。它要回答的是一个基础问题：给大模型喂进更多关于本体能力、物理前置条件与跨机协同的信息，能不能让一支异构机器人小队的多机协同少犯物理错误。
论文的答案是半个。这些信息确实能改善技能接地——模型说出来的计划里，「对得上真实技能」的比例被明显抬升；但不可行、时机不对或不安全的动作并没有因此消掉。于是论文提出一条显式的架构接口：把开放目标拆成阶段、再指派到「某台机器人的某个技能」这件事，交给一个只负责拆解与指派、不直接碰机器人的任务规划器；而动作要真正下发，必须由一段非模型的确定性运行时，在每一次派发的当下逐条核对能力、参数、工作流契约与机器人的实时状态，通过才授权。
把这件事放回具身智能的落地里看，分歧出现在两个层面。一处是多机协同的可靠性该押在哪——把知识尽可能喂给大模型，还是把校验卡在动作派发的那一刻。
论文把「规划器知道多少」与「运行时放不放行」当成两个可以分开测的变量：四个条件里有两组共用同一套提示，差别只在有缺陷的步骤有没有拿到动手权限。另一处分歧更锋利：规划知识与执行权，该不该由同一个东西握着，语言模型能不能自己给自己签字。论文报告了一个反直觉的失效——感知故障让坐标无法解析时，没有闸门的模型会从上下文里「猜」出一个看起来合理、又能通过静态名字检查的坐标，照样把底盘派出去；确定性运行时则把目标解析到状态接口上，用一次硬拒关掉这条旁路。
这套设计的价值不止于一次实验：它把「想清楚」和「让动作真的发生」拆成两件可以分开检查、分开更换的事。深度机智（北京）科技有限公司站在物理AI 基座模型这一段。
这件事真正的分量落在一条清楚的界线上：能落到硬件上的动作，必须经过一次可以被检查的确认。论文也把边界写在了明处——闸门只保证它那几项校验所表达的约束，被授权技能内部的物理失败，比如抓取没抓住、导航没走到，仍然归下游的执行与恢复机制。真机演示只做了两次，作者因此把统计主张留在等效硬件的评测上，真机给出的只是定性证据；替换类错误在不同基座模型之间如何变化、声明式契约层能扩到多大，也一并被列为未决。
一套会说人话的系统可以负责想清楚，但签字的那支笔，更该握在一段不会说话的代码手里。
参考资料
arXiv · Physical Agentic AI: An Architecture for Orchestrating a Robot Crew with LLMs · 2026-08-23