迈向具身智能体的操控框架

arXiv cs.AI 论文
embodied-agents robotics harness scene-graph agentic-loop

摘要

介绍了Thea，一个用于具身智能体的操控框架，将机器人能力编排为可调用的工具，引入场景图作为上下文和评估作为退出码，以闭环连接智能体与物理世界。

arXiv:2608.11246v1 公告类型：新 摘要：编码智能体的成功确立了操控框架这一范式：智能体所取得的成就不仅取决于模型本身，还取决于其周围的基础设施。我们探究这一范式是否同样适用于物理世界中的具身智能体。我们介绍了Thea，一个智能体循环在其中编排机器人能力的操控框架，每种能力都被封装为可调用的工具。它继承了编码智能体的核心组件，并根据物理世界的需求进行了修改。然而，物理世界缺少了软件免费提供的两种能力：读取世界状态的能力，以及判断行动结果的能力。为了弥合这些差距，Thea引入了场景图作为上下文（一种持久的、符号化的世界表征），以及评估作为退出码（用于检测行动何时应终止、判断其是否成功，并在失败时诊断原因）。两者共同实现了智能体与物理世界之间的闭环。丰富的行为随后从工具的组合中涌现，闭环驱动长时程任务在真实环境中完成。
查看原文
查看缓存全文

缓存时间: 2026/08/13 15:24 

# 迈向具身代理的驾驭框架

来源：https://arxiv.org/abs/2608.11246  
查看 PDF（https://arxiv.org/pdf/2608.11246）

> 摘要：编码代理的成功使“驾驭框架”（harness）成为一种范式：代理的成就不仅取决于模型本身，更取决于围绕其构建的基础设施。我们探讨这一范式是否同样适用于物理世界中的具身代理。我们提出了 Thea，一个通过代理循环编排机器人能力的驾驭框架，每种能力都被包装为可调用的工具。它继承了编码代理的核心组件，并根据物理世界的需求进行了调整。然而，物理世界并不像软件那样免费提供两种能力：读取世界状态以及判断动作结果。为了弥合这些差距，Thea 引入了“场景图作为上下文”（Scene Graph as Context）——一种持久化、符号化的世界表示；以及“评估作为退出代码”（Evaluation as Exit Codes）——用于检测动作应在何时终止、判断其是否成功，并在失败时诊断原因。两者共同闭环了代理与物理世界之间的循环。丰富的行为随之从工具的组合中涌现，而这一闭环能够在真实环境中将长时程任务执行到底。

## 提交历史

来自：Wentao Zhu［查看邮箱](https://arxiv.org/show-email/cfaa6cfa/2608.11246)］  
**[v1]** 2026年8月3日 星期一 09:19:38 UTC（2,645 KB）

相似文章

Harness Handbook：使不断演化的智能体Harness可读、可导航、可编辑

arXiv cs.AI

Harness Handbook是一种以行为为中心的表示，通过静态程序分析和LLM辅助从智能体harness代码库中合成，帮助开发者和编码智能体定位实现特定行为的代码。它引入了行为引导的渐进式披露（BGPD），引导智能体从高层描述到相关实现细节，提高了定位准确性和编辑计划质量。

代码即代理框架

Hugging Face Daily Papers

本综述论文提出了一个统一视角，将代码视为代理系统中代理推理与执行的操作基础，围绕三个层次组织讨论：框架接口、机制与扩展。

面向长时应用开发的Harness设计

Anthropic Engineering

Anthropic工程师详细介绍了一种多智能体Harness设计，利用生成器与评估器智能体提升Claude在长时间内自主构建完整、高质量前端应用的能力。