ABot-Claw：持久、合作和自我进化的机器人代理的基础

当前的具身智能系统在开放世界环境中的高级推理和底层物理执行之间仍然面临着巨大的差距。尽管视觉-语言-动作（VLA）模型提供了强大的感知和直观的响应，但它们的开环性质限制了长期性能。结合了 System 2 认知机制的代理可以改进规划，但通常在具有预定义工具包和有限实际系统控制的封闭沙箱中运行。 OpenClaw 提供了具有完整系统权限的本地化运行时，但缺乏长时间、多机器人执行所需的具身控制架构。因此，我们提出了 ABot-Claw，它是 OpenClaw 的具身扩展，它集成了：1）具有用于异构机器人协调的能力驱动调度的统一实施界面； 2）以视觉为中心的跨实体多模态记忆，用于持久的上下文保留和扎根检索； 3）基于评判器的闭环反馈机制，具有用于在线进度评估、局部修正和重新规划的通用奖励模型。凭借跨越 OpenClaw 层、共享服务层和机器人体现层的解耦架构，ABot-Claw 可实现现实世界的交互，闭合从自然语言意图到物理动作的循环，并支持在开放动态环境中逐步自我进化的机器人代理。