SPINE：以智能体AI弥合信息物理鸿沟

基础模型给了机器人处理复杂决策的精巧大脑，但把这种智能部署到物理平台仍需要繁琐的专家驱动校准。这一部署鸿沟——机器人的“脊髓”——仍是可扩展具身AI的主要瓶颈。因此我们提出SPINE（以智能体专长实现可扩展物理集成）：一个让具备极少机器人学专长的使用者系统化调试与部署双臂机器人的智能体框架。SPINE的治控包含两条编排的多智能体工作流：创建机器人专属上下文的画像构建器，以及循环执行诊断、修复与验证直至遥操作可用的调试器。跨七个DOBOT X-Trainer调试场景：使用SPINE的机器人学新手胜过使用Claude Code加相同参考资料但无SPINE结构化工作流的人类操作员——把可运行成功率从75%提升到100%，并把平均遥操作达成时间从16分45秒缩短到13分47秒。在AgileX PiPER（不同的ROS/CAN双臂）上：SPINE解决了全部10个植入bug，对比专家基线的9/10，用时几乎相同。综合结果表明SPINE可跨双臂平台迁移、降低对专家校准的依赖，使具身AI更接近可扩展的真实世界部署。