PhyAgentOS：用于具有解耦认知规划和物理执行的实体代理的自我进化操作系统

视觉-语言-动作模型、世界模型和代理规划器各自提高了物理智能，但它们的组合缺乏通用的执行抽象、共享状态、语义验证和跨异构实施例的持久体验。我们推出 PhyAgentOS，这是一个运行时基础，将调度、验证、内存、基准测试和安全性作为系统级服务提供。其以会话为中心的运行时将会话（而不是操作）视为调度、兼容性预检、监督执行、证据收集和接受的最小单位。为了将认知与物理执行分离，认知物理边界是一个文件系统：状态即文件协议将跨层状态具体化为带有 YAML 的 Markdown，从而生成可检查、可版本化的记录，而无需代理层和运行时层之间的代码依赖性。这些视图形成了一个统一的认知状态空间，协调意图、能力、环境、执行和经验。 SessionVerifier 通过基于证据的成功、失败或重新计划判断来区分执行终止和语义任务完成。经过验证的结果通过认知记忆整合为可重复使用的知识和纠正课程，从而无需再培训即可结束试错循环。基准测试重用部署会话和验证路径，因此结果可以追溯到实际执行。分层安全限制了策略驱动和代理驱动的执行：预检、操作桥、SafetyGuard、心跳监控和目标本地约束。验证是渐进的：游戏测试认知计划，模拟增加动态和控制，真实机器人增加硬件噪音，认知层保持不变。 PhyAgentOS 以 Optimus-67、StarDojo 和 DST-Dojo 为基准，在超过 19 个模拟和物理实施例上进行了验证，并在多个 VLA 模型上在 LIBERO、Calvin 和 RoboCasa365 上取得了进展。