DynaHarness：面向自演化机器人Agent的动态物理Harness

预训练的机器人策略提供了有用的动作先验，但长期操作仍然需要语义推理和物理执行之间的协调。语义推理的运行时间尺度比物理交互更粗略，而事件级故障对应修改哪个系统组件提供了有限的指导。我们提出了 DynaHarness，一种动态物理Harness，通过共享执行合约将语义推理与物理治理结合起来，并将失败证据转化为经过验证的功能修订。更具体地说，慢速大脑提出能力和象征性论点，而快速大脑则根据和监控命令，拒绝未解决的行动，替代能力，并在需要时请求重新计划。物理执行合约限制每个接受的命令，并记录分析技能、恢复技能和冻结的 VLA 的执行证据。故障归因定位这些记录中的故障，并指导对可重用功能或执行机制进行有针对性的修改。配对回归检查控制接纳或拒绝，从而关闭自我进化循环。在 LIBERO-Pro 上，DynaHarness 在 800 个新采样的初始状态上达到了 75.2%，而冻结策略的达到 17.5%。使用相同的功能库，完全动态执行达到 74.0%，而名义一步重新规划则为 63.9%。这证明了 DynaHarness 作为动态物理Harness的价值，它控制着现有功能在执行过程中如何落地、监控和协调。我们的项目页面位于https://denghaoyuan123.github.io/Dynaharness_page/.