面向自主排障的人类、Agent与机器人证据协作

深空宇航员无法依靠实时地面支持来应对紧急的非正常事件。最初的警报可能无法确定原因，而歧视性证据可能存在于机组人员的观察中，或者位于不安全、成本高昂或无法供机组人员检查的位置。我们提出了一种证据驱动的架构，用于在与地球无关的异常分类中进行人类-Agent-机器人团队合作。 Agentic AI 被视为有边界、可检查服务的状态协调器，而不是完全自主的车辆控制器。分类状态管理器维护假设、证据来源、不确定性、操作环境和工具状态；面向船员的实体Agent引发观察并解释评估变化；移动机器人获取有针对性的局部证据。类型化接口将对话和编排与监控、机器人命令、上下文检索和安全关键控制分开。两个场景说明了该架构：基于实际国际空间站氨误报的载人深空任务，其中可疑的污染限制了机组人员的进入，以及 载人月球基地的电源接口异常，机器人检查将本地连接器故障与远程遥测中模糊的其他原因区分开来。我们的主要贡献是一个权威范围的闭环证据循环架构，使用 Reachy Mini 和 Innate MARS 移动机器人在硬件在环集成原型中进行练习。