PT视讯(中国区)官网

您目今位置:首页 > 新闻中心 > 新要闻

北大团队让AI智能体「入侵」论坛，，，，，，，，指挥真实机械人执行使命

2026-03-01 19:59:59

新智元报道

编辑：LRST

【新智元导读】公元前47年，，，，，，，，凯撒在泽拉战争速胜后给罗马元老院写了三个词的战报：「Veni, Vidi, Vici」——我来了，，，，，，，，我望见了，，，，，，，，我征服了。。。。。。两千多年后，，，，，，，，北京大学杨仝教授团队也用三步界说了一种全新的AI范式：降临论坛、接受指令、统治物理天下。。。。。。

「Veni, Vidi, Vici.」 ——凯撒大帝

「We Land, We Rob, We Rule.」 ——AgentRob

目今AI领域有一个尴尬的错位：AutoGPT、MetaGPT等LLM智能体能力惊人，，，，，，，，却所有活在数字天下里；；；；；SayCan、RT-2等机械人控制计划能操作物理天下，，，，，，，，却需要专用接口和实时毗连，，，，，，，，使用门槛困在实验室。。。。。。双方之间缺一个可扩展的交互信道。。。。。。

论坛，，，，，，，，谁人降生于互联网早期、险些和网页自己一样古老的交流形式，，，，，，，，自然异步（不需要对方在线，，，，，，，，机械人可以自己安排执行时间）、多智能体（一个论坛可以容纳无数个 Agent，，，，，，，，各自监听各自的使命）、长期化（每一条指令、每一次执行效果都永世生涯，，，，，，，，形成可搜索的交互知识库）。。。。。。

比起微信群和Slack，，，，，，，，论坛的线程结构更适合重大使命的分发和追踪；；；；；比起直接REST API，，，，，，，，论坛把机械人交互嵌入了人类可读的社会语境中；；；；；比起语音控制，，，，，，，，论坛不受距离和噪声限制，，，，，，，，支持恣意重大的指令；；；；；比起专用的机械人控制GUI，，，，，，，，论坛是通用基础设施，，，，，，，，不需要为每个机械人单独开发界面。。。。。。帖子就是指令，，，，，，，，回帖就是执行报告。。。。。。

视频1 论坛指令驱念头械人靠近屏幕并拍取试卷上传

北京大学杨仝教授团队宣布的AgentRob框架，，，，，，，，首次通过Model Context Protocol（MCP）将在线论坛、LLM智能体与物理机械人三方意会——用户只需在论坛@一下机械人，，，，，，，，现实天下中的机械狗某人形机械人就会连忙响应。。。。。。

论文链接：https://arxiv.org/abs/2602.13591

开源代码：https://github.com/PKULab1806/AgentRob

AgentRob接纳三层架构。。。。。。

AgentRob三层架构：论坛 → 智能体 → 机械人

最底层是论坛层，，，，，，，，接纳开源论坛平台提供长期化线程结构。。。。。。

中心是智能体层——整个系统的大脑，，，，，，，，基于MCP（Anthropic 推出的AI工具标准协议，，，，，，，，被称为「AI界的USB-C」）设计了8种标准化工具接口，，，，，，，，涵盖元操作、读操作、写操作和身份治理，，，，，，，，任何 MCP 兼容的 Agent 框架都可以直接接入。。。。。。

最上层是机械人层，，，，，，，，通过视觉语言模子（VLM）控制器将自然语言指令剖析为物理行动原语。。。。。。

焦点Agent像一个永不下线的版主，，，，，，，，一连轮询论坛。。。。。。

一旦发明有人@自己，，，，，，，，LLM就明确帖子内容、提取可执行指令，，，，，，，，然后调理对应的机械人去执行。。。。。。执行完成后，，，，，，，，Agent让LLM把原始返回数据天生一段人类可读的摘要回帖到论坛。。。。。。

整个历程完全自动化，，，，，，，，用户看到的就像是和一个可操作机械人的论坛用户对话。。。。。。

系统支持轮询模式（默认每 30 秒扫描）、HTTP效劳模式（外部按需触发）和单次运行模式（调试测试）。。。。。。

当LLM不可用时，，，，，，，，Agent自动切换到基于规则的指令提取作为降级计划。。。。。。

更有意思的是多智能体共存——统一论坛里可以同时保存多个差别形态的Agent。。。。。。

四足机械狗监听@quadruped，，，，，，，，人形机械人监听@humanoid，，，，，，，，统一帖子@两个机械人时它们各自自力提取和执行指令。。。。。。

为避免回复死循环，，，，，，，，所有Agent帖子都携带元数据标签，，，，，，，，其他Agent自动跳过。。。。。。就像论坛里潜在着一支纪律严正的机械人军团。。。。。。

视频2 论坛宣布重大指令驱念头械人获取包管箱密码

We Rule

从帖子到物理行动

Agent拿到指令后，，，，，，，，真正的邪术爆发在机械人层。。。。。。VLM控制器通过迭代的工具挪用循环将自然语言剖析为行动原语。。。。。。以四足机械狗为例，，，，，，，，控制器袒露了四个行动原语（移动、招手、比心、后空翻）和两个感知原语（前置摄像头照相、云端图片上传），，，，，，，，人形机械人则支持移动和招手等行动。。。。。。

举个详细的例子：用户在论坛发帖「@quadruped 去门口看看有没有人」，，，，，，，，Agent轮询检测到帖子，，，，，，，，LLM提取出指令，，，，，，，，VLM将其剖析为「移动到门口 → 照相 → 剖析图像」的行动序列，，，，，，，，机械狗执行完毕，，，，，，，，Agent回帖：「已抵达门口，，，，，，，，拍摄到走廊照片，，，，，，，，未发明有人。。。。。。」

从虚拟到物理，，，，，，，，一帖之间。。。。。。

整个交互历程所有加入者都可见，，，，，，，，形成一个透明的、可搜索的执行日志——不但是一次性的远程控制，，，，，，，，而是在构建一个社区级的人-机-智能体协作知识库。。。。。。

清静方面团队也做了充分思量。。。。。。

在权限层面，，，，，，，，论坛角色系统被映射为机械人操作权限——只有「机械人操作员」角色才华发指令。。。。。。

在指令层面，，，，，，，，LLM清静过滤器阻挡可能造成物理危险的指令（「撞墙」、「从桌子上跳下去」）。。。。。。在透明度层面，，，，，，，，所有Agent帖子强制标注身份标签。。。。。。

在物理层面，，，，，，，，机械人在界说好的界线内操作，，，，，，，，配备硬件级紧迫阻止按钮。。。。。�？？？？？龅娜ψ钪彰挥谢竦迷际�，，，，，，，，但AgentRob的设计者显然吸收了教训。。。。。。

视频3 论坛指令驱念头械人获取屏幕二维码与驱念头械狗提醒人类阻止

从征服到生态

该研究的四项焦点孝顺包括：首次提出论坛中介的智能体-机械人交互范式、基于MCP的8种标准化工具框架、机械人和机械狗上的端到端执行闭环、以及多形态Agent共存机制。。。。。。

未来团队妄想拓展更多机械体（如无人车/机械臂等）、多模态交互（机械人在论坛分享图像视频）、机械人世协作（通过论坛线程团结完成重大使命）、社区驱动的机械人学习，，，，，，，，最终目的是构建基于论坛的去中心化机械人网络——社区自治的机械人团队。。。。。。

「Veni, Vidi, Vici」之后，，，，，，，，凯撒改变了罗马的名堂。。。。。。

「We Land, We Rob, We Rule」之后，，，，，，，，AgentRob想改变人与机械人交互的名堂。。。。。。

不过这一次，，，，，，，，征服者不是一小我私家，，，，，，，，而是一整个社区。。。。。。

团队成员：刘文睿，，，，，，，，王雅萱，，，，，，，，张迅，，，，，，，，王砚舒，，，，，，，，卫家燊，，，，，，，，向一帆，，，，，，，，王宇行，，，，，，，，叶明燊，，，，，，，，戴思颖，，，，，，，，刘智琦，，，，，，，，徐英杰，，，，，，，，陈昕阳，，，，，，，，孙恒喆，，，，，，，，沈吉滪，，，，，，，，贺晶晶，，，，，，，，杨仝

参考资料：

https://arxiv.org/abs/2602.13591

【网站地图】【sitemap】