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
