DynaHarness: Dynamischer physischer Harness für selbst evolvierende Roboteragenten
Das Paper stellt DynaHarness vor, einen Preprint, der einen dynamischen physischen Harness beschreibt, der semantische Planung eines Qwen3-VL-4B-Slow-Brain mit physischer Governance durch einen gemeinsamen Ausführungskontrakt verbindet. Auf LIBERO-Pro erreicht das eingefrorene System 75,2 % auf 800 neu gesampelten Startzuständen, die eingefrorene VLA-Politik 17,5 %. Der Ansatz zeigt, wie Ausführungsevidenz gezielte, validierte Revisionen wiederverwendbarer Fähigkeiten ermöglicht.
Wie lässt sich physische Ausführung so steuern und ihre Evidenz so nutzen, dass Fehler lokalisiert und wiederverwendbare Fähigkeiten gezielt überarbeitet und validiert werden?
Langhorizont-Manipulation erfordert Koordination zwischen grober semantischer Planung und feiner physischer Interaktion; episodenweises Feedback zeigt jedoch nicht, welche Komponente versagt hat. Bestehende Systeme haben keine klare Autorität über den laufenden Befehl und können Fehlerevidenz nicht automatisch in validierte Revisionen umsetzen.
Bisherige Ansätze orchestrieren entweder die Ausführung mit High-Level-Agenten, z. B. PhyAgentOS, EmbodiedSkills oder Harness VLA, oder verbessern Fähigkeiten durch Selbstverbesserung, z. B. ASPIRE, GaP, InSight, ENPIRE und Zetta. Orchestrierung scheitert daran, dass Kontakt, Fortschritt und Zwischenerfolge zwischen groben Planungsentscheidungen entstehen; Selbstverbesserung hat oft keine gezielte Fehlerlokalisierung und keine regressionsbasierte Zulassungskontrolle.
DynaHarness führt einen gemeinsamen physischen Ausführungskontrakt ein: Ein langsames Gehirn schlägt Fähigkeiten und symbolische Argumente vor, das schnelle Gehirn groundet, überwacht, verweigert ungelöste Aktionen, substituiert Fähigkeiten und fordert Replans an. Jeder roboterzugewandte Befehl wird durch Budget und Lease begrenzt und über analytische Skills, Recovery-Skills und eine eingefrorene VLA ausgeführt. Offline lokalisiert eine geordnete Fehlerattribution die Fehlerschicht; gepaarte Regressionstests entscheiden über die Aufnahme von Revisionen.
Auf LIBERO-Pro, Entwicklungsblock mit 800 Episoden, erreicht DynaHarness im Schnitt 74,25 % gegenüber 20,3 % für PhyAgentOS mit derselben eingefrorenen pi_0.5-Politik und demselben Qwen3-VL-4B; die eingefrorene Politik liegt bei 16,2 %. Nach dem Einfrieren auf 800 neuen Startzuständen derselben Zellen erreicht DynaHarness 75,2 % gegenüber 17,5 % der Politik; vier eingefrorene Snapshots übertragen ihren Entwicklungsvorsprung von 14,3 Punkten auf 14,4 Punkte auf neue Zustände. Mit derselben Fähigkeitsbibliothek erzielt die volle dynamische Ausführung 74,0 %, nominales einstufiges Replanning 63,9 % und eine eingefrorene Sequenz 63,8 %; ohne sieben analytische Kontakt-Skills fallen 74,0 % auf 16,6 %. Auf 261 unberührten offiziellen Zuständen erreicht DynaHarness 77,0 % gegenüber 16,5 % der Politik; auf Standard-LIBERO 98,05 % gegenüber 98,0 %. Im echten Roboteraufbau gelingen Pick-and-Place Kreis zu 90 %, Becher stapeln zu 80 %, Brot aufnehmen zu 70 % und Schublade zu 70 % in je 10 Versuchen.
Das Paper ist ein Preprint ohne Begutachtung. Die Evaluation stützt sich stark auf LIBERO-Pro; reale Versuche umfassen nur vier Aufgaben mit je zehn Durchläufen. Die Überwachung nutzt das Benchmark-Erfolgsprädikat, das in unstrukturierten Umgebungen nicht direkt verfügbar sein dürfte. Die Selbstevolution wurde auf denselben Aufgabenklassen validiert; die Pilotstudie mit Claude Sonnet 5 umfasst nur 40 Episoden. Details zu Code- oder Hardware-Reproduzierbarkeit jenseits der Projektseite sind im Paper nicht berichtet.
Für Anbieter von Roboter-Politiken und Agentic-Manipulation kann DynaHarness als Integrationsschicht dienen, die bestehende VLAs um physische Governance und validierte Selbstverbesserung ergänzt. Kurzfristig, innerhalb von ein bis drei Jahren, sind Einsätze in kontrollierten Logistik- oder Laboraufgaben denkbar, wenn sichere Perzeptions- und Überwachungsschnittstellen vorhanden sind. Für voll autonomes selbst evolvierendes Verhalten in offenen Umgebungen sind mehr als drei Jahre nötig, da dafür robuste Fehlerattribution, umfangreiche reale Regressionstests und Sicherheitsnachweise fehlen.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.