DynaHarness动态物理执行框架将LIBERO-Pro成功率从17.5%提升至75.2%

如何将物理执行中的失败证据转化为可验证的机器人能力修订，并实现语义推理与物理执行的实时协调？

长程操作需要语义推理和物理执行配合，但语义推理时间尺度比物理交互粗，且任务级失败难以定位应修改哪一组件。现有执行编排缺少对运行中命令的显式物理权威，自改进方法缺少失败定位和回归检查。

此前有两条路线。执行编排类由一个高层智能体分解任务、选择工具或学习策略，并做验证或恢复，但接触、进度和中间状态常出现在粗粒度规划之间，缺少治理当前命令的机制。自改进类根据任务失败做程序修复、技能获取或恢复构建，但失败可能发生在规划、接地、执行、验证或恢复任一层，缺少分层定位和准入标准。

DynaHarness采用共享物理执行合同。Qwen3-VL-4B慢速大脑按需提出技能和符号参数，不输出位姿；2 Hz快速大脑负责接地、监控、拒绝未解决动作、替换技能、请求重规划；20 Hz控制器执行，50 Hz安全检查。合同用预算和租约约束命令，记录分析技能、恢复技能和冻结VLA的决策与结果。离线失败归因按N个有序层定位故障，配对回归检查决定修订是否入库。

在LIBERO-Pro开发集800个回合上，DynaHarness为74.25%，同样使用冻结π0.5和Qwen3-VL-4B的PhyAgentOS为20.3%，Harness VLA为6.0%，冻结策略16.2%。冻结后新采800个状态，DynaHarness 75.2%，冻结策略17.5%；261个未触碰官方状态上77.0%对16.5%。同一技能库下完整动态执行74.0%，一次性重规划63.9%，冻结序列63.8%。移除7个分析接触技能后降至16.6%，接近裸策略16.2%。真机4个任务各10次试验：圆形拾放90%、叠杯80%、拾放面包70%、放入抽屉70%。

作者承认候选更新通过配对门后曾在5个炉灶单元损失79次成功，需更广泛回归验证；开发最后1.0个百分点增量不确定（p=0.0768）。主结果来自仿真，真机仅4个任务、各10次试验，论文未报告更多硬件场景、跨机器人泛化或是否开源代码。