DynaHarness：用于自演化机器人智能体的动态物理控制框架

预训练机器人策略提供了有用的动作先验，但长时域操作仍需要语义推理与物理执行之间的协调。语义推理的运行时间尺度比物理交互更粗，而回合级失败只能有限地指示应当修改系统中的哪个组件。我们提出 DynaHarness，这是一种动态物理控制框架，通过共享执行契约将语义推理与物理治理相耦合，并将失败证据转化为经过验证的能力修订。具体而言，慢脑提出能力和符号参数，而快脑则对命令进行落地与监控，拒绝无法解析的动作，替换能力，并在需要时请求重新规划。物理执行契约约束每条被接受的命令，并记录分析技能、恢复技能和冻结 VLA 的执行证据。失败归因在这些记录中定位故障，并指导对可复用能力或执行机制进行有针对性的修订。成对回归检查决定是否接纳或拒绝修订，从而闭合自演化循环。在 LIBERO-Pro 上，DynaHarness 在新采样的 800 个初始状态上取得了 75.2% 的成功率，而冻结策略为 17.5%。在使用相同能力库的情况下，完整动态执行达到 74.0%，而名义上的单步重新规划仅为 63.9%。这证明了 DynaHarness 作为动态物理控制框架的价值：它能够在执行过程中管理现有能力的落地、监控与协调。我们的项目页面位于 https://denghaoyuan123.github.io/Dynaharness_page/。