PhyAgentOS v1.0.0 正式发布，开启物理智能递归自进化时代

模型竞争的下一站，是让智能体在真实世界里可执行、可验证、可进化。

从 OpenAI 开源 Codex Harness，到 DeepSeek 提出“一切皆插件”，再到 Anthropic 发布模型硬件标准 MHS，头部实验室的动作指向同一个判断：模型竞争的下一站，是让智能体在真实世界里可执行、可验证、可进化。而RSI（Recursive Self-Improvement，递归自进化）的核心，正是让经过验证的改进进入下一轮。

无独有偶，两个月前悄然开源的 PhyAgentOS，如今交出了它的正式版答卷。8 月 31 日，面向物理世界的 RSI 基础设施PhyAgentOS v1.0.0正式发布。它为物理智能模型补上了最关键的一块拼图，每一次动作的执行有据可查，每一次任务的成败有据可验，只有经过验证的经验才能沉淀下来、反哺下一轮进化，从模型决策、物理执行到经验回流，递归自进化的完整闭环就此形成。

该框架由 X-Era Lab（拓元智慧）、中山大学 HCP 实验室与鹏城国家实验室具身智能研究所联合研发，2026 年 7 月开源后即持续迭代，Star 数已超过 2000。

Github: https://github.com/PhyAgentOS/PhyAgentOS-core

项目网站：https://phy-agent-os.x-era.com/

技术报告：https://arxiv.org/pdf/2607.16636

01 从动作结束到任务验收：

一条物理执行主线，两条可信闭环

在物理世界里，动作做完和事情做成，是两回事。机械臂走完了轨迹，夹爪也合上了，但目标物抓没抓稳、放没放对位置，传统框架往往无从回答。PhyAgentOS v1.0.0 将执行过程纳入同一条链路，让每一步都能被追问到底。

图 1｜PhyAgentOS 新版总体架构：一条物理执行主线，两条可信闭环。

在这条链路中，Agent 规划目标，动作经 Forge Tool API 进入 ToolEndpoint 与 Dora 数据流直达机器人，AgentTask 全程留痕，Evidence 与 Verifier 依据现场证据验收结果。其中 Forge Gateway 只做“守门人”，负责能力发现、路由与执行状态管理，不替用户定义什么叫成功。而得益于统一的 Tool 契约，更换模型、仿真器乃至机器人本体时，上层应用一行代码都不用改。

执行可信了，接下来的问题自然浮现：如何把这份"可信"沉淀为可复用的工程秩序？PhyAgentOS的选择，是从给物理动作"立规矩"开始。

02 核心演进与模块升级，

从给物理动作“立规矩”开始

物理世界不像代码，点错了可以撤销重跑。所以 v1.0.0 立的第一条规矩，就是把“看”和“动”彻底分开。Forge Query 负责看，只读取状态、只做不改变环境的计算。Forge Action 负责动，每一次真实的物理动作都必须从它这里发起。而且 Gateway 收下动作，只代表任务排上了队，不代表事情办成了。一旦遇到超时、取消或结果未知，系统不会盲目继续，而是先回头核实现场，再决定下一步。

第二条规矩，是让每种信息规范在对应的文件中。人和 Agent 要读的长期知识，继续留在 AGENTS.md、SKILL.md 这类 Markdown 文件里。真正跑起来的执行，一律走 Forge Tool API。执行中产生的事实，则交给 AgentTask、PlanRevision 与 Evidence Bundle 这些结构化记录来保管。旧版那套靠轮询 Markdown 文件来驱动执行的做法，就此退出历史舞台。

图 2｜协议精简不是放弃 Markdown，而是让知识、执行与事实分别进入合适的载体。

第三条规矩，是任何结论都要拿证据说话。Query 和 Action 记下执行了什么，图像和机器人状态记下现场什么样，Verifier 则拿着目标和成功标准独立验收。证据本身也不是拿来就用，格式、大小、来源、时序，四道关一道都不能少。如果验收没通过，系统不会推倒重来，而是在原任务上追加一次 PlanRevision，带着此前的动作、证据和判断，换个计划接着干。

图 3｜执行事实、现场证据与任务结论彼此独立，Verifier 负责把它们组织成可检查的验收结果。

PhyAgentOS 任务验证与重新规划能力演示

立完规矩，能力本身也被纳入工程化管理。Skill 沉淀任务方法，Tool 代表当前可调用的能力，Skill Runtime 则像一位尽职尽责的“管家”，包揽安装、启动、健康检查与生命周期管理。每个 Skill 都打包完整分发，经过校验之后才会上线，安装前还会自动确认 Gateway 和所需 Tool 是否就位。内置的 move-arm-by-ee Skill、benchmark skill 开箱即用，一行命令启动对应的 Dora profile，状态查询、末端运动和夹爪动作即刻就绪。

图 4｜Skill 指导 Agent，Tool 进入 Forge 执行；经过验证的任务经验再通过门槛形成新 Skill 或 Scoped Lesson。

PhyAgentOS 通过安装 Skill Runtime实现特定技能

03 具身 RSI：

拒绝过拟合的受控进化闭环

让系统自我进化，最难的从来不是“进化”本身，而是分得清什么是真经验。一次偶然的抓取成功，可能是目标物恰好停在了顺手的位置，可能是摩擦力帮了忙。如果照单全收，系统学到的就不是方法，而是运气。PhyAgentOS 的回答很克制，只有经过验证的 AgentTask，才有资格进入经验的提炼流程。

系统会把每个任务的目标、计划修订、工具轨迹、验证结果和证据指纹，整理成一份完整的 TaskEpisode，然后按成色分流。稳定可复现的流程，晋升为 SkillCandidate 候选技能。反复出现的工作流问题，记为 FailureObservation，等待修复。至于设备掉线、网络抖动、证据不足这类“环境噪音”，只留下一份诊断记录，绝不混进经验库。该学的一课不落，不该学的一点不沾。

门槛还不止于此。一个 Skill 想正式晋升，一条 Lesson 想被激活，都必须有多个相互独立的任务共同背书，再通过结构与安全两道检查。具体坐标、凭据、Endpoint、可执行 ID，以及任何试图绕过 Forge 或 Verifier 的指令，一律不得写入 Skill。内置 Skill 同样动不得，新版本只以 workspace override 的形式叠加，历史版本完整保留。就算写入或演进中途失败，也不会殃及原任务的执行结果。

所以，v1.0.0 所谓的“自进化”，走的是一条刻意求慢的路。先执行，后验证。先积累独立证据，再抽象成经验。先通过边界检查，才允许影响下一次任务。让每一步进化都踩在证据上，这才是物理世界里可持续的 RSI。

PhyAgentOS 技能进化与经验沉淀功能演示

04 严谨基准：三大具身 Benchmark

验证真实泛化增益

自进化是否真实有效，最终要拿数据说话。PhyAgentOS 将任务分发、环境重置、策略执行、证据采集、失败分析和报告生成纳入 AgentTask 与 Forge 流程。评测分为两个口径：First attempt 记录策略首次运行成绩，Final outcome 记录有界恢复后的最终结果；两者分开统计，重试不计作新 episode。

在 LIBERO 上，X-VLA 首次失败的 54 个 episode 中有 26 个经分析和恢复后完成，最终失败数降至 28，过程中未修改策略模型代码。Benchmark Skills 还支持用自然语言选择基准、策略和任务范围，并输出包含任务来源、失败证据和复现配置的结构化报告。

Video: Automated evaluation of OpenVLA implemented on theLiberobenchmark

05 生态扩展与升级收益：

从 43 种构型到 1.0.0 产品周期

能力闭环之外，v1.0.0 的生态版图也在快速扩张。截至 v1.0.0，PhyAgentOS 支持的机器人构型由 19 种增至 43 种，覆盖机械臂、四足、人形、移动操作平台和灵巧手；其中 9 种支持真机运行，包括 PIPER、GO2、G1、SO-101、GR-3、Astra-Pro、H1-Pro、Lekiwi 与 Stella 灵巧手。

算法节点由约 4 个增至 9 个，覆盖 Pi0.5、SmolVLA、VLA-JEPA、LingBot-VA、FastWAM、SAM3、YOLO、ACT 与 Diffusion Policy，另有 11 个节点列入路线图。新机器人通过 ToolSpec、Query / Action ToolEndpoint 和 manifest v2 Skill Bundle 接入，无需改动 Agent 调度层。

项目采用 dev 日常更新、main 版本发布的双轨机制。核心仓库已迁至 PhyAgentOS 组织并更名为 PhyAgentOS-core，相关文档同步更新。截至发稿，GitHub Star 数接近 2000；9 月将启动机械臂 Agent、跨构型迁移和仿真到真机等技术直播。

PhyAgentOS 采用 MIT 协议开源。X-Era Lab 是主要工程贡献者和首批真实场景部署方，XLeRobot、松灵、睿尔曼和零次方参与官方维护。统一 Tool 契约减少模型对单一机器人接口的绑定，也为机器人、仿真和教学场景提供一致的任务记录与验证链路。

06 快速上手：五行命令开启

递归自进化物理智能探索

运行以下命令即可开始：

git clone https://github.com/PhyAgentOS/PhyAgentOS-core.git

cd PhyAgentOS-core

python -m pip install -e .

paos onboard

paos agent

加载机器人 Skill：

paos skill install move-arm-by-ee

paos skill start move-arm-by-ee --profile mujoco

paos skill status move-arm-by-ee

Forge Gateway 需根据 Skill Runtime 与环境单独启动。PhyAgentOS 也支持 LIBERO、CALVIN、RoboCasa365、Isaac Sim 和真实机器人。

07 结语：让物理行动可核对、

让进化经验可复用

模型能力不断提升，但真实环境还要求系统说明：动作经过什么边界、结果由哪些证据支持，失败后如何继续。

PhyAgentOS v1.0.0 将这些环节放进同一条链路：Agent 负责目标与策略，Forge 负责执行，AgentTask 记录过程，Evidence 保存现场，Verifier 判断结果，Skill Runtime 管理能力，Evolution 只沉淀经过验证的经验。

这套分工让任务结果可检查，失败过程可复盘，验证过的经验可继续使用。物理智能体的递归自进化，由此变成可落地的基础设施。

文章来自于"AI科技评论"，作者 "PhyAgentOS team"。