让“代码即策略”再次伟大：前沿 agent 编写、调用并演化机器人工具

该论文提出 URAI（Universal Robot-Agent Interface），将机器人操作分工为编程 agent 与执行 agent：编程 agent 依据任务意图编写可复用或任务专用的工具，并借助执行反馈与人工指导迭代修订；执行 agent 根据当前观测选择并参数化工具，每次调用本地完成完整动作后再交回决策权。在 RoboDojo 五项任务与四个冻结执行 agent 上，整体成功率从直接指尖控制的 18.0% 提升至 53.0%，且已验证的工具修订可跨回合持久化，无需更新基础模型权重。

此前用前沿模型直接控制机器人时，每个伸取、抓取和回撤都需模型推理，速度慢且消耗大量 token。URAI 把多阶段动作交给代码执行，把“下一步做什么”留给模型，在工具调用之间保留模型级决策，并让工具修订跨回合复用而不改动基础模型权重，因而在成功率、耗时与输出 token 上同时出现改善。

机制是两层分工加反馈闭环：编程 agent 从任务意图生成可执行工具，执行反馈与人工指导触发工具修订；执行 agent 只负责按当前观测选取并设定参数，每次工具调用在本地完整跑完一段运动后再返回模型决策。由于修订后的工具被持久化，能力积累发生在工具层而非模型权重层，同一套工具还通过共享 GUI 与 API 同时开放给人类和 agent 使用。

对机器人产品与研发而言，能力可沉淀为可版本化的工具库，而非依赖反复微调基础模型，降低 token 成本与迭代门槛；执行侧延迟下降、成功率上升，有利于把演示级操作推进到可重复的任务流程。共享 GUI 与 API 也意味着人类示范与 agent 调用可复用同一套接口，便于人工介入和质量校验。

• 构建面向机器人的工具注册与版本管理服务，记录每次工具修订及其在不同执行 agent 上的验证结果，支持跨回合复用与回滚。
• 提供人类与 agent 共用的工具 GUI/API 层，让操作员手动修正的参数可直接被 agent 调用，减少重复调试。
• 在任务编排产品中显式区分“工具调用”与“调用间决策”，把每步决策留给模型、把多阶段动作交给代码，作为降低 token 成本的可配置模式。

• 摘要仅截断在七个真实世界任务的评估处，其具体任务、成功率与泛化表现尚未在证据中给出。
• 成本改善主要来自执行 agent 输出 token 下降，编程 agent 编写与修订工具的开销是否被计入总成本尚不明确。
• 工具由编程 agent 自动生成并跨回合持久化，其错误工具或安全边界如何验证与拦截未被说明。
• “四个冻结执行 agent”中仅提到 DeepSeek-V4-Flash 成本几乎不变，其余模型的成本与延迟数据不完整。