🦾 具身智能 · 开源框架
不用示教，一句话让机器人干活：Jiuwen Symbiosis 开源，以「态势感知闭环」叫板端到端大模型
OpenJiuwen 社区近日开源面向 Physical AI 的 Agent 框架 Jiuwen Symbiosis（九问·共生）：用户无需示教、无需写脚本，一句自然语言指令，系统即自主完成感知、理解、规划、执行与结果校验，并原生适配昇腾、鲲鹏国产算力。它要向行业证明：物理世界的智能体不该是一个黑盒端到端模型，而应是一套持续闭环、可解释的系统。
来源：公开报道•
类型：项目方技术解析•
全文约 4 分钟读完
#Physical AI
#具身智能
#OpenJiuwen
#机器人
#昇腾
0 次示教
换任务只需换一句话，代码不改、配置不动
5 环节闭环
感知→规划→执行→观察→反馈，持续迭代
6 个文件
接入一台新机器人所需的全部适配工作
⚡ 30 秒速览
- 是什么：OpenJiuwen 社区开源的 Physical AI Agent 框架，一句自然语言即可驱动机器人跑完「感知→规划→执行→校验」全流程，官方示例指令：「把黑色盒子放到白盒子上」。
- 核心主张：物理世界既不能靠开环脚本，也不能只靠单一端到端大模型——答案是一套持续运行的「态势感知循环」（SA Loop）。
- 关键取舍：规划层零空间解算，用纯 LLM 而非 VLM（规避空间幻觉）；闭环判稳只回答二值问题（抓住了/滑掉了），几何判据 + VLM 双轨兜底。
- 工程底座：端云协同部署，原生对接昇腾 NPU + 鲲鹏 CPU；新机器人接入只需写 6 个文件的适配器，核心智能体逻辑不动。
- 阅读提示：原文为项目方设计阐述，全文无成功率等实测数据，建议带着这个背景阅读（详见文末「编辑视角」）。代码已在 GitHub / GitCode 双仓库开源。
01它是什么 从「教它怎么做」到「告诉它做什么」
写代码、查资料、调工具——AI Agent 在数字世界已相当能干，但这些能力大多停留在软件与屏幕之内。Jiuwen Symbiosis 瞄准的下一步，是让智能体从「数字助手」变成「物理世界的执行者」：像指挥一位经验丰富的工人那样说清目标，剩下的感知、规划、执行全部由 Agent 自主完成。
传统机器人模式
示教器一点点记录轨迹，动作顺序写成固定脚本；任务或环境一变，就要重新配置、甚至重排整个流程。可控，但泛化能力有限。
Jiuwen Symbiosis 模式
一句自然语言指令：自主识别环境状态、定位目标、拆解规划；抓取偏移、放置不准会动态纠正并重试，不依赖预先写死的步骤。
「只告诉它做什么（What），不必教它怎么做（How）。」
这正是「Symbiosis（共生）」命名想表达的含义：人与智能体在同一目标下分工协作，而不是简单的控制与被控制。
🗣️
官方给出的使用方式
「把黑色盒子放到白盒子上。」——机器人自行视觉识别目标，自主规划每一步，完成抓取、搬运、放置，跑完整个闭环。想换任务？换一句话即可：代码不改，配置不动，技能自动复用。
02为什么不把一切交给端到端大模型
把「感知理解→任务规划→动作执行」完整压进一个 Transformer、端到端直接输出关节位姿——看起来足够优雅，但原文指出了三个在真实机器人系统里绕不开的挑战，以及对应的工程设计：
痛点 ① 跨本体、跨环境、跨任务泛化有限
当前主流端到端具身模型（如 VLA）与特定机器人形态、训练场景强耦合；换硬件、换环境，甚至面对分布外的任务变体，往往要重新采集数据、重新训练，迁移成本高。
→
解法：解耦本体、环境与动作执行
三者拆为独立模块，硬件形态或场景环境变化时，系统仍能稳定泛化迁移。
痛点 ② 长程复合任务能力不足
多步骤、长时序任务中，单一端到端模型缺乏显式的任务分解与子任务编排，难以中途纠错与策略回退——本质是「轨迹模仿」，而非在线规划与决策。
→
解法：原子化工具库（Tool Library）
通过工具组合完成复杂任务，依托组合泛化能力适配各类长时序复合作业。
痛点 ③ 成功率低、稳定性差
黑盒结构直接输出关节位姿，认知决策与运动控制混在一个模型里，整体训练难度大，在真实物理系统中往往表现为稳定性不足、任务成功率低。
→
解法：显式模块 + 闭环智能体循环
感知、规划、执行拆为独立可解释模块，统一运行在带实时视觉反馈与动态重规划的 SA Loop 中，降低端到端优化难度。
一句话概括这条技术路线的分歧：端到端路线赌的是「一个足够强的模型」，Jiuwen Symbiosis 赌的是「一个足够稳的系统」。
03核心拆解：态势感知循环（SA Loop）
为什么物理世界必须是闭环？数字世界里说错话可以撤回、重生成；物理世界里抓错了，轻则操作失败，重则设备损坏、生产中断，甚至安全事故。而且物理世界持续变化、不可完全回放——物体被碰走、机械臂累积误差，这些不确定性是常态。因此系统不能「预先规划完整流程、一次性执行」的开环模式，必须在感知与执行之间持续循环：
九问物理感知→安全规划→物理执行→状态观察→观测反馈→↺ 回到感知
① 九问物理感知：先看懂现场，输出结构化世界状态感知器官
- 接收视觉、文本、语音多模态输入；相机同步采集 RGB + 深度信息，为空间解算提供高精度数据基础。
- 物体检测摒弃硬编码类别清单，采用开放词汇范式：把「黑色盒子」这样的目标描述以纯文本输入，即可完成定位识别——检测对象由用户指令动态指定。
- 目标坐标统一投影至机械臂基座坐标系，自动解算抓取高度、接近位置、放置点位，输出含语义、位姿、置信度与可执行参数的结构化状态。
- 关键分工：感知层承担所有空间解算，规划层无需任何数值推算，只做逻辑决策——感知与规划彻底解耦。
② 安全规划：纯 LLM 做大脑，先校验再执行规划大脑
- 刻意使用纯 LLM 而非 VLM：VLM 在空间计算精度上有天然短板且鲁棒性更弱；既然感知层已完成全部几何测算，规划层便从坐标运算中解放，从源头规避「空间幻觉」导致的误操作。
- 意图解析后将复杂任务拆成时序有序的子任务序列；以通用 Skill 模板 + 感知层已解算的精确参数动态绑定，组装出「场景专属可执行技能」。
- 内置物理约束与安全边界校验：越界、碰撞、不合物理逻辑的动作，在源头就被过滤。
③ 物理执行：原子化动作，异常可回退执行小脑
- 所有动作封装为原子化函数：
move_to_xyzr()、gripper_open()……每个动作独立、与环境和本体解耦，可自由组合为任意操作序列。
- 能力与动作严格匹配：系统只调用真实存在的硬件能力——一个吸盘机器人永远不会被指派「闭合夹爪」这种不存在的动作。
- 异常状态可恢复：任何一步抛异常，系统精确回退至上一个稳态节点，机械臂自动回 Home 位、松开夹具，而非悬停在不可预知的中间位置。
- 保留兼容性：VLA 等「小脑模型」也可封装为统一工具接口，由系统按需调度。
④ 状态观察与反馈：只问二值问题，判稳永不降级闭环判稳
- 每轮操作后回到固定观测位拍照判稳：只回答二值问题——「抓住了还是滑掉了」「放上去了没有」，大幅压低对模型空间理解能力的要求，VLM 也能可靠胜任。
- 几何判断 + VLM 双轨制：默认按「物体是否进入目标区域」快速判定；也可直接向 VLM 提问（如「黑色盒子是否已放置在白盒子上？」）；VLM 不可用时自动回退几何判据，判稳逻辑任何情况下不降级。
- 失败则按异常类型触发局部重规划或参数修正；无论成败，下一轮感知都会重新采集现场、刷新世界状态——一切回到事实层面，而非上一轮的推测。
这套设计贯穿同一条逻辑：把对单个模型能力的门槛压到最低——空间解算全归感知，规划只做纯逻辑，判稳只答二值问题。稳定性来自系统结构，而不是某个模型的超常发挥。
04端云协同与本体解耦 昇腾 NPU + 鲲鹏 CPU，6 个文件换一台机器人
Agent 框架始终保持端侧闭环运行（完整的感知-规划-执行-反馈回路），模型则按算力需求做差异化部署：
☁️ 云侧：大参数复杂模型
用于意图解析与任务拆解的大语言模型（LLM），以及用于视觉反馈的视觉语言模型（VLM）。
🤖 端侧：轻量实时感知模型
轻量化实时多模态感知模型，直接提供本地 server 服务，确保机器人对环境的快速响应。
算力底座原生对接国产化生态，形成「端云异构、分层承载」：昇腾 NPU 统一承载端云两侧的 AI 推理负载（视觉检测、多模态感知、大脑规划等高频重算任务）；鲲鹏 CPU 专职流程调度、设备状态管理与底层运动控制。设计逻辑是将异构算力与业务类型精准匹配，避免单一计算单元因并发争抢资源导致性能瓶颈。
🔌
本体解耦：Capability Mixin + Adapter 模式。支持任意构型、末端执行器及传感器形态，接入新硬件只需实现 6 个文件，无需修改核心智能体逻辑：
配置驱动环境接口会话YAML
于是「换一台机器人」从「重写一套 Agent」变成「写一个适配器，其余照旧」。对想把框架用进真实场景的团队，这往往比「支持了多少种机器人」更重要。
✍️ 编辑视角 · 阅读提示
先说立场：本文是 行业媒体刊发的技术解析，通篇为项目方视角的设计阐述，接近一份「官方设计白皮书」。阅读时建议带上三副眼镜——
① 零实测数据。全文没有任务成功率、对比基线、时延节拍等任何量化指标；「端到端模型成功率低、稳定性差」是项目方的立论，而非第三方结论。架构之争最终要靠跑分与复现说话。
② 分层解耦是工程共识，不是独家发明。感知 / 规划 / 执行解耦是当下具身智能的主流工程路线之一，多家团队路线相近。它换来的是稳定性与可解释性；能否真正解决跨本体泛化，仍待开源社区验证。
③ 算力底牌值得留意。「对昇腾、鲲鹏天然亲和」点明了项目与华为国产算力生态的深度绑定——这是差异化优势，也是选型时绕不开的技术栈约束。
独立判断：这篇文章真正的价值不在结论，而在取舍逻辑——「规划层不做空间解算，所以用纯 LLM 而非 VLM」「闭环判稳只需回答二值问题」——这些刻意压低模型能力门槛的工程思路，对任何做 Agent 系统的人都有参考价值。至于「好不好用」，请以仓库实测为准。
▶代码已开源，可亲自验证
框架已在 GitHub 与 GitCode 双仓库开源。官方建议的上手方式只有一步：
像指挥一位经验丰富的工人那样，说清楚目标——例如 「把黑色盒子放到白盒子上」。