厘清智能发布 RoboDoctor：RoboDojo 57.10 分背后的执行诊断与纠错

近日，厘清智能创始人李一鸣教授团队发布机器人执行诊断框架 RoboDoctor。据团队报告，RoboDoctor v1.0 在 RoboDojo 全部 54 项任务的仿真实验中取得 57.10 分。同期提出的世界动作模型 PrismWAM，则以 83.67% 的平均成功率位列 RoboTwin 2.0 C2R 官方第一。

RoboDoctor 关注一个问题：底层策略生成动作后，如果结果偏离预期，系统如何继续推进任务？它先通过少量试运行评估策略对当前任务的适应程度。策略能够有效推进时，由策略执行连续动作，Agent 在必要时检查和干预；策略难以推进时，Agent 则组织操作步骤与动作工具。

执行前，系统可结合场景观测与运动学预览检查动作提案；执行后，再根据新的观测判断结果是否达到预期。有效的干预判断和操作方法被保存为后续可利用的经验。这个过程中，底层策略权重保持固定，改进发生在执行决策与经验利用中。

PrismWAM 研究动作生成所依据的状态表征。它让 RGB 侧重任务语义、Depth 预测空间状态变化，Action 从物理推演中生成动作。两项研究分别提供了模型设计和执行系统层面的早期结果；RoboDoctor 当前报告的成绩来自仿真实验，实际场景中的长期表现仍需检验。

厘清智能是一家 Physical AI Infra 平台公司。它所押注的，不是某一种机器人形态，也不是单纯扩大数据规模，而是为 Scaling Physics 建设一套原生基础设施，让真实任务更高效地转化为物理能力，并让能力在持续反馈中不断进化。