OpenArm + TMR
双臂与末端适配
同一任务 · 多种执行方式
01
实验任务实验对象 · 操作要求 · 目标状态
任务定义一致Franka + TMR
运动学与控制适配
Phoebe
移动与操作协同适配
✓
同一验收标准对象与设备状态符合任务要求
示意：同一任务在不同构型间复用，执行方式分别适配。
同一任务与验收标准，多种执行配置
两类任务，跨硬件执行。
从样品转移到设备操作，把实验要求带到不同机器人上。不只观察动作是否完成，也检查对象与设备是否进入目标状态。
将指定试管从来源位置送入目标孔位，分别适配移动、抓取与放置。
70 秒视频暂时无法加载。请重试，或通过上方链接直接打开视频文件。
验收关注
目标对象、目标孔位、完成释放，以及释放后的终态稳定。
配置说明
OpenArm + TMR、Franka + TMR 与 Phoebe 分别适配路径、停靠和取放操作。
任务与验收
同一任务在不同硬件上采用一致的实验要求；样品转移与设备操作各有对应的验收条件。
路径与末端
底盘、机械臂与末端决定具体执行方式。抓取试管与按下按钮，需要不同的操作策略。
独立仿真任务
两项任务分别初始化，不表示自动换工具或连续工作流；实机可靠性与现场交付仍需验证。
查看本次演示的硬件配置与适用范围
| 平台 | 样品转移末端 | 设备操作末端 |
|---|---|---|
| OpenArm + TMR | 平行夹爪 | ORCA 灵巧手 |
| Franka + TMR | 平行夹爪 | Wuji 灵巧手 |
| Phoebe | 平行夹爪 | Allegro 灵巧手 |
样品转移使用左侧夹爪，设备操作使用右侧灵巧手。比较展示整套配置对任务的适配，不是机械臂或灵巧手的性能排名，也不据此推定触觉能力或实机成功率。
演示更新于 2026 年 9 月 12 日。三种构型是本次对比样本，新增硬件需经过适配与验证；平台名称不表示商业合作或背书。
从实验现场的问题出发
设备之间，
还有大量工作等人接上。
实验室已有专用设备，仍有样品流转、设备交互和结果判断需要人来衔接。这些环节决定了实验能否在人员不在场时继续推进。
人机共用的存取
兼顾人的使用习惯与机器的定位、识别和操作，减少样品错放与重复寻找，探索存量冰箱的小改造方案。
定位样品 → 存取交接 → 更新状态
取样之后，接上划板
从固体培养物取样，衔接培养皿开合、划线和记录。把目标识别与一致性要求带入具体操作。
确认目标 → 取样划板 → 记录追踪
让测量按节奏继续
按实验安排衔接取样、检测与数据归集，并根据测量结果和授权条件安排下一次操作。
定时调度 → 取样检测 → 结果回流
数据出来，样品接着走
根据检测结果计算用量和目的地，调度液体工作站、机器人与人员，衔接归一化、混样等处理。
读取结果 → 分配资源 → 执行验收
以上方向来自需求交流，按应用逐项研发与验证，不代表均已完成交付。低温、污染控制及生物安全要求需专项评估。
价值不只在于少做几次操作，
更在于多完成多少合格实验。
新增合格工作量等待与周转变化人工干预负担
以中间层为核心，交付实验应用
从实验要求，
到执行、交接与验收。
客户采用的是面向具体任务的实验应用。研序将任务授权、受控决策、操作中间层与执行接口连接起来，让每一步有目标、有边界、有反馈。
任务输入与授权
实验目的与 SOP对象与环境可用资源操作与决策权限
将实验要求转为可检查的任务
应用层 / 受控决策
理解目的，组织下一步
结合模型、实验知识与当前状态规划任务；在授权内推进，遇到越界或未知风险暂停并交接。
下发任务、约束与验收条件
LABMOZART / 核心资产实验操作中间层保留实验语义，适配硬件差异，检查执行结果。
LabManip-IR
统一描述对象、状态、动作约束与成功条件。
标准技能库
保存操作定义、前置条件与适用边界。
跨末端编译
匹配硬件能力，形成路径、接触与控制要求。
闭环运行时
读取反馈，调整操作，处理恢复、暂停与交接。
证据与验收器
检查对象与设备状态，保留过程及失败证据。
经适配与验证的执行接口
执行与协作
机器人与末端仪器与控制系统样品与耗材人员确认与交接
状态与异常回流
执行反馈进入运行时，验收结果返回应用层，决定继续、恢复还是交接。
执行反馈进入运行时，验收结果返回应用层，决定继续、恢复还是交接。
以上为产品架构。技能、硬件适配与应用交付按各自证据范围逐项验证；模型生成的方案不能绕过工程审查直接控制实机。
先理解现场，再进入现场
让实验应用，
适配真实的实验室。
空间、设备和硬件配置不同，部署不能只靠复制代码。先建立现场模型，再逐步检查可达性、任务执行与验收条件。
- 01
扫描与建模
记录空间、设备位置与交互区域，建立可追踪的现场输入。
LabMozart Capture · 现场输入 - 02
数字适配
选择硬件，检查空间、对象、动作与约束，在数字环境中预演任务。
数字实验室 · 适配与预演 - 03
实机验证
经过工程审查，在受控条件下验证真实接触、控制与异常处理。
接触与抓取安全与恢复任务验收 - 04
现场验收
在约定现场与任务范围内验收，并明确运行条件、人工交接和服务边界。
现场条件运行范围交付记录
现场有变，重新检查。 硬件、设备、样品或流程变化后，回到相关环节重新适配与验证。
扫描与数字预演为工程验证提供输入，不代替现场尺寸测量、安全评估或实机验收。交付范围、部署安排与验收条件在项目启动时共同确认。
查看已有研发素材与工程记录
数字环境与动作预演
数字实验室包含 6 个功能房间、55 个场景实例，用于空间、对象与工作流规划。代理模型不代表安装尺寸或碰撞认证。
Candidate-42 v16：31 个阶段、215 个状态，8/8 隔离阶段审查。用于复核动作顺序、装配、姿态与路径。
脚本化 Unity 工作空间预览，不代表接触物理、真实开盖或实机成功率。
既有证据包的工程记录
以下为早期证据包在网站首版（2026 年 9 月 2 日）采用的记录，不与 9 月 12 日双任务演示合并计数。
- 162 项数字资产
- 对象建模与来源追踪的基础。
- 9/9 准入检查
- 限定仿真链的门禁结果，不是任务成功率。
- 3,359 步运行轨迹
- A3 轨迹记录规模，用于过程复核。
- 22/22 证据文件
- 文件存在且哈希匹配，说明归档完整性。
AI-native 研发
让这一次的验证，
成为下一次的起点。
AI 扩大方法搜索与候选生成的范围，工程约束和统一评价筛选可用方案。技能、适配与验收经验在每轮研发中积累。
- 01
定义任务
目的、对象、约束与验收条件
- 02
生成候选
方法检索、模型建议与人类示教
- 03
适配与验证
仿真筛选、失败分析与分级验证
- 04
沉淀资产
保存可复用方案与适用边界
验证未通过 → 修订候选
定位失败条件，更新方法与约束，再次评价。
可复用资产 → 下一项任务
继承技能、适配与验收经验，减少重复搭建。
技能
保留实验语义与前置条件
适配器
复用硬件接口与能力描述
验收器
按一致规则检查执行结果
失败样本
记录触发条件、原因与恢复方式
了解方法检索与评价机制
MethodScout 是研发流程中的方法检索环节：寻找可用方法并保留来源；模型与示教生成候选，仿真与统一评价筛选，再把结果纳入可追溯资产库。新的实机执行仍需工程审查与硬件验证。
交付实验应用，也成为伙伴方案的一部分
实验室按需采用，
与伙伴共同落地。
围绕明确的实验任务，组合软件、硬件适配与交付服务。可结合实验室已有设备，也可与伙伴共同提供完整方案。
按需采用实验应用
结合已有设备与硬件条件，选择整体方案或约定范围的按期应用服务，逐步扩展任务。
一起明确
实验目标、可用资源与验收要求
把硬件接入实验场景
将经适配与验证的实验应用纳入产品方案，发挥厂商的硬件、渠道与服务优势。
一起完成
硬件适配、应用验证与联合方案
把设备连接成应用
结合设备接口与现场经验，衔接实验环节，共同完成集成、部署及后续服务。
一起交付
设备衔接、现场验收与持续支持
先明确应用，再约定交付。
围绕任务范围、部署条件和服务责任形成合作方案；已约定能力与新增专项开发清晰区分。
交流应用与合作需求