SPINE to framework wykorzystujący agentic AI do systematycznego debugowania i wdrażania robotów bimanualnych, adresując kluczową przeszkodę w skalowaniu technologii embodied AI - lukę między zaawansowanymi modelami foundation a ich praktycznym wdrożeniem na robotach fizycznych. Problem stanowi czasochłonna kalibracja wymagająca eksperckiej wiedzy, którą SPINE ma zautomatyzować przez strukturalny workflow oparty na agentach AI.
System SPINE składa się z dwóch skoordynowanych wieloagentowych przepływów pracy. Pierwszy - profile builder - tworzy kontekst specyficzny dla danego robota, gromadząc informacje o jego architekturze i parametrach. Drugi - debugger - cyklicznie przechodzi przez fazy diagnozy problemu, naprawy i walidacji działania, aż do uzyskania funkcjonalnego teleoperacji. Innowacyjność rozwiązania polega na tym, że całość opiera się na agentic AI, która autonomicznie podejmuje decyzje diagnostyczne bez ingerencji człowieka.
Wyniki testów są imponujące. Na siedmiu scenariuszach debugowania robota DOBOT X-Trainer, użytkownik bez doświadczenia robotycznego korzystający ze SPINE wyprzedził operatorów używających Claude Code z tymi samymi materiałami referencyjnymi ale bez strukturalnego frameworku - poprawiając sukces operacyjny z 75 procent do 100 procent i redukując średni czas do teleoperacji z 16 minut 45 sekund do 13 minut 47 sekund. Na całkowicie innym systemie, robocie AgileX PiPER z architekturą ROS/CAN, SPINE rozwiązał wszystkie 10 umieszczonych błędów versus 9 z 10 dla eksperta bazowego, w niemal tym samym czasie. Wyniki pokazują, że SPINE transferuje się między platformami bimanualnym, zmniejsza zależność od eksperckiej kalibracji i zbliża embodied AI do skalowalnego wdrożenia w rzeczywistych warunkach.