WetRobo: A Reproducible Robot Kit for Coding Agents in Biological Laboratories

📄 arXiv: 2609.18435v1 📥 PDF

作者: Yuna Oikawa, Kei Endo, Takanori Uzawa, Yunzhe Zhang, Manan Anjaria, Lerrel Pinto, Sherry Yang, Koji Tsuda

分类: cs.AI, cs.RO

发布日期: 2026-09-16

备注: 9 pages, 11 figures, 2 tables. Code and demonstrations: https://github.com/tsudalab/WetRobo

🔗 代码/项目: GITHUB

💡 一句话要点

WetRobo：一种可重复使用的机器人套件以简化生物实验室的自动化

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 机器人系统 生物实验室 自动化 自然语言处理 可重复性 实验室设备 适应性

📋 核心要点

  1. 现有的机器人系统在不同实验室环境中表现不稳定，难以实现通用性和可重复性。
  2. WetRobo通过提供一个可转移的机器人套件，使得生物实验者可以直接用自然语言指令控制机器人，避免了复杂的训练过程。
  3. 实验结果显示，WetRobo在两个不同实验室成功完成了多个任务，展示了其适应性和实用性。

📝 摘要（中文）

自动化生物研究需要通用且可重复的机器人系统，使得实验室研究人员能够在不进行遥控或神经网络训练的情况下委派机器人任务。为此，我们构建了WetRobo，一个可以在不同实验室间轻松转移的机器人套件。它包括一个机器人手臂、实验室设备（如培养箱、试剂瓶和培养皿）、现有的手臂移动代码、每个任务的遥控演示以及通用的AGENTS.md技能文件。生物实验者可以提供自然语言任务，而无需收集本地遥控训练数据或训练神经网络。我们展示了WetRobo在真实实验室中成功完成三个任务的能力：打开培养皿盖、移除瓶盖和打开培养箱门。结果表明，WetRobo为实验室机器人提供了一条实用的路径。

🔬 方法详解

问题定义：现有的机器人系统在不同实验室环境中表现不稳定，难以实现通用性和可重复性，导致生物实验者无法高效地自动化实验任务。

核心思路：WetRobo通过提供一个可转移的机器人套件，使得生物实验者可以直接用自然语言指令控制机器人，避免了复杂的训练过程。该系统能够在不同实验室中自适应，提升了操作的灵活性。

技术框架：WetRobo的整体架构包括一个机器人手臂、实验室设备（如培养箱、试剂瓶和培养皿）、现有的手臂移动代码、遥控演示和AGENTS.md技能文件。生物实验者通过自然语言输入任务，机器人则观察环境并执行相应的程序。

关键创新：WetRobo的主要创新在于其可转移性和适应性，允许生物实验者在不同实验室中使用相同的机器人套件，而无需为每个实验室单独训练策略。这与传统方法的本质区别在于，后者通常需要针对特定环境进行大量的训练和调整。

关键设计：WetRobo的设计包括现有的手臂移动代码和遥控演示，确保机器人能够快速适应新的实验室环境。此外，AGENTS.md文件提供了通用技能，便于机器人理解和执行自然语言任务。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

WetRobo在两个实验室成功完成了打开培养皿盖、移除瓶盖和打开培养箱门等任务。其中，机器人在两个实验室均成功完成了瓶盖任务，而针对特定实验室训练的VLA在另一个实验室则未能成功转移，显示出WetRobo的适应性优势。

🎯 应用场景

WetRobo的潜在应用领域包括生物医学研究、药物开发和实验室自动化等。其可重复使用的特性和适应性使得实验室研究人员能够更高效地进行实验，降低了对专业技术的依赖，未来可能推动实验室自动化的普及。

📄 摘要（原文）

Automating biological research requires general-purpose, reproducible robot systems that allow individual wet-lab researchers to delegate robot tasks without performing teleoperation or neural-network training. Vision-language-action policies have been proposed for general-purpose arms, but can lose performance when their operating environment changes. We therefore built WetRobo, a robot kit that can readily transfer between laboratories. It consists of one robot arm, laboratory equipment (an incubator, a reagent bottle with a cap, and a Petri dish), the existing code that moves the arm, teleoperation demonstrations of each task that we recorded, and a general AGENTS.md skill file. A biological experimentalist provides natural-language tasks without collecting local teleoperation training data or training a neural network. The coding agent observes the local laboratory and writes and executes programs, using external tools as needed for adaptation. We demonstrate use of WetRobo with OpenAI Codex (gpt-5.6-sol) on three successful tasks: lifting a Petri dish lid, removing a bottle cap, and opening the incubator door, all in real-world laboratories. The coding agent achieved the cap task in both laboratories, Lab X and Lab Y, whereas a VLA fine-tuned on Lab X demonstrations succeeded there but failed to transfer to Lab Y. These results point to a practical route for laboratory robotics: instead of training a policy for each laboratory, distribute a kit and let a coding agent adapt it in each laboratory. Code, demonstrations, and the evolved programs are available at https://github.com/tsudalab/WetRobo.