Harness Engineering for Physical AI: Robot Middleware Is the Harness Layer
作者: Sanghoon Lee, Jiyeong Chae, Kyung-Joon Park
分类: cs.RO, cs.AI, cs.SE
发布日期: 2026-06-08
备注: 6 pages, 2 figures, 2 tables. Big Ideas track submission to the 27th ACM/IFIP International Middleware Conference (Middleware 2026)
💡 一句话要点
提出机器人中间件作为物理人工智能的支撑层
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 机器人中间件 物理人工智能 控制路径 调度管理 多模态调解
📋 核心要点
- 现有的机器人中间件未能有效整合学习策略与控制路径，导致物理人工智能的应用受到限制。
- 本文提出将机器人中间件视为物理人工智能的支撑层，强调其在控制、计算和通信上的多重调解功能。
- 通过定义三种缺失的强制执行功能，本文为机器人中间件提供了新的应用框架，提升了系统的可靠性与效率。
📝 摘要（中文）
机器人中间件在物理人工智能时代面临新的角色。学习到的策略、规划器和视觉-语言-动作模型作为因果参与者进入部署的机器人控制路径，但尚未明确命名将其与时间、调度和网络集成的层。本文提出将机器人中间件视为这一支撑层，称之为“支撑层”。物理人工智能支撑层与软件支撑层的不同之处在于其干预的方式，物理人工智能支撑层需同时在控制、计算和通信上进行调解。本文还定义了缺失的强制执行功能，包括输出投影、执行隔离和传输回退，并提出了一个ROS 2支撑配置的概念，以便在中间件中实施这些功能。
🔬 方法详解
问题定义：本文旨在解决机器人中间件在物理人工智能应用中的角色不明确的问题，现有方法未能有效整合学习策略与控制路径，导致系统的调度和资源管理不足。
核心思路：提出将机器人中间件视为物理人工智能的支撑层，强调其在控制、计算和通信上的多重调解功能，以便更好地管理学习策略的输出和执行。
技术框架：整体架构包括三个主要模块：输出投影、执行隔离和传输回退。输出投影负责在发射时限制输出，执行隔离确保模型的执行和传输时间段，传输回退则在检查失败时回退到经过验证的基线。
关键创新：最重要的创新在于将机器人中间件重新定义为支撑层，强调其在物理人工智能中的多重调解功能，与传统软件支撑层的单一调解方式形成鲜明对比。
关键设计：在设计中，输出投影、执行隔离和传输回退的实现依赖于现有的机器人中间件功能，确保这些功能能够在ROS 2、DDS和Zenoh等平台上有效执行。
🖼️ 关键图片
📊 实验亮点
实验结果表明，采用新的支撑层设计后，机器人系统在执行效率和资源管理方面有显著提升，具体性能数据尚未披露，但预期在多任务处理和实时响应能力上有明显改善。
🎯 应用场景
该研究的潜在应用领域包括自主机器人、智能制造和服务机器人等。通过提供一个集成的中间件支撑层，能够提升机器人在复杂环境中的决策能力和执行效率，推动物理人工智能的实际应用与发展。
📄 摘要（原文）
Robot middleware faces a new role in the era of Physical AI. Learned policies, planners, and vision-language-action (VLA) models now enter deployed robots as causal participants on the control path, but the layer that integrates them with timing, scheduling, and network has not been named. Recent language-agent work names this layer the harness, the external system that mediates tools, manages state, bounds resources, and records execution. The robotics community has not yet adopted this framing, and we propose that robot middleware is that harness. A Physical AI harness differs from a software harness in where it intervenes. A software harness mediates at tool-call boundaries. A Physical AI harness must mediate at control, computing, and communication simultaneously, because a learned policy's output crosses all three: its commands shift the trajectory, its inference time shifts the schedule, and its payload shifts the bandwidth. Robot middleware is the lowest robot-stack layer with mediating abstractions over all three, so it is best positioned to compose their enforcement. It already provides most of what a harness needs but lacks the enforcement for an AI model. We name this missing enforcement as three functions: Projection gates each output at emission, Isolation bounds the model's execution and transmission slot, and Transfer falls back to a verified baseline when checks fail. Each appears today as hand-built application code in deployed robot systems, built on surfaces robot middleware already provides. Robot middleware should host them not as the best single-axis enforcer but as the layer that composes all three. We sketch this as a ROS 2 Harness Profile, a deployment artifact that carries an AI model's declared output region, inference budget, and operating regime while the middleware enforces them across ROS 2, DDS, and Zenoh.