HexaShell发布：革新机器人编程智能体，突破RoboDojo任务成功率

摘要：HexaShell是一款由HexaFuture开发的机器人编程智能体系统，旨在探索视觉语言模型（VLMs）在机器人控制任务中的极限。该系统通过将智能体的指令转化为机器人动作，并利用三台RGB摄像头进行环境感知，实现了机器人双臂的精确控制。在RoboDojo的42项任务中，HexaShell以39.7%的成功率及48.0的进展评分刷新了排行榜记录，尤其在紧固插入任务中表现突出。尽管接触任务仍是瓶颈，但该系统在复杂推理与代码自修复方面的能力展示了AI在机器人领域的巨大潜力。

---

HexaShell系统架构与核心技术

HexaShell的核心设计理念是保持智能体与机器人之间的“细薄连接”，即仅将智能体的指令转化为机器人动作，而不涉及复杂的中间处理。其主要技术特点包括：

1. 多模态感知与控制：HexaShell通过三台RGB摄像头进行环境感知，并利用摄像头校准数据实现精确的空间定位。当单个摄像头不足以完成任务时，系统会调用手腕摄像头获取第二视角，从而增强感知能力。

2. 代码自修复机制：每次任务失败后，HexaShell会读取日志文件，分析失败原因，并编写或修复小型程序（称为工具）。这些工具仅依赖于机器人观察到的数据，并使用三角测量法确定物体相对于彼此及夹持器的位置。

3. 推理与执行分离：HexaShell采用GPT-6-Astra模型进行中等强度的推理任务，而机器人动作则由专门的执行模块处理。这种分离设计提高了系统的稳定性和可扩展性。

工程权衡与实测表现

HexaShell在RoboDojo的42项任务中表现出色，成功率达到39.7%，进展评分为48.0，刷新了该平台的记录。然而，系统在接触任务（如紧固插入）中表现不佳，成功率仅为8.3%。这表明当前AI在处理物理接触和精确操作方面仍存在局限。

另一方面，HexaShell在推动和记忆任务中表现优异，成功率分别达到92.5%和65.0%。这说明系统在逻辑推理和记忆管理方面具有显著优势。

开发者落地与部署建议

对于希望利用HexaShell的开发者，以下几点建议可能会有所帮助：

• 工具链集成：HexaShell的工具链基于GitHub开源，开发者可以将其与现有的机器人控制框架（如ROS）集成，以实现更复杂的任务。

• 模型优化：GPT-6-Astra模型虽然强大，但计算成本较高。开发者可以考虑使用模型量化或剪枝技术来降低推理成本。

• 多任务学习：HexaShell的设计支持多任务学习，开发者可以尝试将其应用于其他机器人控制任务，如自动驾驶和工业自动化。

结论

HexaShell的发布标志着AI在机器人编程领域的又一重要进展。尽管当前系统在某些任务中仍有局限，但其创新的代码自修复机制和强大的推理能力为未来的研究提供了新的方向。

---

消息来源：Hugging Face Daily Papers (2026-10-16)

—— 完 ——

主题标签： #HexaShell 关注 #机器人编程 关注 #VLMs 关注 #AI智能体 关注 #RoboDojo 关注