获得任务规程
人类示教可以被转化为显式的子任务、约束条件和可复用原子动作。
Procedural Runtime Intelligence
教一次。
立即执行。
运行时调整。
Adora Robotics 正在为通用机器人开发 Procedural Runtime Intelligence（PRI）。 PRI 不需要把每一个任务重新训练进一个新的策略模型，而是把任务保留为显式的结构化规程——机器人可以执行、检查、修改和复用它。
为什么是 PRI
机器人应该把任务学成“规程”，而不是把任务记进模型参数。
一个任务不只是一条动作轨迹，它包含步骤、目标、约束、选择和恢复逻辑。 PRI 把这些结构显式表示出来，让机器人能够对“任务本身”进行推理，而不是把行为当成黑箱策略的输出。
结合感知执行
规程本身保持稳定，感知和控制持续更新物体位置、运动、时序及局部执行参数。
运行时修改任务
由于任务逻辑是显式的，用户的新要求或环境变化可以改变机器人下一步做什么，而无需重新训练任务。
工作原理
从示教到执行。
1
教
普通人自然地示范如何完成任务。
2
理解
PRI 提取任务规程、子任务、约束条件和可复用动作。
3
执行与调整
机器人立即执行规程，并根据运行时变化进行调整。
无需任务特定策略训练。
每一个任务变化都不需要重新训练。
不同的任务抽象
任务不是一条冻结的轨迹。
PRI 将任务规程与每一时刻的具体执行细节分离。
可交互
用户可以改变任务目标或具体要求，包括机器人已经开始执行以后。
显式可读
任务结构可以逐步检查、修改、调试和改进。
可复用
新规程可以复用已有原子动作和规程片段，而不是每个任务都从头学习。
已实现任务
从简单操作到多步骤任务。
我们的原型系统已经用同一套程序化方法执行了不断扩展的真实操作任务。
物体分类与抓放
倒咖啡豆
模拟杂货店上货
蛋糕装饰
汉堡组装
制作咖啡
制作奶茶
多步骤任务运行时调整
新的英文演示视频正在制作中，完成后会加入这一页面。
不只是 Planner + Skill
PRI 不只是从预定义 Skill 中做选择。
传统 planner-and-skill 系统通常假设工程师已经预先定义好任务能力。 PRI 的目标是让新规程能够从示教中获得，在运行时保持显式，并由可复用动作组合而成。 核心不是只选择已经存在的 skill，而是让机器人无需训练新的任务策略，就能获得、修改和复用新的操作规程。
我们的目标
通用机器人不应该每换一个工作，就训练一个新模型。
我们正在把 PRI 构建成通用机器人的运行时智能层：让普通人可以教机器人做事，让机器人把一次示教转化成可复用的程序化智能。