显式调度完成了全部目标与归位
相同场景、相同模型，三种提示方式。显式调度组在 31.5 仿真秒内完成完整任务，并展现出本次对比中最高的运动并发占比。
到达全部目标，还需要完成停留与归位。 基础提示组剩余 1 个目标未完成；并行提示组已完成 40 个目标，但在所有机械臂归位之前结束；显式调度组满足了全部成功条件。
碰撞检查拦截次数按机械臂步数统计。插值碰撞区间数来自相邻状态间的加密采样；零次表示采样中未发现碰撞，不构成连续路径安全保证。
并发占比指至少两个机械臂同时运动的时间占比，并不直接等于有效作业效率。仿真结束时刻不包含智能体思考和规划等待；只有成功运行的结束时刻才是完整任务的完成时间。每种条件仅运行一次，结果用于描述本次实验。
看八个机械臂如何一起工作
切换提示条件，比较动作、分工与目标完成顺序。两个视角可以同步播放。
视频默认以 1 倍仿真速度播放；不包含智能体思考和规划时的等待。
各机械臂的目标完成时间
每个圆点代表一个完成的目标我们给智能体的任务是什么？
共同任务 · 中文概述
协调八个 Panda 机械臂，在共享工作空间内完成全部 40 个带姿态要求的目标，并让所有机械臂回到初始位置。四臂位于台面，四臂倒置安装在上方。智能体自行决定每个目标由谁完成、执行顺序和运动路线。
运动需避开障碍物和其他机械臂。以上是便于阅读的概述；下方保留三组实际发送给智能体的完整英文指令。
三组使用相同的场景、模型、设备和预算，区别在于是否额外强调并行与显式调度。运动规划和控制均由 Kinex 智能体完成。
如何理解这些结果
一次固定场景的对照观察
智能体为 Kinex，模型为 gpt-6-astra，推理强度为 medium。三种条件均在同一目标集上进行一次独立的零样本运行，种子为 0。这些结果尚不能支持一般成功率或统计优势的结论。
基于公开场景的任务改编
本任务基于 RoboBallet 公开资源构建，研究的是多臂到点与协调规划，不包含接触式装配。本实验不复现论文的学习策略，也不据此声称与论文任务难度等价。
三组的完整指令、智能体对话、运动记录和结果随数据集公开，视频与逐帧状态均已核对。