“
将实验室隐性经验沉淀为可追溯、可复用的执行智能，使科研从依赖个人经验走向可持续学习与自主执行。
The missing layer for autonomous laboratories
让实验室拥有 可持续学习的 Brain.
RealityLoop Lab Brain 持续理解实验真实发生了什么，将人、样品、设备、软件与环境产生的碎片信息，转化为有证据、可检索、可复用、可执行的实验知识与技能。
LABBRAIN
Human经验 · 操作 · 介入
Instrument状态 · 参数 · 日志
Sample身份 · 谱系 · 状态
Software流程 · 数据 · 分析
Robot执行 · 恢复 · 学习
Memory retained
97.8%
关键实验效用保留
Evidence graph
24 claims
全部连接原始证据
One living system
从原始实验数据到可靠 AI 自动化
7纵向能力层
4×组织知识资产
1统一实验任务链
01 · Definition
不只是自动记录，
而是实验室的事实与执行层。
Lab Brain 将“真实发生的实验”从一次性过程转化为组织能够长期拥有的数字资产，并进一步编译为人、软件与机器人可以安全复用的实验技能。
可信实验记忆
视频、语音、设备日志、样品信息与软件过程被统一组织为可检索的 Experimental Memory Units。
Evidence-grounded memory证据化报告
报告中的每个 Atomic Claim 都可回到对应的视频片段、仪器日志和原始数据。
Claim → Evidence实验推理与 Debate
不只是顺从现有步骤，而是基于文献、本地 Memory 与现场反馈主动发现风险和潜在失败原因。
Challenge with evidence执行与持续学习
统一调度人、样品、设备、软件和机器人，并将人工介入持续学习为新的 Skill 与恢复策略。
Executable intelligence02 · Core Primitive
Lab Brain 的基本单位，
不是视频，也不是一篇报告。
系统将长程实验拆解为标准化的 Experimental Memory Unit（EMU）。每个 EMU 都是一条能够被验证、检索、组合和进一步执行的实验事实。
EMUExperimental
Memory Unit
Memory Unit
THE ATOMIC UNIT OF LAB KNOWLEDGE
把一次真实操作，保存为一条完整的实验事实。
EMU 同时连接实验对象、动作、参数、状态变化、异常与原始证据。报告、检索、复盘、推理和自动执行都建立在同一事实底座之上。
项目、实验、Run 与 Protocol 版本
样品、容器、试剂、批次、设备与文件
实验人员、机器人、软件 Agent 与仪器
加液、混匀、离心、孵育、测量与转移
体积、速度、温度、时间、转速与浓度
操作发生前后的对象与系统状态
开始、结束、持续时间、顺序与并行关系
视频、关键帧、设备日志、截图与传感器
遗漏、超时、顺序偏差、参数偏差与介入
局部状态变化与最终实验结果
系统置信度、冲突证据与不确定性
数据来源、模型版本、修改历史与审核者
一条 EMU 必须闭合完整事实链WHO → WHEN → OBJECT → DEVICE → PARAMETER → ACTION → STATE → EVIDENCE
谁→什么时候→对哪个对象→使用什么设备→以什么参数→做了什么→产生什么状态变化→什么证据证明
03 · Capability Map
七层能力，构成完整的实验智能链。
评价 Lab Brain 的关键，不是某个模型单点准确率，而是知识是否被捕获、结构化、证据化、检索并最终用于真实实验决策与执行。
理解实验真实发生了什么
融合第一/第三视角视频、语音、仪器日志与软件状态，持续识别人、样品、设备和实验动作。
14:35:42.281Sample B selectedIdentity confidence 99.1%
14:35:47.936120 μL reagent addedPipette P300 · Tip batch T24
14:35:54.603Speed deviation detectedInjection rate above local optimum
把实验转化为统一事件与对象图谱
将“谁、何时、对什么对象、以什么参数、做了什么、产生什么状态变化”组织为标准化实验记忆单元。
ACTORResearcher / RobotIdentity · permission · intervention
OBJECTSample / ReagentBatch · lineage · state
ACTIONPipette / Mix / MeasureParameters · duration · sequence
DEVICEInstrument / SoftwareStatus · log · calibration
EVIDENCEVideo / Sensor / Raw dataTimestamp · source · integrity
OUTCOMEState change / ResultConfidence · deviation · audit
Object identity100% linked
Parameter coverage97.8% complete
Temporal consistencyNo conflicts
Evidence provenance4 sources connected
保留关键证据，而不是保存全部冗余
在关键步骤和异常证据召回率约束下，最小化长视频与多模态 Memory 的存储开销。
Critical step recall98.7%
Anomaly evidence recall99.4%
Report utility retention97.9%
Protocol-awareRetain expected critical steps
Event-awareRetain state changes and interventions
Query-awarePreserve future audit evidence
Outcome-awareBacktrace result-related moments
每个报告结论都能够回到原始证据
为 Atomic Claim 绑定视频片段、仪器日志、样品状态与原始数据，构建可审计的 Evidence Graph。
CLAIM-024Sample B 在 4°C、12,000g 条件下离心 10 分钟Confidence 98.4% · No contradictory evidence
Video14:42:03–14:42:21
Instrument LogTask ID CEN-1482
Screen Capture4°C / 12,000g / 10m
Citation precision99.0%
Evidence coverage96.2%
Unsupported claim rate0.8%
主动质疑流程，并分析细粒度失败原因
结合文献、本地 Memory 与真实现场证据进行 Protocol Debate，避免 AI 只是顺从当前实验步骤。
HIGH RISK注液速度高于历史成功窗口Local Memory: 7 similar failed runs · p=0.021
MEDIUM RISK当前孵育时间不适配该批次材料Based on batch metadata and 2 local records
SUGGESTION将注液速度调整至 25–32 μL/sExpected recovery probability: 78%
#1 Injection rate0.71 posterior
#2 Mixing intensity0.18 posterior
#3 Batch drift0.08 posterior
同时推进物理样品与仪器软件流程
将人、样品、仪器、软件和机器人编入同一条任务链，持续核验状态并在异常时分级恢复。
01 · Human approvalProtocol version RL-P12 accepted
02 · Liquid handlerDispensing completed · evidence captured
03 · IncubatorEnvironment stable · timer synchronized
04 · Analysis softwareQC running in parallel
05 · Recovery branchPlate reader failed → retry with alternate endpoint
Task success96.4%
Mean recovery time41 sec
Human interventions2 → learning queue
把一次人工介入，变成下一次系统能力
从毕业生经验、异常恢复和成功实验中提炼适用边界、前置条件、操作步骤与恢复策略，形成可执行实验 Skills。
HUMAN KNOW-HOW“这个批次要慢一点加液”Video + speech + successful outcome
→
EXECUTABLE SKILLRate window: 25–32 μL/sGuard · evidence · recovery · scope
Compilation success94.1%
Cross-operator reuse91.8%
Intervention learning67% automated next time
04 · Automated Documentation
自动记录能力不能只看“生成了一份报告”。
必须同时验证记录负担、关键项完整性、事实正确性、时间与顺序、异常捕获以及从事件发生到报告反馈的全链路延迟。
Human Documentation Overhead
记录时间应覆盖实验中暂停、实验后整理、搜索原始数据与修正记录的全部成本。
采用同一 Protocol、同一操作者的交叉对照设计，比较完成同等质量记录所需的主动人工时间。
人工记录32 min
Lab Brain5 min
Documentation saving84%示意目标
Weighted Completeness & Fidelity
关键步骤、安全项、样品批次和异常介入必须采用严重度加权，而非简单计算字段数量。
同时统计漏记、少记、错记和无证据生成内容，避免“看起来完整”的系统幻觉。
关键项完整率96.4%vs. human 78.6%
参数容差准确率94.8%volume · speed · temperature
Unsupported Record< 1.0%没有原始证据的记录
样品关联准确率98.2%sample–action–parameter
Step, Order & Temporal Fidelity
系统必须定位“做了什么”，也必须知道它何时开始、何时结束、持续多久以及是否发生顺序偏差。
对短步骤、长等待、多样品并行和设备软件流程分别评测，避免平均分掩盖高风险错误。
加液混匀孵育 +4m离心测量顺序偏差
94.1Step F1
1.8sBoundary MAE
97.2%Order Accuracy
92.6%Parallel Tracking
Latency & Human Intervention
反馈时间应拆分为实时事件记录、异常告警和最终报告三个延迟，并报告 P50 / P90 / P95。
每次人工确认、修改和接管都进入学习队列，用于判断自动化是否真正降低认知与操作负担。
Event → EMU1.6 s
Anomaly → Alert4.8 s
Experiment End → Report2.4 min
Active human corrections3 / run
05 · Long-horizon Memory
不是压缩视频，
而是压缩实验，同时保留可验证性。
Lab Brain 在关键步骤、异常证据、报告能力和历史检索能力的约束下，求解最小存储，而不是简单设定固定压缩比例。
Memory Retention Simulator
拖动压缩强度，观察存储开销与信息保真度之间的动态关系。
Raw experimental video10.0 GB
Structured Lab Memory318 MB
91%
Critical Recall99.1%
Report Utility98.0%
Info Density31.4×
知道什么应该发生
结合实验 Protocol 与 SOP，优先保留预期关键步骤、前后状态和参数确认。
知道哪些瞬间影响结果
从失败结果反向定位潜在影响片段，将注液速度、等待、暴露和人工纠正沉淀为可检索证据。
知道未来如何被验证
不仅生成摘要，还保留足以支持报告复核、异常回放与第三方独立审计的最小证据集合。
06 · Evidence Graph
报告不是一段生成文本，
而是一组可以被复核的结论。
选择左侧 Claim，观察报告 Item 如何映射到视频、仪器日志、样品状态与原始数据。每个异常也能通过同一证据链回看。
Sample B 在 4°C、12,000g 条件下离心 10 分钟
由视频、仪器日志和屏幕参数共同支持。
98.4% confidence3 evidence
注液速度超过历史成功区间
现场视频速度估计与历史失败 Memory 一致。
92.8% confidence4 evidence
重复失败与混匀不足高度相关
跨 7 个 Run 的操作特征与结果共同支持。
88.1% confidence6 evidence
Atomic Claim离心条件与时长4°C · 12,000g · 10 min
Video Evidence14:42:03–14:42:21样品放入离心机并关闭舱门
Instrument LogTask CEN-1482Program completed without interruption
Object StateSample B · Post-statePellet formed · temperature maintained
07 · Reasoning to Action
Memory 的终点不是被搜索，
而是减少下一次失败。
Lab Brain 将异常检测、历史检索、Protocol Debate、根因分析、结果验证与 Skill 更新闭合为持续学习回路。
现场视频估计 44 μL/s，超过本地成功区间。
关联相同材料批次、操作方式和最终结果。
结合文献、Memory 与设备约束提出替代参数。
修正后 5/6 次恢复成功，根因得到真实结果验证。
加入速度 Guard、证据要求、适用范围与恢复策略。
Critical Flaw Recall92.4%能否发现预设高风险缺陷
Root Cause Recall@388.7%真实根因是否进入前三
Intervention Success83.1%建议是否真实改善结果
Skill Reuse Success91.8%经验能否被下一位操作者复用
08 · LabBrain-Eval
功能是否真正有效，
必须通过量化方法被证明。
评价体系同时覆盖可信知识转化、技术能力、人机协作、实验结果改善和组织知识保留，使每项方法优化都能对应客观能力增益。
PRIMARY NORTH STAR
✦
TEKCR
可信实验知识转化率只有关键知识同时完成捕获、证据化、检索和成功复用，才被视为真正进入 Lab Brain。
01Capture正确捕获
→
02Ground充分证据
→
03Retrieve可被检索
→
04Reuse成功复用
TEKCR被正确捕获、有充分证据、可检索且被成功复用的关键知识单元/实验中全部关键知识单元
AUXILIARY NORTH STARS
八个指标回答 Lab Brain 是否真正创造价值
它们分别约束记录成本、证据保留、审计复核、一次成功率、失败减少、技能复用、跨人员复现与毕业交接。
每次实验需要人工投入的主动记录、搜索、补充与修正时间。
↓ lower is better关键步骤、异常和人工介入证据被保留并可检索的比例。
↑ safety constrained第三方仅凭系统记录即可验证报告结论和重建过程的比例。
↑ independently verifiable使用 Lab Brain 规划、检查和执行后，一次成功完成实验的比例。
↑ scientific outcome已经分析和处理过的同类失败再次发生的下降程度。
↓ repeated waste历史经验被编译为 Skill 后，由其他人员或系统成功复用的比例。
↑ executable knowledge不同实验人员执行相同流程时，过程和结果的一致性。
↑ operator invariant关键人员毕业或离职后，实验室仍能检索并复用其核心经验的程度。
↑ organizational memoryCapability Profile
多维能力评分，而不是一个不可解释的总分
示意评分仅用于展示结构。正式 Benchmark 应先通过安全关键硬门槛，再报告各维度分数、置信区间和不同实验条件下的分层结果。
示意能力画像
86Lab Brain Score
Observation & Structuring91
步骤、参数、对象和时间结构化能力
Memory & Retrieval88
关键证据保留、历史检索与压缩效率
Evidence & Auditability93
Claim–Evidence 映射与独立审计能力
Reasoning & Diagnosis79
流程质疑、根因排序与建议有效性
Execution & Recovery82
任务成功、设备调用和异常恢复能力
Learning & Transfer74
人工介入学习与跨环境技能迁移
09 · System Architecture
从多模态世界状态，
到可执行实验技能。
系统架构围绕可信数据链设计：任何推理和执行都必须回到实验对象状态、原始证据和版本化的知识来源。
可信实验运行时
连接实验室多模态数据源，维护对象中心状态，并为异常检测、报告、推理与执行提供统一上下文。
统一时间轴与对象身份
实时状态同步与质量校验
全过程执行轨迹与版本记录
安全边界与人工审批节点
Human · Camera · Sensor · InstrumentWORLD INPUT
Perception & Event ExtractionOBSERVE
Object-Centric Lab Brain RuntimeSTATE + PROVENANCE
Memory · Evidence · ReasoningINTELLIGENCE
Human · Software · Robot ExecutionACTION
实验记忆与证据图谱
将长程实验转化为可搜索的记忆单元，并连接视频片段、日志、样品、参数、异常和实验结果。
Experimental Memory Unit
多模态证据索引
关键视频选择与压缩
历史相似实验检索
Raw Video · Audio · Logs · FilesRAW DATA
Temporal SegmentationEVENTS
Evidence-grounded Memory GraphMEMORY
Claim Retrieval · Audit ReplayACCESS
Cross-run Pattern MiningLEARNING
实验规划、Debate 与失败分析
联合公开文献、实验室历史经验和真实现场状态，对实验计划进行挑战、修正与根因排序。
Literature-aware planning
Local Memory retrieval
Protocol challenge benchmark
Evidence-backed root cause analysis
Goal · Protocol · ConstraintsINPUT
Literature + Local Memory RetrievalCONTEXT
Multi-Agent Scientific DebateREASON
Risk · Alternative · ConfidenceDECISION
Outcome VerificationLEARN
可执行实验技能与异常恢复
把成功经验和人工介入编译为带适用边界、前置条件、证据要求和恢复策略的 Executable Skills。
Protocol IR 与设备适配
Guard 与成功判据
分层异常恢复
跨设备、跨操作者复用
Human Know-how + Successful RunsEXPERIENCE
Skill CompilationSTRUCTURE
Executable Experimental SkillSKILL FILE
Runtime Guard + Recovery PolicySAFETY
Human · Software · RobotEXECUTE
10 · Benchmark & Data
构建产品的同时，
构建能够证明产品的方法学。
LabBrain-Eval 需要真实人工记录、完整原始视频、多模态设备数据、专家 Gold 标注和后续实验结果，才能回答每种方法究竟改善了什么。
BIO · CHEMISTRY · ENVIRONMENT · MATERIALS
BIO细胞培养 · PCR/qPCR · 免疫实验样品身份、无菌操作、孵育与长期状态
CHEM反应配置 · 监控 · 后处理纯化试剂批次、加料条件、反应状态与安全边界
ENV水样前处理 · 污染物检测 · 仪器分析采样链、保存条件、校准与数据质量
MAT浆料配置 · 涂布热处理 · 性能表征配比、工艺窗口、设备曲线与跨批次复现
生化环材四领域真实湿实验基准
Raw Multimodal Runs
第一/第三视角视频、语音、仪器日志、软件录屏、传感器、文件和人工记录。
Gold EMU & Evidence
步骤边界、对象、参数、状态、异常、报告 Item、证据区间和专家根因。
Generalization Splits
Unseen Operator、Device、Protocol Variant、Laboratory 与 Long Horizon。
Baselines & Ablations
人工记录、完整视频、固定抽帧、通用模型，以及移除 Memory、Evidence、Debate 和 Recovery。
METHOD CONTRIBUTION功能存在 ≠ 方法有效
每项能力必须通过 Baseline、Ablation 和真实结果验证，明确 Protocol-aware Memory、Evidence Graph 或 Debate 分别带来多少提升。
Method+Controlled Comparison+Real Outcome→ Quantified Contribution
11 · High-value Scenarios
从记录负担，到组织级实验智能资产。
Lab Brain 的价值不仅体现在单次实验效率，更体现在毕业交接、重复失败减少、实验复现和跨设备执行能力上。
毕业与知识交接
将师兄师姐的隐性操作经验、异常处理和历史上下文沉淀为新人可直接检索和复用的实验记忆。
Knowledge retention实验复现与偏差定位
识别步骤遗漏、超时、顺序和参数偏差，并帮助团队找到“看起来相同但结果不同”的细粒度原因。
Deviation intelligence失败复盘与根因分析
结合 Web、历史 Memory 和现场证据，对失败原因进行排序，并通过后续实验结果验证建议是否真正有效。
Evidence-backed RCA人机协同实验执行
统一推进物理样品、仪器软件与机器人流程，对人工介入节点持续记录、验证和学习。
Adaptive execution Reality becomes reusable intelligence
让每一次真实发生的实验，
都成为实验室未来能力的一部分。
Lab Brain 将实验过程从一次性行为升级为可信、可追溯、可学习和可执行的组织智能。