在自驾实验室中，低成本液体处理器如 Opentrons OT-2 越来越受到青睐，但它们通常以开环方式运行，缺乏类似 Hamilton 或 Tecan 系统的基于压力的抽吸监控。这导致两种故障模式未被检测到：一是协议在语法上有效但违反了特定实验的约束（例如，在 PCR 模板与无模板对照之间重用吸头）；二是在运行时发生的物理执行故障（如部分分配、气泡、缺失吸头）。
我们提出了 AEGIS，一个两层守护系统来解决这两个问题。
第一层将一个经过策划的可机读实验规则数据库与一个 LLM 结合，能够推理 OT-2 的 Python 代码，在一个涵盖五个实验系列的 24 个协议基准测试中达到了 0.97 的调整 F1 分数，超越了仅使用规则或 LLM 的方法。值得一提的是，免费的开源模型与最佳的专有模型相当，因此无需付费 API。
第二层则使用 PCA 世界模型对 YOLO 裁剪的四帧吸头轨迹进行拟合；在无泄漏的留一板评估下，达到了 0.89 的平均精度和 0.71 的操作点 F1（AUROC 0.80），这一数字与现场演示一致，并且我们还表征了小吸头（p20）的分辨率极限（F1 0.47）。
在物理 OT-2 上的现场演示（每种条件五次重复）成功捕捉到植入的无吸头故障，并在彩色染料上检测到部分分配，借助一个始终-VLM 自投票门，将部分分配的召回提升到 5/5；透明水是任何前视监控的原则性限制，AEGIS 将其表征为低置信度的 VLM 推理而非错误判决。级联分流使得 VLM 的成本保持在每板 1.63 美元，而始终-VLM 基线为 10.33 美元。AEGIS 是开源的，且据我们所知，它是第一个将飞行前实验意识验证与运行时视觉监控统一于开源液体处理器的系统。
博主点评： AEGIS 的创新之处在于有效结合了实验规则验证和实时监控，为液体处理机器人提供了更高的可靠性。这种开源的解决方案不仅降低了使用门槛，还为自驾实验室的未来奠定了基础，展现出极大的应用潜力和扩展性。