การพัฒนาซอฟต์แวร์หุ่นยนต์มักติดปัญหาเรื่องความซับซ้อนในการฝึกฝนและการตรวจสอบความถูกต้อง งานวิจัยนี้จึงนำเสนอโครงสร้าง 'AgenticRobotics' ซึ่งเปรียบเสมือนระบบบริหารจัดการส่วนหลัง (Backend-independent control plane) ที่ออกแบบมาเพื่อแก้ปัญหาความล้มเหลวของเครื่องมือหุ่นยนต์ที่เกิดขึ้นเป็นปกติในกระบวนการทำงาน
ระบบนี้ใช้ตัวควบคุม LLM (LLM Controller) ในการสั่งการ 'พนักงานชั่วคราว' (Disposable workers) เพื่อทำธุรกรรมในรูปแบบ ฝึกฝน-ประเมิน-ปรับปรุง (Train-Evaluate-Improve) โดยมีกลไกสำคัญคือการบันทึกสถานะการทำงานอย่างละเอียด (Recorded call surface) และการกู้คืนข้อมูลเมื่อเกิดการขัดข้อง (Crash recovery) ทำให้ผู้ควบคุมที่เป็นมนุษย์สามารถปล่อยให้ระบบทำงานเองได้โดยไม่ต้องเฝ้าดูตลอดเวลา
ผลการทดสอบชี้ให้เห็นว่าระบบสามารถควบคุมการเลื่อนขั้นของโมเดลหุ่นยนต์ (Promotion) ได้อย่างปลอดภัย โดยมีการตรวจสอบความถูกต้องอย่างเข้มงวด ลดอัตราการยอมรับโมเดลที่ผิดพลาด (False-promotion) เหลือเพียง 0.001 ต่อการทำงาน และสามารถดักจับความผิดปกติที่เกิดจากการปลอมแปลงข้อมูลได้ทั้งหมด
