让 AI 指挥实验机器人，难点不只是写对代码。比如，它可能命令八通道移液器伸进一个根本容不下它的窄槽，或从已经抽空的孔里继续取液。Google Research 因此提出 VERID：给湿实验室——实际处理细胞、蛋白质和试剂的环境——建立一个实时更新的“语义数字孪生”，也就是实验台的数字分身。
VERID 持续记录机械臂几何位置、孔内液量、试剂身份和吸头库存，让智能体的操作受真实设备与材料约束。这种 grounding（用现实数据和约束校正模型判断）还能帮助系统从故障中接着做：一次读板机中途失灵后，智能体依据保存的实验状态恢复运行，没有重新移液。
更值得注意的是，系统不只拦截错误，还能从实验反馈里修正自己。在一项闭环自我训练中，智能体反复设计并执行机器人实验，根据俯拍图像还原未知染料混合物，同时识别光学和流体误差；Google 称其准确度提升超过五倍。它离通用自主实验室仍有距离，但已经补上关键地基：让 AI 的计划先通过物理现实这一关。