Hệ thống được xây dựng theo kiến trúc phân cấp gồm AI Agent ở cloud và VLA ở edge. Cloud Agent đảm nhiệm việc hiểu yêu cầu, suy luận, lập kế hoạch, lựa chọn công cụ, theo dõi quá trình thực thi và xử lý khi nhiệm vụ thất bại. Edge VLA tiếp nhận mục tiêu từ Agent, kết hợp hình ảnh và ngôn ngữ để sinh action và điều khiển robot theo thời gian thực. Thay vì yêu cầu người dùng trực tiếp làm việc với API phần cứng, tọa độ khớp hoặc từng môi trường thực thi riêng biệt, Vagent cho phép mô tả nhiệm vụ bằng ngôn ngữ tự nhiên. Cloud Agent tiếp nhận yêu cầu, phân tích mục tiêu, lập kế hoạch và lựa chọn công cụ phù hợp. Nhiệm vụ sau đó được truyền qua MCP đến Edge Runtime để xử lý gần robot, phối hợp với mô hình VLA và chuyển ý định cấp cao thành hành động vật lý. Vagent không đơn thuần là một chatbot điều khiển robot. Đây là lớp orchestration giúp tách biệt năng lực suy luận trên Cloud khỏi quá trình thực thi tại Edge, đồng thời duy trì vòng phản hồi giữa Agent và thế giới vật lý. Trạng thái robot, hình ảnh quan sát và tiến trình thực thi được đưa trở lại hệ thống để người vận hành có thể theo dõi nhiệm vụ và hiểu những gì đang diễn ra.

• Tiếp nhận chỉ dẫn bằng ngôn ngữ tự nhiên.
• Lập kế hoạch và điều phối nhiệm vụ bằng AI Agent.
• Công bố và truy cập công cụ robot thông qua MCP.
• Phối hợp suy luận trên Cloud với thực thi cục bộ tại Edge.
• Kết nối mô hình VLA với robot SO-101.
• Theo dõi trạng thái, hình ảnh camera và tiến trình thực thi.
• Lưu phiên làm việc và nhật ký để phục vụ quan sát, kiểm tra và truy vết.
• Lập lịch cho các nhiệm vụ cần thực hiện định kỳ.
• Hỗ trợ cơ chế dừng robot khi cần can thiệp an toàn. Mục tiêu của P-172 là cung cấp nền tảng nghiên cứu và phát triển cho các hệ thống AI có khả năng tương tác với thế giới vật lý. Dự án tập trung vào bài toán điều phối giữa trí tuệ trên Cloud và hành động tại Edge, giúp các Agent không chỉ hiểu yêu cầu mà còn có một phương thức rõ ràng, có thể quan sát để biến ý định thành hành động robot.