Google Research 于 10 月 16 日公布连接 AI Agent 与湿实验室的三组研究，其中 VERID 框架把实验台构建为持续更新的语义数字孪生。系统记录机械臂几何、孔板液量、试剂身份和移液吸头库存，使 Agent 在生成实验步骤时能够检查现场状态。研究瞄准的是代码语法正确、但物理动作不可执行或实验条件已经失效的问题。
VERID 基于开源 PyLabRobot 构建，可在数秒内进行虚拟试运行，在指令到达机器人之前拦截碰撞、空孔吸液等无效操作。多相机画面与行动日志同步保存，让研究人员能够追查误差来源。官方案例包括发现混合染料分层、在读板仪故障后利用持久状态继续实验，以及拒绝放不进狭窄槽体的八通道吸液动作。
另一部分研究让 Agent 根据真实读数迭代适配体设计，在两个蛋白靶点上完成三轮设计、实验与分析。结果也暴露了只追求原始结合信号的问题：某轮设计富集了非特异性的黏性序列，真实命中反而下降，需要进一步调整筛选目标。文章把这些失败反馈视为闭环发现的组成部分，说明自动生成分子假设仍需可靠测量和实验约束支撑。