1.2 感知-决策-执行闭环：具身智能的核心架构

1.2 感知-决策-执行闭环：具身智能的核心架构

如果只用一张图理解具身智能，那就是「感知-决策-执行」闭环回路。后续所有章节都在为这个闭环的某一环节服务。

1.2.1 闭环回路的三段式拆解

具身智能体的工作过程，可以抽象为一个永不停止的反馈回路：智能体从物理世界接收信号（感知），基于内部模型产生意图与动作（决策），通过执行器改变世界（执行），改变后的世界又产生新的信号进入下一轮感知。

下面用一张 SVG 描述代码呈现这个回路（你也可以用 ASCII 心智模型替代）：

<svg viewBox="0 0 760 320" xmlns="http://www.w3.org/2000/svg">
  <defs>
    <marker id="arrow" markerWidth="10" markerHeight="10" refX="8" refY="3" orient="auto">
      <path d="M0,0 L8,3 L0,6 Z" fill="#374151"/>
    </marker>
  </defs>
  <!-- 物理世界 -->
  <rect x="20" y="120" width="140" height="80" rx="12" fill="#f3f4f6" stroke="#374151" stroke-width="2"/>
  <text x="90" y="165" text-anchor="middle" font-size="16" font-weight="bold">物理世界</text>
  <text x="90" y="185" text-anchor="middle" font-size="12" fill="#6b7280">物体/人/光照/接触</text>

  <!-- 感知 -->
  <rect x="220" y="40" width="160" height="80" rx="12" fill="#dbeafe" stroke="#2563eb" stroke-width="2"/>
  <text x="300" y="80" text-anchor="middle" font-size="16" font-weight="bold">感知 Perception</text>
  <text x="300" y="100" text-anchor="middle" font-size="12" fill="#1e40af">视觉/触觉/听觉/本体感觉</text>

  <!-- 决策 -->
  <rect x="420" y="120" width="160" height="80" rx="12" fill="#fce7f3" stroke="#db2777" stroke-width="2"/>
  <text x="500" y="160" text-anchor="middle" font-size="16" font-weight="bold">决策 Decision</text>
  <text x="500" y="180" text-anchor="middle" font-size="12" fill="#9d174d">LLM规划 / VLA策略 / RL</text>

  <!-- 执行 -->
  <rect x="220" y="200" width="160" height="80" rx="12" fill="#dcfce7" stroke="#16a34a" stroke-width="2"/>
  <text x="300" y="240" text-anchor="middle" font-size="16" font-weight="bold">执行 Execution</text>
  <text x="300" y="260" text-anchor="middle" font-size="12" fill="#166534">运动规划/力控/电机力矩</text>

  <!-- 箭头：世界→感知 -->
  <line x1="90" y1="120" x2="220" y2="90" stroke="#374151" stroke-width="2" marker-end="url(#arrow)"/>
  <text x="140" y="95" font-size="11" fill="#374151">多模态信号</text>

  <!-- 感知→决策 -->
  <line x1="380" y1="90" x2="440" y2="135" stroke="#374151" stroke-width="2" marker-end="url(#arrow)"/>
  <text x="395" y="105" font-size="11" fill="#374151">状态/语义</text>

  <!-- 决策→执行 -->
  <line x1="440" y1="170" x2="380" y2="230" stroke="#374151" stroke-width="2" marker-end="url(#arrow)"/>
  <text x="395" y="225" font-size="11" fill="#374151">动作指令</text>

  <!-- 执行→世界 -->
  <line x1="220" y1="250" x2="160" y2="200" stroke="#374151" stroke-width="2" marker-end="url(#arrow)"/>
  <text x="150" y="245" font-size="11" fill="#374151">关节/力矩</text>
</svg>
​

回路三个节点的职责：

💡 关键洞察：闭环不是线性的「感知→决策→执行→结束」，而是永不停止的滚动循环。机器人在执行的同时也在感知（否则就是盲动），所以感知与控制常常以 100Hz-1000Hz 的频率耦合在一起。

1.2.2 闭环的频率分层

真实的机器人系统并不是单一频率的闭环，而是多频率分层的嵌套结构：

这三层分别对应本书的不同章节：慢循环（第 4 章大模型规划）、中循环（第 5 章 VLA/RL 策略）、快循环（第 6 章运动控制）。分层的好处是各层关注不同时间尺度的信息：高层处理语义与长程目标，低层处理动力学与稳定性。

1.2.3 与工业机器人、自动驾驶的架构对比

具身智能的闭环架构并非凭空设计，它与已有的两大系统既有相似又有本质差异。

三个值得关注的差异点：

1. 触觉的回归：工业机器人和自动驾驶主要靠视觉，但具身智能（尤其操作任务）必须依赖触觉与力觉，否则无法处理「插拔、按压、柔顺装配」这类需要接触反馈的任务。第 2.3 节会专门讲触觉与力感知。
2. 决策的开放性：工业机器人执行固定程序，自动驾驶目标单一，而具身智能面对「帮我整理桌面」「把这杯水端给奶奶」这类开放式自然语言指令，必须由大模型做任务分解（第 4 章）。
3. 控制精细度：自动驾驶是「宏观导航」，具身智能很多场景是「亚毫米级操作」，对力控要求完全不同（第 6.4 节）。

1.2.4 闭环中的「不确定性」与「延迟」

闭环系统有两个永恒的敌人：不确定性（uncertainty）和延迟（latency）。

• 感知不确定性：传感器有噪声、遮挡、盲区；状态估计本身是概率推断（第 3 章 SLAM 的因子图优化就是在处理它）。
• 模型不确定性：世界模型不完美，预测的下一步状态可能与真实不符（这是 Model-based RL 与世界模型的核心难题，第 8 章讨论）。
• 执行不确定性：电机有摩擦、 backlash、滑动，发出的指令未必精确实现（第 6 章阻抗控制就是为了应对接触不确定性）。
• 延迟：感知→决策→执行的链路如果有 100ms 延迟，对高速任务（接球、快插拔）就是致命的。这也是为什么策略模型要预测 action chunk（动作序列块）而非单步动作——用前瞻补偿延迟（第 5 章扩散策略与 ACT 的设计动机）。

⚠️ 设计箴言：任何闭环机器人系统设计，第一步永远是问「我的感知-控制链路延迟是多少？这个延迟下任务还能稳定吗？」延迟决定了你能做哪些任务。

1.2.5 闭环视角下的全书地图

把闭环回路套到本书章节上，立刻看到清晰的对应关系：

• 感知节点 = 第 2 章（多模态传感器与融合）+ 第 3 章（SLAM 与环境理解）
• 决策节点 = 第 4 章（大模型任务规划）+ 第 5 章（VLA 与端到端策略）
• 执行节点 = 第 6 章（运动控制）
• 如何让闭环持续进化 = 第 7 章（数据与仿真）
• 闭环系统的整体集成与挑战 = 第 8 章（综合案例与展望）

记住这张地图，后续每一章你都能立刻定位它在闭环中的角色。

本节小结

• 具身智能的核心是「感知-决策-执行」闭环回路，永不停止地滚动循环。
• 真实系统是多频率分层的：慢循环（认知）→ 中循环（策略）→ 快循环（控制）。
• 与工业机器人、自动驾驶相比，具身智能独特在开放任务、触觉需求、操作精细度。
• 不确定性与延迟是闭环系统的两大敌人，策略模型用 action chunk 补偿延迟。
• 后续每一章都对应闭环的一个节点：感知（2-3）、决策（4-5）、执行（6）、进化（7）、集成（8）。

下一节《1.3 机器人形态谱系》将讨论承载这个闭环的物理载体——机器人本体为什么有这么多长相，形态如何反向约束智能算法。