导读

本文只讨论一个问题：把具身智能系统拆开以后，具身智能大脑到底负责哪一段。

这个问题不能靠抽象定义回答，只能放进具体场景里看。下面用一个动态非结构化实验室危险品二次分类场景，把执行层、空间智能、世界模型、具身智能大脑的边界拆开。

先把几个词说清楚，后面会轻松很多：

• SO101：一种低成本桌面机械臂，这里把它当作具身平台的代表
• 空间智能：负责理解几何关系、障碍物和局部物理安全的层
• 世界模型：用于估计动作发生后环境可能如何演化的预测模型
• 具身智能大脑：负责处理意图、风险和重规划的治理层

场景设定：动态非结构化环境下的实验室危险品二次分类

这里选一个适合 SO101 这类低成本机械臂平台的任务作为分析基准：

动态非结构化环境下的实验室危险品二次分类与意外处置。

选这个场景，有三个现实前提。

第一，没有昂贵的机械臂本体。分析对象不是高自由度、高精度的工业级平台，而是类似 SO101 这样的低成本机械臂。所以讨论重点不能压在本体性能上，只能压在系统层的任务组织、异常治理和风险控制上。

第二，搭不起复杂实验环境。没有高规格实验室，没有大规模传感器阵列，也没有完整的工业安全隔离设施。场景必须能在有限的桌面环境里复现，同时还能把任务目标、环境扰动和安全约束之间的冲突暴露出来。

第三，场景本身得能说明问题。它不能只是一个静态抓取 demo，不然看到最后还是感知和轨迹执行，执行层、空间智能、世界模型、具身智能大脑的边界都拉不开。实验室危险品二次分类这个任务同时带着语义目标、动态扰动和风险后果，正好能把系统真正要回答的问题逼出来。

这个场景同时带着三类复杂性：

• 指令是模糊的，需要做语义对齐
• 环境是动态的，执行中会发生突变
• 决策带有安全后果，不能只追求动作完成

用它来检验这四层的边界，够用了。

边界零：执行层负责驱动机械臂，不负责理解任务

这里的执行层包括运动控制、轨迹跟踪、伺服驱动、夹爪开合、关节级控制和底层安全联锁。它接收上层给出的目标位姿、轨迹段、速度约束、抓取力度或停止指令，再把这些东西变成电机、关节和末端执行器真正能执行的控制信号。

执行层的职责包括：

• 将目标位姿或轨迹转换为关节级控制命令
• 保证轨迹跟踪、速度控制和夹爪执行
• 在控制周期内维持伺服稳定性和执行精度
• 响应急停、限位、力控阈值等底层保护机制

这一层管的是动作怎么稳定、可重复地落到机械臂上。

边界一：具身智能大脑处理意图，不直接下沉到动作控制

先看任务输入。

把桌面上所有带红色标签的试剂盒放进回收箱，不要碰到那个蓝色烧杯。

这句话看上去很简单，但里面已经埋了很多约束：

• “所有带红色标签的试剂盒"不是一个固定坐标，而是一类语义目标
• “放进回收箱"不是单步动作，而是一串子任务
• “不要碰到蓝色烧杯"不是建议，而是一个硬约束

这里关键不是动作序列，而是执行计划。

这一阶段，具身智能大脑负责意图对齐：

• 识别用户到底想处理什么对象
• 明确哪些对象是可操作目标
• 明确哪些对象是绝对不能碰的约束物
• 把自然语言指令拆成可执行的子目标链

把模糊的人类目标，整理成带约束的执行计划。

边界二：空间智能看几何变化，具身智能大脑重建执行计划

再看一个执行中断事件。

SO101 正在抓取一盒带红色标签的试剂盒，实验室工作人员意外碰撞了桌面。结果有两个变化同时发生：

• 药盒相对原位置偏移了大约 5 厘米
• 蓝色烧杯朝机械臂原有运动路径方向倾斜

空间智能负责什么

空间智能负责对几何变化做快速感知和即时响应。

它看到的是：

• 目标位置变了
• 障碍物姿态变了
• 原路径的碰撞风险变高了

它先保物理安全闭环。

这一层要做的事很直接：

• 快速检测空间几何变化
• 触发避障机制
• 必要时通过控制障碍函数或其他安全控制逻辑强制停机

把这一层看成具身系统的 System 1 也没问题。它反应快，闭环硬，先把事故拦住。

具身智能大脑在这里做什么

System 1 刹住之后，具身智能大脑才真正接管。

这时要处理的已经不是“目标坐标变了没有”，而是原来的执行计划还算不算数。

例子：机械臂在物理上仍然能够到达那个盒子，问题是原来的执行计划已经失效了：“抓取这个物体，但不要碰到蓝色烧杯。” 到达仍然可能，继续执行已经失去正当性。

少了这一层，机械臂最常见的错误就是沿着旧计划继续跑。

Hallucination in Action。

动作层还在执行，只是执行前提已经失效了。

所以它的第二个职责是：

环境和计划脱节之后，停掉旧计划，重新建一个能执行的新计划。

边界三：世界模型推演后果，具身智能大脑做策略取舍

再往场景里加一点约束，让它更像真实实验室。

那盒试剂盒虽然还能看到，但它的一角被其他杂物压住了。

于是问题变成：

机械臂如果现在直接抓，会不会把上面的杂物带倒？如果倒了，会不会砸到旁边的烧杯？如果烧杯被碰翻，风险是不是已经超过了当前任务收益？

这里要回答的是物理后果。具身智能大脑能组织决策，但它不是物理仿真器。

世界模型负责什么

世界模型擅长回答这样的问题：

如果我执行某个动作，接下来物理世界更可能如何演化？

比如在这个场景里，它适合回答：

• 如果以当前力度强行拉动药盒，杂物坍塌概率多大？
• 如果先抬起再侧拉，烧杯受扰动风险如何变化？
• 哪种动作序列更容易引发连锁碰撞？

它负责后果预测。

为什么世界模型替不了具身智能大脑

即使世界模型给出了坍塌概率，最后还是得有人决定下一步怎么做：

• 是继续执行，还是放弃当前动作？
• 是先移开杂物，还是重新选目标？
• 是优先保证安全，还是继续追求任务进度？

所以它的第三个职责是：

调用世界模型，吸收后果预测，再把预测结果变成策略选择。

用同一场景验证五个执行阶段

把这个框架映射回任务执行链，可以得到五个连续阶段。

阶段一：语义对齐与执行计划生成

用户下达高层指令：

把所有带红色标签的试剂盒放进回收箱，注意别碰到那个蓝色烧杯。

具身智能大脑先做语义对齐：

• 识别红色标签试剂盒是任务目标
• 识别蓝色烧杯是禁止触碰的硬约束
• 生成"识别 -> 抓取 -> 搬运 -> 投放"的子任务链

阶段二：异常触发后的几何制动与执行计划重建

执行中桌面被意外碰撞，药盒偏移，烧杯倾斜。

空间智能先快速响应：

• 感知几何变化
• 停止原运动路径
• 避免立即撞击

随后具身智能大脑接管：

• 中止旧计划
• 重定位目标和约束
• 生成新的抓取路径

阶段三：后果预测驱动的策略选择

药盒被杂物压住，不能直接粗暴抓取。

此时具身智能大脑发起对世界模型的查询：

• 如果强行拉动，会不会带倒上层杂物？
• 杂物坍塌后会不会打碎烧杯？

世界模型给出后果概率，具身智能大脑据此做决策：

• 放弃直接拉动
• 改成先移开障碍物
• 再重新执行抓取

阶段四：执行层完成轨迹跟踪与末端执行

具身智能大脑完成策略选择、空间智能补上局部安全约束之后，动作真正落到机械臂上，就归执行层。

执行层在这一阶段负责：

• 按目标位姿和轨迹段驱动关节运动
• 控制夹爪张开、闭合和抓取力度
• 在执行过程中维持轨迹跟踪误差、速度约束和伺服稳定性
• 在收到上层中断信号时立即停机或切换控制模式

没有这一层，前面的判断都落不到机械臂上。

阶段五：经验回灌与策略更新

任务结束后，系统还会把这次经验记下来：

• 药盒包装材质偏滑
• 初始抓取力偏小
• 首次策略不够稳健

下次再遇到同类材质时，系统会在规划阶段主动提高抓取力度或调整抓取策略。

这也说明具身智能大脑不只是一次性出计划，它还负责把经验回灌到治理层。

失败责任归属图

把这四层边界放到工程现场，最有用的地方不在定义本身，而在于出问题时能很快判断责任落在哪一层。

这张表可以直接拿来做两件事：

• 分工：明确每一层该解决什么类型的问题
• 排障：系统失败后先判断责任层，再往下查实现细节

结论

执行层决定怎么动，空间智能决定眼前什么是安全的，具身智能大脑决定系统是否还应该继续行动。

具身智能大脑的真正作用，不是让机器人显得更聪明，而是让整个系统对自己的行为负责。