腾讯 Robotics X 实验室主任张正友指出,机器人面对的世界并不是按照同一种速度运行的。触觉反馈只有约 1 毫秒,底层运动控制以 500Hz 至 1000Hz 运行,感知行动系统以约 15Hz 运行,而认知系统可以按需唤醒进行深度思考。让一个单体模型以同一种频率包办所有认知和身体控制,在物理上不可行——如果让大模型以底层控制的高频率运行,算力难以承受;让底层动作等待大模型,延迟又变成安全风险。
张正友用一个比喻解释了通用框架的局限:"OpenClaw 操控的身体相当于浏览器,不是机器人。"浏览器可以等几十秒再响应,机器人却不能——一个任务从下达到响应要几十秒,"肯定受不了"。物理世界中的碰撞、失衡、力觉变化必须瞬间处理,这与数字世界的请求-响应模式有本质区别。
与互联网文本数据相比,具身数据的采集昂贵、效率低,物体、光线、本体和场景一旦变化,原有数据就可能失效。与其等待模型从有限数据中自行发现合理结构,不如先将不同频率、不同感知和不同安全等级的任务进行分工,把已经明确的物理约束提前写入架构。这种"分层运行、闭环训练"的设计,是在具身数据远未充足条件下的务实选择。