张正友判断,三层架构可能在相当长时间内保持稳定,因为它对应的不是某一代模型的性能限制,而是物理世界本身存在的时间尺度差异。触觉反馈约 1 毫秒、底层运动控制 500Hz~1000Hz、感知行动约 15Hz、认知按需唤醒——这些频率差异是物理世界的固有属性,不会因模型迭代而消失。"分层我认为是比较合理的一个架构,这个架构在很长的时间里面不太会变。"
三层架构并非简单地将模型拆分为三个独立模块,而是"分层运行、闭环训练"。不同模型在推理时承担不同职责和频率,训练时仍然可以根据任务结果、动作表现和环境反馈进行联合优化。这条路线不是反对端到端,而是质疑让一个单体模型以同一种频率包办所有认知和身体控制的设计——它试图保留端到端学习的能力,同时把已经明确的物理约束提前写入架构。
TairosAgent 的架构稳定性并不意味着技术停滞。在保持三层结构稳定的前提下,每一层都在持续演进:感知层引入更高精度的触觉和力觉传感器,认知层从纯语言推理升级为"语言+视觉状态"的双通道认知,行动层通过更多示教数据和强化学习不断提升泛化能力。这种"结构稳定、能力持续进化"的设计,使 TairosAgent 能够在保持架构兼容性的同时,不断吸收模型和硬件的进步。