摘要
当前主流端到端视觉-语言-动作（Vision-Language-Action, VLA）具身模型存在强耦合缺陷：通用认知、场景感知、运动控制融合于单一网络。持续在线学习过程中，大量短时、场景专属经验被固化至模型参数，引发表征臃肿及模型臃肿、新旧知识冲突与灾难性遗忘。同时，现有架构高度依赖人工数据集组织与离线训练，缺乏面向开放物理环境的自主迭代机制。受人类婴儿渐进认知发展模式启发，本文提出分层解耦的具身智能终身学习架构。该架构由冻结式出厂通用基座模型、标准化可插拔技能分支模块、智能体调度中枢、外置持久化经验记忆库构成。通用基座承载长效稳态常识与多模态基础表征，设备上线后限制大规模权重更新；各类专项操控技能封装为独立、版本化分支子模块，支持动态加载、卸载与局部增量训练；智能体调度中枢搭建“环境交互-经验采集-样本筛选-分支微调”自主进化闭环；时效性情景经验统一存储于外部向量记忆系统，从根源规避临时信息挤占参数空间。本文给出系统分层规范、跨模块数据流、自主学习约束策略以及边缘-云端协同工程实现方案，设计从仿真平台到实体机器人的逐级验证路径，方案具备良好可复现性。
关键词：具身智能；终身学习；模块化大模型；视觉语言动作模型；智能体；灾难性遗忘
中图分类号：TP242；TP183
1 引言
1.1 研究背景与现存问题
随着多模态大模型技术快速发展，基于大模型的具身智能成为机器人领域前沿研究方向。现有技术路线主要分为两类：
第一类为大一统端到端VLA模型。该范式将多模态感知、高层任务规划、底层运动策略整合进单一神经网络。模型完成预训练后，拓展新场景、新增操控技能时需要混合新旧样本开展全局微调。短期环境特征、临时交互轨迹、时效性场景信息持续写入权重空间。随着迭代轮次增加，参数被大量非通用信息占用，模型通用推理能力逐步稀释，表征臃肿、输出幻觉、知识冲突等问题持续凸显。
第二类为大模型+固定工具链架构。高层大模型负责任务规划，底层执行逻辑依靠人工编写硬编码程序。该方案解耦程度高、运行稳定，但系统不具备自主学习能力。面对动态、未预先定义的开放环境，机器人无法通过物理交互自主习得新动作与新策略，环境适应性存在明显上限。
综合分析，现有范式存在三项共性缺陷：
（1）知识分层缺失。长期有效的物理常识、逻辑规则的数据与大量一次性、局部化情景经验的数据混合训练，缺少隔离机制；
（2）功能高度耦合。导航、抓取、人机交互等技能与主干网络深度绑定，单项能力优化往往需要全局重训练；
（3）学习闭环依赖人工。缺少自主经验筛选、自触发增量训练机制，难以在无人干预条件下实现持续进化。
1.2 仿生认知启发
人类新生儿具备先天认知基座：视觉追踪、本体感知、基础因果直觉、内在好奇心驱动探索行为。婴儿出生时不具备完整生存技能，行走、精细抓握、语言交流依靠长期环境交互逐步习得。不同技能相对独立发展；短期偶然记忆自然淡化，底层通用认知长期保持稳定。
基于上述认知规律，本文提出核心假设：面向开放环境的长效具身智能，不应追求在预训练阶段容纳全部能力；可行范式为稳定通用认知基座+可独立演化的模块化技能单元，依托持续物理交互实现渐进式终身自主学习。
1.3 本文主要贡献
（1）提出分层解耦终身学习架构，严格隔离长效基座认知、模块化技能分支与外置动态经验库，缓解时效性数据持续训练带来的模型臃肿问题；
（2）设计完整可工程落地的自主进化闭环机制，规范经验筛选规则、训练触发条件、权重更新约束与模型稳定性防护策略；
（3）建立基座与技能分支统一特征空间对齐方案，保障模块标准化接口与热插拔兼容性；
（4）提出边缘机器人+云端训练协同部署方案，形成仿真环境到实体机器人逐级验证流程。
2 系统总体架构设计
整套系统自顶向下划分为四层：智能体调度层、通用基座模型层、可插拔技能分支层、感知执行层；配套独立外置持久化经验记忆库。各层级遵循低耦合、标准化接口设计原则。
2.1 智能体调度中枢（Agent Core）
智能体作为上层调度核心，不参与底层神经网络前向推理，承担决策、调度、记忆管理、学习控制职能。核心功能定义如下：
接收多模态观测信息、用户自然语言指令，完成高层任务拆解与时序规划；
根据当前任务类型，动态加载、卸载对应技能分支模块，实现算力资源按需分配；
持续采集机器人与环境交互完整轨迹，包含观测序列、动作指令、任务奖励、异常状态；
自主进化决策单元：评估交互样本价值，判定是否启动分支增量训练；
记忆路由：短期情景经验写入外置向量经验库；任务推理阶段检索历史交互信息辅助决策；
全局安全约束：设置权重更新保护阈值，监控分支迭代效果，规避技能模型性能退化。
硬性约束规则：智能体调度中枢禁止发起通用基座模型全参数微调，全部持续学习过程仅作用于技能分支模块。
2.2 出厂通用基座模型（Embodied Foundation Backbone）
基座为离线预训练完成的多模态VLA基础模型，设备出厂后主干权重默认冻结。仅允许采用LoRA、适配器等轻量化方案开展极小范围特征适配，禁止大规模参数更新。基座能力边界严格限定于长效稳态知识：
多模态统一表征学习，将图像、本体传感信号、语言指令映射至共享高维特征空间；
通用世界模型推理、基础物理因果判断、长程任务逻辑规划；
通用风险识别、跨场景基础常识。
基座不存储场景专属操作细节、临时环境布局、单次交互轨迹。通过明确能力边界，避免海量临时经验持续侵占主干模型表征容量，从源头抑制模型臃肿现象。
2.3 可插拔技能分支模块（Skill Branch Module）
各项独立机器人技能封装为标准化、版本化分支子模型。模块定义统一输入输出接口，与基座共享特征嵌入空间，支持热加载、动态卸载、独立增量训练、版本回滚。
典型技能分支划分示例：室内导航与动态避障分支、机械手抓取与精细操控分支、人机语言交互分支、物体姿态与材质识别分支、任务异常恢复分支。
模块设计规范：
采用轻量化网络结构或基于适配器范式构建，训练算力需求显著低于主干基座；
每个分支独立维护版本快照，迭代效果不达标时支持一键回滚至稳定版本；
模块之间相互低耦合，新增任务能力仅需要开发对应分支，无需改动基座；
分支仅学习场景专属局部策略，不重复学习底层通用认知逻辑。
2.4 感知与硬件执行层
包含机器人各类物理传感器（RGB相机、深度相机、力传感器、本体编码器）、运动驱动控制器。负责原始传感信号采集、信号预处理、动作指令底层执行，向上游输出标准化观测向量。
2.5 外置持久化经验记忆库
所有具备时效性的情景经验统一存储于独立向量数据库与优先级经验回放池，不参与神经网络权重固化。
推理阶段由智能体按需检索历史交互记录；当同类有效样本累积达到阈值，样本仅用于微调对应技能分支。当环境发生变化、经验失效时，可直接在数据库中清理无效数据，无需重新训练任何模型，解决过时信息永久占用参数空间的痛点。
3 自主进化闭环运行机制
本文构建全自动化交互学习闭环，最大限度降低人工介入，完整流程如下：
3.1 环境交互与轨迹采集
智能体下发高层任务规划指令；通用基座完成多模态特征编码；系统加载匹配当前任务的技能分支生成连续动作序列；硬件执行机构完成物理交互。全过程持续记录观测信息、动作序列、任务反馈奖励，生成标准化交互轨迹。
3.2 经验筛选与样本归档
智能体内置多层筛选策略过滤噪声数据：
保留样本集合：任务成功轨迹、高价值失败案例、未知环境全新交互样本；
剔除样本集合：传感器噪声引发的无效动作、大量高度重复无探索价值轨迹。
筛选完成后进行分流：短期临时样本存入外置记忆库；同一技能类别样本持续累积至预设数量阈值，进入异步训练队列。
3.3 分支模块增量微调
训练执行严格遵循约束：仅微调技能分支，基座主干权重保持冻结。
训练范式融合增量监督微调与强化学习（PPO）；引入弹性权重巩固算法（EWC）缓解分支内部新旧技能冲突。训练完成后启动自动化评估流程，若任务成功率、稳定性低于设定阈值，则放弃新版本权重，维持原有稳定分支。
3.4 模块热更新与循环迭代
评估通过的新版本技能分支下发至机器人本地，动态载入系统用于后续任务。系统重新进入环境交互采集阶段，形成持续循环。
3.5 内生自主探索机制
当无外部任务指令输入时，智能体激活好奇心内在奖励函数，主动引导机器人探索未知区域、陌生物体，自发产生交互样本，实现无人监管场景下持续积累训练素材。
4 工程实现关键约束与部署方案
4.1 特征空间对齐方案
基座输出固定维度多模态特征向量，所有技能分支的输入层表征空间与基座严格对齐。训练各分支期间，基座特征编码器全程冻结，保证特征分布长期稳定，规避模块插拔时出现特征漂移、推理失效问题。
4.2 模型迭代安全防护策略
配置权限锁，限制基座主干权重修改权限；
为技能分支设置最低性能阈值，阻断持续自学习造成的能力退化；
实行分级部署：新版本分支优先在仿真环境完成充分验证，再下发实体机器人；
强制所有分支定期生成版本快照，支持任意时刻回滚。
4.3 边缘-云端协同算力架构
机器人边缘端：部署冻结基座模型与当前任务所需技能分支，承担实时推理；未启用分支存储于本地存储介质，按需动态加载；
云端/本地工作站：承载增量微调训练任务。机器人积累足量经验后异步上传交互样本，完成分支训练，下发更新模块至边缘设备。
该架构适配嵌入式机器人算力受限的现实条件，平衡实时推理延迟与训练算力需求。
4.4 两级验证链路
阶段一：仿真环境验证。基于Isaac Sim、Webots等机器人仿真平台，完整验证自主进化闭环、分支动态调度、增量训练稳定性；
阶段二：实体机器人小规模场景部署。采集真实物理世界交互样本，持续优化技能分支策略；
阶段三：多机器人集群部署，实现成熟技能分支跨设备分发与能力迁移。
5 架构对比分析
将本文架构与两类主流方案进行横向对比：
表1 不同具身智能架构综合对比
方案大一统端到端VLA大模型+硬编码工具链本文分层解耦架构模型臃肿风险高，所有经验写入网络权重低，不支持自主学习低，短时经验外置存储，仅局部分支迭代新技能拓展成本极高，需要整体重训练高，依赖人工开发代码较低，新增独立标准化分支自主终身进化能力难以稳定实现，极易出现遗忘不具备自主学习能力具备完整自动化学习闭环知识分层隔离机制无，通用知识、情景经验混杂简易隔离，无法自主习得新策略严格分层，基座长期稳定故障影响范围局部技能退化干扰全局推理单一工具失效，高层规划不受影响故障分支可直接卸载，基座认知不受冲击6 现存挑战与未来工作展望
（1）长期特征分布漂移问题：多轮迭代之后，技能分支与基座之间特征分布逐步偏移。后续研究引入周期性分布校准损失函数，维持表征空间一致性；
（2）多分支协同调度策略：复杂复合任务需要并行调用多个技能分支，需要进一步研究分支融合逻辑、任务资源竞争冲突消解方案；
（3）内生好奇心奖励优化：平衡目标导向任务执行与环境自主探索，避免机器人陷入无意义无限漫游；
（4）群体智能下的分支迁移机制：研究多台机器人之间成熟技能模块安全分发、知识迁移方法，加速集群机器人整体进化效率。
7 结论
针对现有具身智能大一统模型耦合程度高、持续训练引发表征臃肿、难以在开放环境自主演化等痛点，本文借鉴婴儿渐进认知规律，构建冻结式出厂通用基座+标准化可插拔技能分支+智能体驱动自主进化+外置分离经验记忆分层架构。方案实现知识分层隔离：底层长效认知保持稳定；场景专项技能模块化独立迭代；所有时效性情景经验脱离神经网络权重进行存储。整套架构具备标准化接口、完整自主学习闭环、可落地的边缘云端协同部署方案，能够使机器人在开放物理环境持续习得新技能，同时缓解持续训练带来的表征臃肿、知识冲突、灾难性遗忘问题。本文架构为面向长期自主学习的下一代具身机器人提供一套具备工程可行性的新型范式。

参考文献
[1] 孙富春, 郭继燕. 具身智能研究进展与挑战[J]. 自动化学报, 2024, 50(2):345-368.
[2] Brohan A, Brown N, Chowdhery A, et al. RT-2: Robotic Transformer for Vision-Language-Action[C]//Proceedings of Robotics: Science and Systems, 2023.
[3] 朱军, 黄国洋. 大模型时代的终身机器学习[J]. 计算机学报, 2025,48(1):1-22.
[4] Lesort T, Lomonaco V, Stoian A, et al. Continual learning for robotics: Definition, framework, learning strategies, opportunities and challenges[J]. Information Fusion, 2020,58:52-68.
[5] OpenAI. Embodied Agents with World Models[R]. OpenAI Technical Report,2024.
[6] 季向阳, 张皓. 模块化多模态大模型研究综述[J]. 中国科学:信息科学,2025,55(3):541-562.