当下人形机器人、具身智能快速迭代，很多人疑惑：为什么大模型智商很高，落地到机器人躯体却频繁摔倒、动作卡顿、响应迟缓？

核心症结只有一个：大模型是秒级慢思考，机器人躯体需要毫秒级实时控制。单一模型无法同时兼顾高层语义推理和底层物理稳定控制。
为此，行业在传统认知科学双系统理论基础上，演化出了适配机器人工程落地的系统0/系统1/系统2 三层分层异步架构。目前 Figure
AI、逐际动力、智元机器人等主流厂商，均已采用这套架构作为新一代具身智能的核心范式。
本文从零拆解三层系统的定位、运行逻辑、技术栈、落地价值，同时对比传统架构、厘清行业误区，帮你彻底搞懂具身智能的底层运行逻辑。

一、架构起源：从心理学双系统到机器人三系统

1. 经典理论基础
   诺贝尔经济学奖得主卡尼曼在《思考，快与慢》中提出人类认知双系统：

• 系统1（快思考）：直觉、反射、无意识、极速响应
• 系统2（慢思考）：逻辑、推理、规划、有意识、低响应
  这套理论仅适用于认知层面，无法解决机器人的物理躯体控制问题——机器人需要维持平衡、抵御环境扰动、保障硬件安全，这是纯认知模型无法覆盖的底层能力。

2. 行业创新：新增系统0，补齐物理层能力
   2025年起，头部机器人企业统一补充系统0（本能运控层），形成完整的三层架构：系统2（认知规划）→ 系统1（动作执行）→ 系统0（躯体稳控）。
   核心设计思想：分层异步、独立闭环、故障隔离，让“慢思考的AI大脑”和“超快响应的机器躯体”完美适配。

二、三层系统深度拆解：定位、频率、职责、技术栈

1. 系统2｜认知规划层（指挥官·大脑皮层）
   运行频率：7–10Hz（秒级/数百毫秒级）
   核心定位：负责“想明白做什么”，全局语义与任务规划
   作为整个机器人的最高决策层，系统2不参与具体动作生成，只专注高层认知任务，是机器人的“智慧大脑”。
   核心能力：

• 理解自然语言指令、解析场景语义、识别物体与环境关系
• 长序列任务拆解、多步骤逻辑规划、常识推理与决策
• 世界模型推演、记忆调用、复杂场景策略调整
• 输出抽象高层目标，而非具体电机、关节指令
  落地示例：接收指令“收拾桌面”，拆解为「走到桌前→识别杂物→抓取物品→放入收纳盒→整理桌面」完整任务链。
  核心技术栈：大语言模型LLM、多模态视觉语言模型VLM、世界模型、任务规划算法

2. 系统1｜动作执行层（士官·小脑）
   运行频率：100–200Hz
   核心定位：负责“规划怎么做”，将抽象目标转化为连贯动作
   系统1是承上启下的核心枢纽，承接系统2的抽象任务，结合实时视觉传感数据，生成连续、平滑的全身动作轨迹，是机器人的“运动中枢”。
   核心能力：

• 将高层任务目标拆解为逐帧全身关节姿态轨迹
• 实时感知环境变化，微调动作路径，规避静态障碍
• 封装各类运动技能：行走、抓取、开关门、搬运等
• 输出标准化姿态目标，下发给系统0执行
  落地示例：接收“抓取水杯”目标，实时生成手臂伸展、手部开合、躯干适配的连续动作序列。
  核心技术栈：视觉-语言-动作模型VLA、运动模仿学习、行为策略模型

3. 系统0｜躯体稳控层（本能·脊髓反射）
   运行频率：500–1000Hz（1kHz 毫秒级闭环）
   核心定位：负责“稳住身体”，保障物理安全与动作落地
   系统0是机器人最底层、优先级最高的核心层级，也是区别于传统AI模型的关键。它不理解任务、不分析语义，只专注躯体物理稳定，属于本能式硬闭环控制。
   核心能力：

• 全身动力学解算、重心实时调控、行走平衡维持，防摔倒
• 力控柔顺交互、碰撞检测、突发扰动应急反射
• 将系统1的姿态轨迹，转化为精准电机扭矩指令
• 独立闭环、自主容错：上层系统卡顿、失效、断电时，依然维持躯体稳定
  落地示例：机器人行走脚底打滑、手臂触碰障碍物，系统0毫秒级调整关节扭矩、修正姿态，避免摔倒、硬件损坏，全程无需大脑参与思考。
  核心技术栈：传统MPC模型预测控制、WBC全身控制、人体运动先验模型、高频力控算法

三、完整工作链路：从一句话到一个动作

以用户指令“走到餐桌旁，拿起水杯喝水”为例，三层系统协同全流程：

1. 系统2（秒级思考）：理解指令语义，规划完整路径，输出高层目标：移动至餐桌、定位水杯、执行抓取、模拟喝水动作
2. 系统1（百毫秒级执行）：结合视觉识别水杯位置，生成行走、抬手、抓取的连续关节轨迹，实时微调动作姿态
3. 系统0（毫秒级稳控）：高频跟踪动作轨迹，实时调整重心、抵消地面颠簸、控制抓取力度，保障动作平稳、安全落地
   整个过程三层异步并行：系统2慢慢思考后续任务，系统1持续优化动作，系统0始终守住躯体底线，互不阻塞、互不干扰。

四、架构核心优势：为什么成为行业标配？

1. 解决“快慢矛盾”，适配机器人物理特性
   大模型推理存在延迟，无法适配机器人毫秒级控稳需求。三层架构通过分级频率闭环，让认知、动作、稳控各司其职，彻底解决“思考太慢、动作不稳”的行业痛点。
2. 故障隔离，大幅提升机器人安全性
   传统单模型架构，一旦大模型卡顿、推理出错，机器人直接失控倒地。而三层架构中，系统0独立运行、优先级最高，上层AI失效不影响底层躯体稳定，极大降低硬件损坏风险。
3. 解耦迭代，研发效率翻倍
   三层系统技术栈完全解耦，可独立迭代优化：

• 升级系统2大模型，提升智能理解能力，无需改动底层控制
• 优化系统0运动控制算法，提升平衡、柔顺度，无需调整上层规划

4. 适配真实复杂物理场景
   真实环境存在颠簸、摩擦、突发扰动，纯端到端模型泛化性差。系统0的物理动力学闭环，能精准适配真实物理规则，让机器人动作更贴合人类、更稳定可靠。

五、主流厂商落地方案对比

1. Figure AI Helix 02（行业标杆）

• 系统2：拓展长序列复杂场景规划，支持多步骤家居、工业连续任务
• 系统1：200Hz VLA模型，实现像素到关节姿态的快速映射
• 系统0：基于海量人体运动数据训练的全身控制模型，替代传统手工奖励函数，动作更自然、柔顺

2. 国内厂商（逐际动力、智元机器人）

• 沿用三层核心架构，部分厂商新增系统0.5作为运动先验层，补充动作约束与姿态先验
• 侧重优化工业场景稳控、室内复杂环境适配，强化系统0的抗扰动能力

3. 英特尔算力适配方案
   针对三层架构异构特性，定制算力分配：系统2/1依赖AI算力做推理，系统0依赖高精度实时CPU算力，实现算力与任务的精准匹配，最大化边缘落地效率。

六、常见认知误区澄清

误区1：系统0/1/2是心理学原生理论

正解：心理学仅含系统1/2，系统0是机器人具身智能的工程创新扩展，专为物理躯体控制设计。

• 误区2：三层系统需要同步运行、互相等待

正解：核心是异步独立闭环，各层级自有运行频率，互不阻塞。

• 误区3：端到端单模型可以替代三层架构

正解：单模型无法兼顾秒级推理与毫秒级稳控，泛化性、安全性、稳定性远不如分层架构，无法落地工业级场景。

七、行业趋势：三层架构是具身智能的终极底座？

当前具身智能的核心演进方向，已经从“堆大模型参数”转向认知+动作+物理控稳的分层协同。
未来行业迭代将聚焦两点：

1. 上下层打通：优化三层系统的信息交互效率，减少层级延迟，让规划更贴合物理执行特性
2. 先验增强：系统0持续积累人体运动、物理交互先验，系统1强化通用动作技能，系统2升级世界模型推理能力
   可以确定：系统0/1/2分层架构，将成为未来人形机器人、通用具身智能的标准基础架构。

八、全文总结

用一句通俗的话总结三层系统的核心价值：

• 系统2：帮机器人看懂世界、想明白要做什么；
• 系统1：帮机器人把想法变成一套流畅的动作流程；
• 系统0：帮机器人稳住身体、扛住环境扰动，守住安全底线。
  脱离三层架构的具身AI，只是“只会思考的代码”；只有完整落地0/1/2分层体系，机器人才能真正实现像人一样思考、像人一样运动、稳定安全落地。

---

原创总结：本文完整拆解具身智能三层架构的理论起源、技术细节、落地案例与行业趋势，适合AI从业者、机器人开发者、技术爱好者入门与深度学习。