视觉语言动作模型能理解“把罐子拿到白桌上”却不适合直接负责每一次关节修正。人形机器人真正需要的是双层控制慢速模型决定动作意图快速控制器持续维持平衡并生成关节目标。这个分工比单纯换更大模型更接近工程答案。发生了什么Hugging Face 社区 9 月 25 日宣布 Unitree G1 接入 LeRobot。公开方案沿用 OpenHLM 思路π0.5 视觉语言动作模型Vision-Language-ActionVLA读取语言、相机和机器人状态预测 64 维 SONIC 潜在动作 tokenSONIC 解码器再结合短期本体感知历史输出可执行的全身关节目标底层比例—微分控制器负责跟踪。演示数据约 100 个 episode、71 分钟、每秒 50 帧包含三路 480×640 相机状态是 29 个关节位置加 2 个夹爪状态动作是 64 维潜在表示加 2 个夹爪命令。团队用 4×H100 微调 12000 步。深度躲球策略在三随机种子仿真中达到 79.1%空白深度输入为 0%特权状态 oracle 为 97.4%。这些是仿真和发布方结果公开视频不是受控真机成功率。技术原理为什么要两种时钟VLA 擅长把视觉和语言变成较长时间尺度的意图但一次前向推理的延迟、抖动和偶发错误无法满足双足平衡。快速控制器只解决更窄的问题根据最新姿态、速度和动作 token在更高频率上产生动力学可行的目标。共享的潜在 token 像一份紧凑“动作乐谱”把不同动作来源接到同一执行器。语言指令VLA慢速规划相机与机器人状态64维动作tokenSONIC快速解码本体感知历史29自由度关节目标底层PD控制机器人与新反馈核心变化不是“大模型终于能走路”而是把语义决策和稳定执行隔离。任务数据不必重新学习所有平衡与协调规律快速控制层也不必理解“白桌”是什么意思。这与操作系统把策略和机制分开很相似上层决定做什么下层保证动作按设备约束发生。最小实践模拟慢规划、快执行和过期门禁下面用一维目标演示两个频率。每 5 个控制 tick 更新一次计划快速控制器逐步逼近若计划太旧就回到安全目标。它不是机器人控制器只用于看懂调度关系。PLAN_EVERY5MAX_PLAN_AGE6desired_plans[0.4,1.0,-0.2,0.0]position0.0plan0.0plan_tick-999trace[]fortickinrange(20):iftick%PLAN_EVERY0:plandesired_plans[tick//PLAN_EVERY]plan_ticktick agetick-plan_tick safe_targetplanifageMAX_PLAN_AGEelse0.0errorsafe_target-position commandmax(-0.25,min(0.25,0.6*error))positioncommand trace.append((tick,plan,round(position,3),age))forrowintrace:print(row)assertlen(trace)20assertmax(abs(trace[i][2]-trace[i-1][2])foriinrange(1,20))0.25依赖只有 Python 标准库保存为dual_rate_control.py后运行python dual_rate_control.py。本次在 Python 3.9 实际运行生成 20 个控制 tick单步位置变化未超过 0.25两条断言通过。真实系统还要有动力学模型、传感器时钟同步、关节限位、碰撞检查和独立硬件急停不能把这个例子接到真机。对开发者意味着什么第一接口契约应携带 token 版本、产生时间、有效时长和控制器版本不能只传一个浮点数组。第二仿真先验证过期计划、丢帧、状态突变和控制器重启再谈任务成功率。第三日志要能把“上层计划错误”“解码器误差”“底层跟踪失败”分开否则失败视频只能告诉你机器人倒了不能告诉你哪层负责。部署还应设计失效路径VLA 超时不能继续无限复用旧 token相机丢失不能伪装成空白画面控制器检测到姿态越界时必须覆盖上层意图。动作 token 解决的是接口压缩与复用不是安全证明。适用边界与风险双层结构适合人形、四足和其他需要高频稳定控制的具身系统。低速桌面机械臂有时可直接执行动作 chunk不必照搬复杂控制栈。发布方训练和仿真数字也不能回答真机摔倒率、地面变化、网络延迟和长期磨损采购或部署前必须独立复测。评测也要按层设计。上层可测任务完成率、指令一致性和计划更新延迟中间接口可测 token 分布、版本兼容和过期率下层则要测关节跟踪误差、姿态恢复时间、温度与扭矩边界。若只报一个“成功率”一次失败究竟来自看错物体、计划过期还是脚底打滑团队仍然无法修复。数据回放是最便宜的第一步。保存相机时间戳、原始状态、上层 token、解码目标和实际关节反馈后可以在不通电的情况下重放计划接口随后进入仿真故障注入再到系绳、软垫和限速真机。每一层都应有明确停止条件。公开视频可以展示能力却不能替代这条证据链。我的判断是开源人形生态真正重要的进展是开始形成可替换的“策略—潜在动作—控制器”接口而不只是再放出一个视频。团队现在最值得投资的是接口时序、仿真故障注入和可回放日志因为这些能力决定模型升级时能否不重写整台机器人。如果只能先加一道保护你会选择计划过期门禁、关节限位还是独立急停关注「蜗牛聊AI」一起看懂技术变化背后的真正机会。本文首发于 java4u.cn转载请注明出处。