04-02 · 技术概念
什么是机器人的“大脑”？
理解机器人如何把“看到的世界”和“收到的任务”，变成下一步该做什么。
一句话总结
机器人的“大脑”，负责回答一个核心问题：我现在看到了什么、任务是什么，以及下一步应该做什么。
Plain language
用人话理解
如果把机器人想成人，大脑到底负责什么？ 场景：用户对机器人说：“把桌上的水拿给我。”机器人不是听到这句话就直接让电机转动。
- 01
听懂“水”指什么
- 02
找到桌子和水
- 03
判断自己当前在哪里
- 04
理解任务目标
- 05
决定先走过去，再伸手抓取
- 06
把“拿水”拆成一系列可执行步骤
大脑负责想清楚：我看到了什么、用户想让我干什么、我下一步应该做什么。
System loop
没有感知，大脑也无法判断
- 环境
- 感知
- 大脑理解与决策
- 小脑运动控制
- 本体执行
Four modules
大脑主要做哪几件事
A · 环境理解
这里发生了什么？
- 识别物体
- 理解空间关系
- 理解人和障碍物
- 理解环境变化
不是只看见像素，而是知道“这里有一张桌子，桌上有个杯子”。
B · 任务理解
用户到底想让我做什么？
- 自然语言理解
- 任务目标识别
- 上下文理解
用户说“把水拿来”，机器人要知道最终目标不是走到桌边，而是把水交给用户。
C · 推理与决策
现在最合理的下一步是什么？
- 判断顺序
- 处理环境变化
- 选择策略
- 异常情况下重新决策
前面有人挡路，就不能还按原路线硬走。
D · 任务规划
把一个大任务拆成很多小任务
- 拿水
- 找到杯子
- 走到桌边
- 调整位置
- 伸手
- 抓取
- 送到用户面前
大脑不是直接控制每一个关节，而是把目标变成更具体的任务步骤。
Responsibility boundary
别把“大脑”理解成机器人什么都管
机器人的智能能力、运动控制与机械执行承担不同职责。
大脑
决定做什么
示例：“去拿杯子”
小脑
决定身体具体怎么稳定运动
示例：“腿怎么走、手臂轨迹怎么规划、身体怎么保持平衡”
本体
真正执行动作
示例：“电机、执行器、关节真正产生动作”
大脑不等于整个机器人控制系统。
Brain and foundation models
机器人大脑 = 大模型吗？
不完全等于。
大语言模型 / 多模态模型可以成为机器人大脑中的重要能力，帮助机器人完成语言理解、视觉理解、推理和任务规划。
- 机器人状态
- 空间信息
- 任务规划
- 实时决策
- 安全约束
- 机器人专用模型
大模型可能是机器人大脑的重要组成部分，但不能简单把“机器人大脑”等同于 ChatGPT 装进机器人。
Quick memory
机器人大脑记住这 3 件事
01 · 理解环境
我看到了什么？
02 · 理解任务
用户想让我做什么？
03 · 做出决策
我下一步应该怎么做？
大脑解决“做什么”，但不会替小脑完成“怎么动”。
Related concept · 04-05
那 VLA 呢？
VLA 尝试进一步把视觉、语言和动作连接到统一模型体系。它不仅帮助机器人“看懂”和“想明白”，还试图把智能决策进一步连接到动作输出。
VLA 是机器人大脑相关的重要技术路线之一，但仍不等于完整机器人系统。
→ 04-05 VLA · 即将补充Real-world difficulty
为什么机器人大脑难
- 01
现实环境变化太多
- 02
指令可能模糊
- 03
任务可能很长
- 04
做错一次可能产生真实物理风险
数字 AI 答错一句话可能只是答案不好；机器人判断错了，可能真的撞人、摔东西或执行失败。
Solution perspective
解决方案人员为什么要理解机器人大脑？
解决方案人员不需要训练模型，但要知道哪些客户问题可能属于“理解 / 决策层”。
客户：“机器人明明看见了目标，但不知道先做哪一步。”
→ 任务规划 / 决策
客户：“用户换一种说法，机器人就听不懂。”
→ 语言理解 / 模型泛化
客户：“障碍物变化以后，机器人还按原计划执行。”
→ 环境理解 / 实时决策
客户：“机器人完成简单动作没问题，但连续多步骤任务容易失败。”
→ 长任务规划 / 推理 / 状态管理
解决方案岗位不需要自己训练“大脑”，但要能判断：问题究竟出在感知、理解、决策，还是后面的控制与执行。
Related knowledge
关联知识
- 04-01机器人怎么从“看见”到“行动”已完成 →
- 04-03什么是机器人的“小脑”？已完成 →
- 04-04什么是机器人本体？即将补充
- 04-05VLA 是什么？即将补充
- 02-perception感知系统即将补充
Personal notes
我的笔记
记录你的判断：
- • 哪个观点与你已有认知不同？
- • 是否可以应用到工作？
- • 是否值得进一步研究？
声页不是替你学习，而是辅助你形成自己的知识。
Feedback