机器人的“大脑”：具身智能决策系统架构

系列导读
欢迎来到《具身智能与人形机器人——从原理到实战》系列的第4篇。前几篇文章中，我们探讨了具身智能的概念（第1篇），拆解了机器人的核心硬件（第2篇），并深入研究了运动控制这个“小脑”（第3篇）。今天，我们将目光投向机器人的**“大脑”——决策系统架构。如果说硬件是身体、控制是小脑，那么大脑就是负责理解环境、做出决策、规划行动的核心。我们将详细讲解感知-规划-控制闭环的工作原理，并介绍当前机器人领域的事实标准——ROS2与行为树**，让你对机器人软件架构有一个全景式的认识。

1. 引言：从“能动的机器”到“智能的机器人”

在上一篇文章中，我们学会了如何让机器人稳定站立、平稳行走——这是“能动”的基础。但是，一个能走的机器人还不算“智能”。真正的智能体现在：

• 它能不能理解自己身处何地？（厨房、客厅还是工厂？）
• 它能不能听懂指令？（“去拿桌子上的苹果”）
• 它能不能规划路径？（绕过地上的玩具，而不是直接碾过去）
• 它能不能处理意外？（苹果被拿走了，怎么办？）

所有这些能力，都需要一个强大的“大脑”来支撑。这个大脑不是单一的算法，而是一整套软件架构，它将感知、决策、规划、控制等模块有机地组织起来，协同工作。

今天，我们就来拆解这个架构。

2. 感知-规划-控制闭环：机器人的核心循环

任何智能机器人的核心工作流程都可以概括为一个闭环：

传感器数据 世界模型 目标指令 ↓ ↓ ↓ [ 感 知 ] → [ 理 解 ] → [ 规 划 ] → [ 控 制 ] → 执行器 ↑ ↓ └───────────────────────────────────────┘ 反馈循环

这个闭环包含三个核心环节：

2.1 感知（Perception）

任务：将原始传感器数据转化为有意义的语义信息。

输入：摄像头图像、激光雷达点云、IMU数据、关节编码器、力矩传感器等。

输出：

• 物体检测与识别（“那里有一个红色的苹果”）
• 机器人自身定位（“我在厨房的冰箱前面”）
• 环境地图构建（“前方有障碍物”）
• 人体姿态估计（“那个人伸出了手”）

关键技术：计算机视觉（CNN、Transformer）、SLAM（同步定位与地图构建）、多传感器融合。

2.2 规划（Planning）

任务：基于感知结果和目标任务，生成行动序列。

输入：

• 当前环境状态（物体位置、障碍物、地形）
• 机器人自身状态（位置、姿态、剩余电量）
• 高层任务指令（“把苹果拿到桌子上”）

输出：一系列离散的动作或连续的轨迹。

三个层次：

• 任务规划：将高层指令分解为子任务序列（如“走向桌子”→“抓取苹果”→“走向桌子”→“放置苹果”）
• 路径规划：在环境中规划无碰撞的移动路径（A*、RRT、Dijkstra）
• 运动规划：生成具体的关节轨迹（插值、优化）

2.3 控制（Control）

任务：将规划出的轨迹转化为具体的电机力矩指令。

输入：期望的关节位置/速度/力矩。

输出：PWM占空比、电流指令。

关键技术：PID控制、计算力矩控制、模型预测控制（MPC）、阻抗控制。

我们在第3篇文章中详细讨论的就是这一层。

2.4 闭环的意义

这个循环的关键在于“闭环”二字：

• 控制执行后，新的传感器数据会立即反馈给感知模块
• 如果抓取时苹果滑落了，感知模块会发现“手里空了”，规划模块需要重新规划抓取动作
• 如果路径被突然出现的人挡住，感知模块会更新障碍物信息，规划模块重新规划路径

正是这种持续不断的循环，让机器人能够适应动态变化的真实世界。

3. ROS2：机器人操作系统的“事实标准”

要实现上述闭环，我们需要一个通信框架来连接各个模块。这就是ROS（Robot Operating System）的用武之地。

3.1 什么是ROS？

ROS不是真正的操作系统，而是一个分布式通信框架，它让机器人的各个模块（感知、规划、控制）能够像微服务一样独立运行、互相通信。

核心概念：

• 节点（Node）：每个功能模块都是一个节点（如“相机驱动节点”“目标检测节点”“路径规划节点”）
• 话题（Topic）：节点之间通过话题发布/订阅数据流（如“/camera/image”话题发布图像数据）
• 服务（Service）：请求-响应的同步通信模式
• 动作（Action）：用于长时间执行的任务（如“导航到目标点”），支持进度反馈和取消

3.2 ROS1 vs. ROS2

2026年的今天，ROS2已经成为主流。它与ROS1的关键区别在于：

DDS的引入是ROS2最大的变革。DDS是一种发布-订阅中间件标准，具备以下优势：

• 去中心化：没有ROS1的“主节点”，避免单点故障
• QoS策略：可以配置通信质量（可靠/尽力而为、持久化等）
• 自动发现：节点自动发现彼此，无需配置IP

3.3 典型ROS2系统架构

一个完整的人形机器人ROS2系统可能包含以下节点：

[硬件层] ├── /camera_node # 相机驱动，发布 /camera/image_raw ├── /lidar_node # 激光雷达驱动，发布 /scan ├── /imu_node # IMU驱动，发布 /imu/data ├── /joint_state_node # 关节状态，发布 /joint_states └── /motor_controller_node # 电机控制，订阅 /joint_commands [感知层] ├── /object_detection_node # 目标检测，订阅 /camera/image_raw，发布 /detected_objects ├── /slam_node # SLAM建图定位，订阅 /scan /imu，发布 /map /pose └── /human_pose_node # 人体姿态估计，订阅 /camera/image_raw，发布 /human_poses [规划层] ├── /navigation_node # 路径规划，订阅 /map /pose /goal，发布 /path ├── /task_planner_node # 任务规划，订阅 /detected_objects /goal，发布 /action_sequence └── /arm_planner_node # 机械臂运动规划，订阅 /action_sequence，发布 /arm_trajectory [控制层] ├── /walking_controller_node # 步态控制，订阅 /path /imu，发布 /joint_commands └── /arm_controller_node # 手臂控制，订阅 /arm_trajectory，发布 /joint_commands [交互层] ├── /speech_recognition_node # 语音识别，发布 /voice_command ├── /tts_node # 语音合成，订阅 /response_text └── /gui_node # 可视化界面

这些节点通过DDS进行通信，可以分布在不同的计算机上（例如感知层在边缘AI芯片上运行，控制层在实时内核上运行）。

3.4 ROS2开发快速上手

安装ROS2（以Humble Hawksbill为例）：

# 设置localesudoaptupdate&&sudoaptinstalllocalessudolocale-gen en_US en_US.UTF-8# 添加ROS2源sudoaptinstallsoftware-properties-commonsudoadd-apt-repository universesudoaptupdate&&sudoaptinstallcurl-ysudocurl-sSLhttps://raw.githubusercontent.com/ros/rosdistro/master/ros.key-o/usr/share/keyrings/ros-archive-keyring.gpg# 安装ROS2sudoaptupdatesudoaptinstallros-humble-desktop

创建一个简单的发布-订阅节点（Python）：

# publisher.pyimportrclpyfromrclpy.nodeimportNodefromstd_msgs.msgimportStringclassMinimalPublisher(Node):def__init__(self):super().__init__('minimal_publisher')self.publisher=self.create_publisher(String,'topic',10)timer_period=0.5# secondsself.timer=self.create_timer(timer_period,self.timer_callback)self.i=0deftimer_callback(self):msg=String()msg.data=f'Hello World:{self.i}'self.publisher.publish(msg)self.get_logger().info(f'Publishing:{msg.data}')self.i+=1defmain(args=None):rclpy.init(args=args)minimal_publisher=MinimalPublisher()rclpy.spin(minimal_publisher)minimal_publisher.destroy_node()rclpy.shutdown()if__name__=='__main__':main()

# subscriber.pyimportrclpyfromrclpy.nodeimportNodefromstd_msgs.msgimportStringclassMinimalSubscriber(Node):def__init__(self):super().__init__('minimal_subscriber')self.subscription=self.create_subscription(String,'topic',self.listener_callback,10)self.subscription# prevent unused variable warningdeflistener_callback(self,msg):self.get_logger().info(f'I heard:{msg.data}')defmain(args=None):rclpy.init(args=args)minimal_subscriber=MinimalSubscriber()rclpy.spin(minimal_subscriber)minimal_subscriber.destroy_node()rclpy.shutdown()if__name__=='__main__':main()

运行：

# 终端1ros2 run my_package publisher# 终端2ros2 run my_package subscriber

4. 行为树：组织复杂行为的利器

有了ROS2作为通信骨架，我们还需要一个行为组织框架来管理机器人的复杂任务流程。传统的有限状态机（FSM）在面对复杂行为时，会陷入“状态爆炸”的困境。于是，**行为树（Behavior Tree）**应运而生。

4.1 什么是行为树？

行为树是一种用于控制任务切换的树状结构，最初源于游戏AI，现在已成为机器人复杂行为建模的标准工具。它的核心思想是：将复杂任务分解为一系列简单、可复用的行为节点，通过组合节点控制执行流。

4.2 行为树 vs. 有限状态机

4.3 行为树的核心节点类型

行为树由四种基本节点组成：

1. 控制节点（Control Nodes）：控制执行流

   • Sequence（序列）：从左到右执行子节点，全部成功才返回成功
   • Fallback（回退）：从左到右执行子节点，一个成功就返回成功
   • Parallel（并行）：同时执行多个子节点，根据指定策略返回

2. 装饰节点（Decorator Nodes）：修改子节点的行为

   • Inverter：反转结果
   • Repeater：重复执行子节点
   • Timeout：给子节点设置超时

3. 条件节点（Condition Nodes）：检查条件，不修改状态

   • IsObjectDetected?、IsBatteryLow?、IsAtHome?

4. 动作节点（Action Nodes）：执行具体动作，可能运行多个周期

   • MoveToTarget、GraspObject、Speak

4.4 一个真实的例子：“去拿苹果”任务

[Sequence: 拿苹果] ├── [Fallback: 确保苹果位置已知] │ ├── [Condition: 是否知道苹果位置？] │ └── [Action: 寻找苹果] ├── [Parallel: 同时做两件事] │ ├── [Action: 导航到苹果位置] │ └── [Sequence: 准备抓取] │ ├── [Action: 伸出右手] │ └── [Action: 张开手爪] ├── [Action: 抓取苹果] ├── [Fallback: 检查抓取成功] │ ├── [Condition: 手爪是否抓到物体？] │ └── [Action: 重新尝试抓取] └── [Action: 返回起始位置]

这个行为树清晰表达了任务的层级结构和备选方案。如果“寻找苹果”失败，整个任务可以优雅地终止或进入错误处理。

4.5 常用行为树框架

• BehaviorTree.CPP：C++实现，最流行的机器人行为树库，ROS2集成良好
• PyTrees：Python实现，适合快速原型
• Unreal Engine Behavior Tree：游戏领域标准

4.6 BehaviorTree.CPP快速示例

// 定义一个简单动作节点classSayHello:publicBT::SyncActionNode{public:SayHello(conststd::string&name):BT::SyncActionNode(name,{}){}BT::NodeStatustick()override{std::cout<<"Hello, I'm a robot!"<<std::endl;returnBT::NodeStatus::SUCCESS;}};// 构建行为树intmain(){BT::BehaviorTreeFactory factory;factory.registerNodeType<SayHello>("SayHello");// 从XML描述创建树autotree=factory.createTreeFromText(R"( <root main_tree_to_execute="MainTree"> <BehaviorTree ID="MainTree"> <Sequence> <SayHello/> <SayHello/> <SayHello/> </Sequence> </BehaviorTree> </root> )");// 执行树tree.tickWhileRunning();return0;}

5. 大脑的硬件：从CPU到NPU

理解了软件架构，我们再来看支撑这个“大脑”的硬件平台。人形机器人的算力需求呈指数级增长，不同任务对硬件的要求各不相同：

5.1 算力需求分层

5.2 异构计算架构

2026年的主流人形机器人通常采用异构计算架构：

[云端/边缘服务器] ← 5G/WiFi 7 → [中央计算单元] ← 高速总线 → [节点控制器] (NVIDIA Thor) (STM32H7) ↓ ↓ [大模型推理] [关节控制] [任务规划] [安全监控] [全局SLAM] [IMU融合]

中央计算单元（如NVIDIA Thor、地平线征程6）负责大模型推理和全局规划，节点控制器（如STM32、Infineon TC4）负责关节级的实时控制和安全监控。

5.3 2025-2026年最新进展

• NVIDIA Thor：2000 TOPS算力，单芯片可运行多个大模型，已应用于Figure 02、特斯拉Optimus Gen3
• 地平线征程6：专为机器人设计，集成BPU（Brain Processing Unit），能效比提升3倍
• AMD Versal AI Edge：自适应计算加速平台，支持从传感器到控制的端到端加速

6. 大脑的软件栈：从驱动到智能

将硬件、ROS2、行为树、AI模型整合起来，就构成了完整的机器人软件栈：

┌─────────────────────────────────────────────────────┐ │ 智能应用层 │ │ (任务规划、人机交互、多机协作) │ ├─────────────────────────────────────────────────────┤ │ 行为管理层 │ │ (行为树/状态机，任务调度) │ ├─────────────────────────────────────────────────────┤ │ 功能模块层 │ │ (导航、抓取、SLAM、目标检测、语音交互) │ ├─────────────────────────────────────────────────────┤ │ 通信中间件 │ │ (ROS2 / DDS) │ ├─────────────────────────────────────────────────────┤ │ 硬件抽象层 │ │ (机器人硬件抽象层，驱动程序) │ ├─────────────────────────────────────────────────────┤ │ 硬件平台 │ │ (CPU/GPU/NPU + 传感器 + 执行器) │ └─────────────────────────────────────────────────────┘

每一层的职责：

• 硬件抽象层：封装硬件差异，提供统一的API
• 通信中间件：连接各模块，支持分布式部署
• 功能模块层：实现具体的感知、规划、控制算法
• 行为管理层：组织复杂任务，处理异常和中断
• 智能应用层：实现高层智能，如大模型驱动的对话和决策

7. 实战：用ROS2+行为树实现简单任务

让我们通过一个简单的实战示例，感受一下ROS2和行为树是如何协同工作的。我们将实现一个任务：机器人检测到人后，走过去并打招呼。

7.1 系统设计

• 感知节点：运行YOLOv8，发布检测到的人的位置
• 导航节点：接收目标点，发布控制指令
• 语音节点：播放语音
• 行为树：协调上述节点，决定何时做什么

7.2 关键代码片段

行为树XML定义：

<rootmain_tree_to_execute="MainTree"><BehaviorTreeID="MainTree"><Sequence><!-- 等待检测到人 --><WaitForPerson/><!-- 导航到人附近 --><NavigateToPoseperson_target="{person_pose}"/><!-- 打招呼 --><Saytext="Hello, nice to meet you!"/></Sequence></BehaviorTree></root>

WaitForPerson动作节点（Python）：

importrclpyfromrclpy.nodeimportNodefrombt_nodesimportBTNodefromperson_msgs.msgimportPersonDetectedclassWaitForPerson(BTNode):def__init__(self,name):super().__init__(name)self.person_detected=Noneself.sub=self.node.create_subscription(PersonDetected,'/detected_person',self.person_callback,10)defperson_callback(self,msg):self.person_detected=msg# 将检测结果保存到黑板（Blackboard），供其他节点使用self.blackboard().set('person_pose',msg.pose)deftick(self):ifself.person_detected:returnBTNode.SUCCESSreturnBTNode.RUNNING

NavigateToPose动作节点：

classNavigateToPose(BTNode):def__init__(self,name):super().__init__(name)self.client=self.node.create_client(NavigateToPose,'/navigate_to_pose')self.goal_sent=Falsedeftick(self):target_pose=self.blackboard().get('person_pose')ifnottarget_pose:returnBTNode.FAILUREifnotself.goal_sent:# 发送导航请求request=NavigateToPose.Request()request.pose=target_pose self.client.send_goal_async(request)self.goal_sent=TruereturnBTNode.RUNNING# 检查导航是否完成ifself.client.is_goal_done():ifself.client.get_result().success:returnBTNode.SUCCESSelse:returnBTNode.FAILUREreturnBTNode.RUNNING

主程序：

importrclpyfrompy_trees_rosimportRosNodeimportpy_treesdefcreate_root():root=py_trees.composites.Sequence("MainSequence",memory=True)root.add_child(WaitForPerson("WaitForPerson"))root.add_child(NavigateToPose("NavigateToPose"))root.add_child(Say("SayHello"))returnrootif__name__=='__main__':rclpy.init()root=create_root()tree=py_trees.trees.BehaviourTree(root)# 创建ROS2节点包装器ros_node=RosNode()# 主循环whilerclpy.ok():tree.tick()rclpy.spin_once(ros_node,timeout_sec=0.1)time.sleep(0.1)

这个示例展示了感知-规划-控制的完整闭环，以及行为树如何优雅地组织任务流程。

8. 2026年最新趋势：大模型与机器人架构的融合

2025-2026年，机器人软件架构正在经历一场深刻的变革——大模型正在从“云端大脑”下沉到“端侧大脑”。

8.1 VLA模型：视觉-语言-动作一体化

VLA（Vision-Language-Action）模型将感知、理解、规划、控制融为一体，用一个统一的神经网络完成从视觉输入到动作输出的端到端映射。

代表性工作：

• Google RT-2：2023年提出，将机器人动作编码为文本token，与大模型统一训练
• Figure Helix 02：2026年发布，三层架构（System2/1/0），实现行走、操作与平衡的一体化协同
• OpenAI Figure：结合GPT-4V，实现自然语言指令到复杂操作序列的转换

8.2 对软件架构的影响

VLA模型的出现，正在改变传统分层架构：

传统架构：感知节点 → 规划节点 → 控制节点 → 执行 ↓ VLA架构：一个神经网络端到端输出动作

但这并不意味着分层架构的消失。目前的主流做法是混合架构：

• System2（7B参数VLM）：场景理解、任务规划（运行在云端或中央计算单元）
• System1（80M参数Transformer）：高速决策，200Hz输出全身关节运动目标（运行在边缘NPU）
• System0（10M参数神经网络）：底层平衡维持，1kHz频率（运行在MCU）

这种分层既发挥了大模型的泛化能力，又保证了底层控制的实时性和安全性。

9. 总结与下期预告

今天，我们系统地拆解了人形机器人的“大脑”——决策系统架构：

• 感知-规划-控制闭环是机器人的核心工作循环
• ROS2作为通信中间件，连接各个功能模块，成为行业标准
• 行为树替代传统状态机，优雅地组织复杂任务
• 异构计算硬件支撑不同层次的算力需求
• 大模型正在从云端下沉，重塑机器人软件栈

通过本篇文章，你应该对人形机器人的软件架构有了全景式的认识。在接下来的文章中，我们将深入每一个子模块，从环境感知、仿真训练到具体的ROS2开发，一步步带你走入实战。

下期预告：机器人要理解世界，首先得“看见”世界。下一篇文章，我们将深入环境感知技术，讲解多传感器融合、SLAM定位与建图、以及目标检测算法在机器人上的部署。敬请期待！

互动话题
你认为未来机器人软件架构会是端到端大模型一统天下，还是分层架构继续存在？欢迎在评论区分享你的观点。

（本文完）

参考资料

1. ROS.org. ROS2 Documentation [EB/OL]. https://docs.ros.org/, 2026
2. BehaviorTree.CPP. BehaviorTree.CPP Documentation [EB/OL]. https://www.behaviortree.dev/, 2026
3. Open Robotics. ROS2 Humble Hawksbill [EB/OL]. 2025
4. OFweek机器人网. Helix 02：移动+操作融合，解锁人形机器人全身控制的VLA模型 [EB/OL]. 2026-02-01
5. Google DeepMind. RT-2: Vision-Language-Action Models for Robot Manipulation [J]. arXiv:2307.15818, 2023
6. NVIDIA. NVIDIA Thor: The Central Computer for Next-Gen Robotics [EB/OL]. 2025
7. 地平线. 征程6：专为机器人设计的AI芯片 [EB/OL]. 2025
8. 中国机器人网. 人形机器人操作系统发展现状与趋势 [EB/OL]. 2025-12-15
9. Pyo Y, et al. ROS Robot Programming [M]. 2024
10. Colledanchise M, Ögren P. Behavior Trees in Robotics and AI: An Introduction [M]. CRC Press, 2024