機器人走進開放環境並與人類互動，釐清「感測、決策與控制」究竟在何處執行，對於系統的穩定性、安全性、響應能力以及信任度至關重要。人形機器人面臨著一個根本性的「全身控制（whole-body control）」問題：每一個關節、感測器和致動器（actuator）都必須協調一致，以維持平衡和有目的性的運動。一旦這種協調機制崩潰，機器人就會摔倒。
前一篇文章定義了「物理智能（physical intelligence）」，並解釋了當智能離開抽象的數據世界、進入充滿運動、力和互動的物理世界時，為何會發生本質上的改變。本篇專欄將深入探討機器人智能究竟「活在何處」、其職責如何在中央運算、邊緣系統與局部控制之間進行劃分，以及為什麼這些架構選擇至關重要。
為何「即時性」至關重要：世界不會等你
現代機器人是以分散式系統的形式運作，將感知、狀態估測、策略、規劃與控制在全身上下持續協調，以產生穩定、即時的行為。
在物理系統中，延遲（latency）是一個攸關穩定性的問題：它決定了跨出穩定的一步還是摔倒、是成功抓取還是掉落零件、是平穩停下還是發生安全事故。對於平衡校正、碰撞反射、滑移檢測以及具備接觸感知的運動等行為來說，幾十毫秒（milliseconds）的差距就天差地遠。而時基誤差（Jitter，或稱時間抖動），也就是不可預測的時間延遲，往往比固定的延遲更加致命。
這引導出了物理智能的第一條基本原則：如果機器人要運動，統御該運動的「智能」可以集中化，但運動的「控制」必須在局部執行，且必須遵循可預測且確定性的時程表。
僅靠速度還不夠：「確定性」才是基石
機器人需要的是確定性延遲（deterministic latency），而非僅僅是低延遲。物理智能在一個持續的閉環中運作：感測、決策、行動、觀察、調整。這個迴路每次都必須準時執行。當時間點出現偏差，閉環就會失去穩定，導致系統震盪、猶豫、碰撞、掉落物體或緊急煞車。
確定性運作是所有其他功能的底層基石。沒有它，安全機制就會失效，人機協作也變得不可能；擁有它，機器人才能平穩運動，並在面對不確定性時保持穩定。
全身智能：中央策略，分散執行
人形機器人加劇了「集中化」與「分散式」之間的架構拉鋸。機器人的整個身體是高度耦合（coupled）的，非常需要一個中央「大腦」來對全身狀態進行推理，並將運動協調為一個連貫的系統，這推動了設計朝向高度集中化的智能發展。
-
中央運算（Central Compute）：處理全局狀態估測、全身協調、學習策略推論（learned policy inference）、任務級推理、意圖理解和長周期規劃。這些功能受益於全局上下文（global context）和機器人的統一視圖。
-
邊緣節點（Edge Nodes）：然而，如果將每一個觸覺事件、馬達電流突波、關節編碼器讀數、慣性測量單元（IMU）更新和相機串流都以原始形式傳送到中央大腦，機器人很快就會陷入頻寬與排程的噩夢。邊緣節點必須進行數據優先級排序與過濾，決定哪些該發送、哪些不該發送，以及什麼是緊急的。
這種模式即是：集中式協作、分散式執行、內嵌式反射，且全部在時間上保持同步。
圖 1：現代工業系統的分散式大腦
智能的三個架構層（以及它們存在的原因）
1. 中央智能（Central Intelligence）：意圖、策略與全身協調
這一層知道機器人正試圖做什麼。中央智能負責全局協調，但極少執行最快的反射動作。在人形機器人中這點至關重要，因為協調是整體的：當牽涉到平衡時，控制腳踝、肩膀和軀幹是無法分割的。現代系統越來越多地在此處運行基於人工智慧的策略學習，以進行複雜、高維度的控制。
2. 邊緣智能（Edge Intelligence）：即時控制、安全與數據減量
這一層在現實世界的時間限制下維持系統的響應能力。它負責穩定運動、強制執行安全的扭矩（torque）與力量限制、管理局部感測器融合，並將高頻率訊號簡化為決策關鍵資訊。系統在局部進行過濾和聚合，而不是將所有數據都向上串流。
3. 內嵌式智能（Embedded Intelligence）：致動器與接觸點的反射
最快的控制迴路活在這裡。每個致動器都有自己的局部馬達控制器，用以回應那些發生太快而無法容忍任何額外延遲的事件。這個反射層包括馬達電流調節、關節位置控制、安全執法，以及微觀接觸事件（如觸覺突波和滑移事件）的檢測。這些迴路不需要呼叫主電腦：最安全的響應絕不離開關節、手部或末端效應器（end effector）。
一個簡單的例子：攜帶裝有液體的開放式容器
想像一個人形機器人拿著一個裝了部分液體的開放式容器，走在繁忙的工業走道上。這個看似簡單的動作橫跨了多個時間領域（time domains）：
-
內嵌式控制與反射（小於 5 毫秒級別）：關節穩定、局部扭矩迴路與限制、抓握微調、滑移檢測和快速干擾抑制。這些迴路必須在致動器/手部局部執行。
-
全身控制（5 至 20 毫秒級別）：全身規劃、感知與運動感測器融合、接觸狀態估測、關節協調、障礙物鄰近反應和安全執法。
-
學習策略（50 毫秒以上級別）：路線選擇、人類運動預測、任務意圖（「在推進的同時保持容器直立」）以及策略級決策。
過度的集中化會導致緩慢、猶豫不決的行為；而過度的分散化則會產生缺乏連貫意圖的快速反應。物理智能活在兩者的平衡之中：全局意圖與局部反射，如同一個同步系統般運作。
為什麼這種架構至關重要
分散式大腦不僅僅是一種效能優化，它更是以下特性的基石：
-
自然且穩定的運動
-
與人類進行安全協作
-
靈巧的操作能力與接觸感知
-
在不確定性下的現實世界運作
-
具備韌性、可重新配置的工業工作流程
這就是機器人如何超越單純的自動化，並邁向物理智能的方式——將智能放在時間、互動與安全最需要它的地方。
