人对机器人说：“把桌子收拾一下。”这句话听起来像一个命令，其实里面藏着很多层。机器人要判断桌上有哪些东西，哪些算垃圾，哪些该归位，先拿哪个，路径怎么走，手怎么抓，抓失败了怎么办。语言只打开了门，后面是一整套动作系统。
任务规划就是把目标拆成步骤。大白话说，它回答“先做什么、后做什么”。比如收拾桌子可以拆成识别物品、拿起空杯、放到水槽、拿纸团、丢进垃圾桶。大模型在这一层很有用，因为它懂常识和语义：纸团更可能是垃圾，笔记本电脑不该进水槽。
计划不是动作
但计划到这里还只是文字版菜谱。下一层是运动规划，它回答“身体怎样从这里到那里”。手臂要绕过台灯，手腕要避开杯沿，身体重心不能失稳。如果路径算得很好看，却让手肘撞到墙，它就是坏计划。
再往下是控制，它回答“每个关节此刻该出多少力、转到什么角度”。控制层的时间尺度很短，常常以几十到上千赫兹更新。它没有时间写小作文，只能快速根据传感器反馈微调。
可以把机器人动作想成公司协作：高层定目标，中层拆项目，基层每秒处理现场细节。高层说“拿杯子”没错，但杯子真正能不能拿起来，取决于最底层的连续调整。
开环为什么不够
开环控制是指系统按预先安排好的动作执行，不根据结果修正。它像录好的舞蹈：地面、鞋子、音乐都不变时很好看，条件一变就容易出错。很多机器人演示之所以稳定，是因为环境被精心布置过。
闭环控制则会不断看结果。手伸出去偏了，就改方向；夹住杯子发现滑了，就增加力；脚落地感觉不稳，就调整躯干。闭环不是高级装饰，而是物理世界里的基本生存方式。
难点在于反馈也有延迟和噪声。相机图像处理要时间，力传感器有误差，电机响应不可能瞬间完成。控制系统如果太迟钝，动作笨；如果太激进，可能震荡。调控制器有点像调淋浴水温：拧慢了半天不热，拧猛了又烫。
为什么分层会裂开
传统机器人系统常把任务规划、运动规划和控制分开。这有好处：模块清楚，容易调试，也符合工程习惯。但真实任务里，层与层之间会互相打架。任务规划说“拿杯子”，运动规划发现路径被挡住，控制层发现杯子太滑。上层如果不知道下层失败的原因，就会重复发同一个无效命令。
这也是近年端到端策略受关注的原因。它试图让模型直接从感知输入生成动作，少一些人工分层。大白话说，不再把“看、想、动”切得太碎，而是让系统从大量示范里学一条更直接的映射。
但端到端不是灵丹妙药。它可能更灵活，也更难解释；它依赖大量数据，出了错不容易定位；安全场景下，人们仍然希望知道系统为什么这么动。未来很可能不是纯分层或纯端到端二选一，而是把语言常识、几何约束、学习策略和底层控制拼成能互相纠错的结构。
一句话变成动作，中间至少要穿过四道门：懂目标、拆步骤、找路径、控身体。任何一道门卡住，机器人都会从“聪明”变回“笨重”。
下一章讲学习。因为这些门如果全靠工程师手写规则，机器人永远只能在少数场景里工作。它必须从仿真、示范和真实失败中学会更多动作。