具身导航与操作为何必须合流：从能到达，到真正完成任务
移动机器人领域长期存在一种工程分工：导航团队负责“把机器人送到目标附近”，机械臂团队负责“抓取或操作目标”。在结构化仓库里，这种拆分很有效；但一旦进入家庭、商场、医院和柔性工厂，边界就会迅速失效。
“把桌上的药盒送到 3 号床”不是先导航、再抓取、再导航三个彼此独立的任务。机器人在走向桌子的过程中就需要判断药盒位于哪一侧、机械臂从哪个方向可达、底盘应该以什么姿态靠近、旁边的人是否会改变通道；抓取失败后，它还要知道是重新定位底盘、换一个抓取点，还是请求人工协助。
因此，具身导航与操作的核心并不是把两个模型接起来，而是建立一个围绕任务完成组织的分层闭环。
“走到目标点”为什么不是任务成功
传统导航常用到达率、路径长度、碰撞次数等指标，操作常用抓取成功率、位姿误差和动作时间。它们都重要，却可能共同制造一个假象：每个模块指标很好，端到端任务仍然失败。
典型断层包括：
- 底盘到达了地图坐标，但机械臂被桌角挡住。
- 视觉识别出目标，却没有判断物体是否可抓、是否被遮挡。
- 抓取规划在静态场景中成立，人或其他机器人经过后立即失效。
- 操作失败后系统只会原地重试，不会退后、换边或重新观察。
- 高层模型生成了合理步骤，低层控制器却无法满足接触力、速度和安全约束。
真正应优化的是任务成功概率，而不是模块分数的简单相加。可以把一次任务的有效性写成：
有效任务得分
= 任务完成率 × 独立完成率 × 安全系数
÷（完成时间 × 人工介入成本 × 资源消耗）
一台机器人偶尔能成功并不难；在环境变化时仍能安全恢复，才是产品能力。
一套可落地的六层架构
第一层：任务语义与约束
自然语言指令首先要被转换为目标、对象、位置、顺序和禁区。例如“把易碎样品送到检测台”至少包含：样品不可倾倒、夹持力有上限、运输速度要降低、检测台存在交接姿态要求。
大模型适合补全语义和拆解步骤，但不能直接覆盖确定性安全规则。重量限制、速度上限、禁入区域和急停条件应由规则与控制系统强制执行。
第二层：场景图与可供性
机器人需要的不只是点云和检测框，而是“什么东西能以什么方式被操作”。门有把手和开合方向，抽屉需要拉而不是抓起，托盘有可承重区域，桌边有适合底盘停靠的姿态。
这类可供性信息把导航空间和操作空间连接起来。地图中的一个位置不再只是二维坐标，而是包含可见性、可达性、抓取方向、接触风险和底盘姿态的一组候选状态。
第三层：全局任务与移动规划
全局规划负责选择房间、通道、操作顺序和候选交互点。它不需要以百赫兹运行，却必须能利用语义信息，并在门关闭、通道阻塞或目标移动时重新规划。
长任务最好采用层级策略：高层决定“先去哪里、做什么”，局部策略决定“接下来几秒如何行动”。把整条长时序任务一次性压给端到端模型，会让错误难以定位，也很难插入安全边界。
第四层：局部导航与全身协调
靠近目标时，底盘、机械臂、头部相机不应再分别优化。底盘多前进十厘米可能让抓取更容易，也可能使机械臂进入奇异位形；相机转向可以消除遮挡，却可能丢失通道中的行人。
这一层需要联合考虑碰撞、可视性、关节余量和未来操作空间。对移动操作机器人而言，“最佳停靠点”本质上是一个全身可达性问题。
第五层：接触操作与实时控制
当机器人触碰物体后，视觉不再足够。插接、旋拧、开门、擦拭、装配都需要力矩、触觉、本体状态和高频控制。高层模型可以选择技能和参数，真正的毫秒级控制必须留在本体侧，由经过验证的轨迹控制、阻抗控制或学习型局部策略执行。
第六层：结果判断与恢复
任务不是动作播放完就结束。机器人要判断门是否真的打开、物体是否稳定进入夹爪、按钮是否生效、交接是否完成。结果判断失败时，系统要选择重试、换视角、重新定位、换技能或人工接管。
这层决定了机器人是“演示型系统”还是“生产型系统”。
大模型适合放在哪里
具身系统不应争论“大模型是否取代导航栈”，而应按时间尺度分工：
| 时间尺度 | 主要能力 | 更合适的实现 |
|---|---|---|
| 分钟到秒 | 任务理解、步骤规划、异常解释 | 视觉语言模型、任务规划器 |
| 秒到百毫秒 | 目标跟踪、局部重规划、技能选择 | 场景图、行为树、策略模型 |
| 百毫秒到毫秒 | 避障、轨迹跟踪、力控、安全停机 | 本体控制器、优化器、安全 PLC |
模型越接近执行器，延迟、确定性和失效边界越重要。云端推理可以参与长程规划，却不应成为刹车和接触控制的单点依赖。
评测也必须从模块转向任务
一套更可信的评测至少包含五组指标：
- 任务指标：完成率、首次成功率、长任务连续成功率。
- 效率指标：路径冗余、动作数、周期时间、能耗。
- 安全指标：碰撞、超力、近失事件、急停次数。
- 自主指标：人工介入率、介入时长、每百任务求助次数。
- 恢复指标：失败发现率、恢复成功率、重复失败比例。
特别要看连续成功率。若一个任务由五个步骤组成，每步成功率都是 95%，理想化的整任务成功率也只有约 77%。长任务会把小误差成倍放大，这正是恢复机制比单步榜单更重要的原因。
企业落地的正确起点
第一阶段不要追求“机器人什么都会”，而应选择一个具有移动、接触和异常恢复的窄任务，例如跨工位取送、移动巡检后按键复位、病区物资配送与交接。
先建立任务状态机和可观测指标，再逐层替换最脆弱的模块；先允许受控接管，再追求完全自主；先把失败录像、传感器状态、动作和人工修正统一记录，再讨论模型飞轮。
导航与操作合流的最终意义，是把机器人的优化目标从“执行一个漂亮动作”改为“在真实环境中可靠地完成工作”。这一步看似只是系统集成，实际上决定了具身智能能否从实验室跨进日常生产。