本节视频
配音由 AI 合成。 视频章节、文字稿与出处
文字稿
文字稿
知行问
机器人的一秒钟里，到底忙了些什么？上一集说，三条曲线一起抬头。这一集，我们把这一秒钟慢放。看机器人拿起杯子，避开旁边的矿泉水瓶，分几步。
看
先说第一步，观察。要拿的杯子、别碰的矿泉水瓶，都靠摄像头看进来。一篇论文的公开数据集，每秒保存十五帧画面。机器人还要看自己：手在哪、张开多大。摄像头拍到的也不只是平面。杯子离手有多远、手能不能拿到，都要从画面里算出来。原来它不光看外面，还盯着自己的手！
想
第二步，想。想其实分两半：一半慢慢想清楚，一半飞快出动作。一款开放的机器人模型，就采用了这种设计。慢的那套，先想清楚：先抓杯子，绕开水瓶，再放到一边。一篇论文中的机器人是这么做的。每走完二十五步，大约半秒，就重新想一遍。所以想不是一下子想完，是走几步、再想一次！
动
一家机器人公司的接口，每秒交换一千次控制指令。想好的路线，就交给这一层，让电机随时微调。为什么要这么快？慢一拍，手就可能偏出去，撞翻旁边那瓶矿泉水。打个比方：大脑想得慢，小脑动得快。想，隔一会儿来一次；动，快得多。不过，这只是个比方。看、想、动，连成一个圈。一秒钟里，这个圈要转很多遍。回路更新得快，才能更及时地发现偏差、调整动作。但速度不保证精度；机器人要又快又准，还差得远。回顾一下，三个要点。一，看：既看外面，也看自己。二，想：分慢想和快做两套。三，动：底层控制，快得多。原来一秒钟里，机器人看、想、动，转了一圈又一圈！只在真机上做实验，速度慢、成本高。那能不能先在虚拟世界试一试？下一集见！
证据与出处
15 帧/秒 · 一个公开机器人数据集的记录频率（画面与动作都按每秒 15 次记录） [R] · arXiv 2403.12945 · DROID（Appendix B）
快慢两套 · 开放人形机器人模型 GR00T N1.7 的双系统结构：高层推理与底层动作分开 [O] · NVIDIA · Hugging Face 博客《GR00T N1.7》
1,000 次/秒 · 一家机器人公司的控制接口（FCI）以 1 千赫兹收发底层控制指令 [O] · Franka Robotics · Tactile Mobile Robot（FCI）
动手与自测
小测公开，答案与解析在作答后显示；图文课里的练习答案需登录查看。
第 0.3 集的视频把机器人的一秒钟慢放成“看、想、动”三步，片中出现了四条证据：每秒 15 帧、快慢两套系统、每 25 步约半秒重想一次、每秒 1000 次控制指令。本篇是这一集的图文课与应用练习，不重复文字稿，而是把这四条证据放回各自的系统，把频率换算成周期，再用一台虚构机器人练习排时钟、查日志和审证据。贯穿全文的规则只有一条：一个频率只属于测出或标称它的那个数据集、模型、机器人或接口。
视频、文字稿与出处见视频与文字稿｜物理 AI 实验室 0.3：看-想-动，全季安排见课程大纲。本文沿用前两集的例子：拿起杯子，不碰倒旁边的水瓶。
公开小测的 5 道题附完整解析；登录后可完成三项练习：给虚构机器人排一张分层时钟表、按虚构日志诊断三次碰撞属于哪一层、为三条越界的转述写证据卡，并对照分步解法、常见错误与 20 分评分标准。
一、四条证据，分属四个系统
先把片中的四条证据各自归位。注意“属于谁”一列：没有哪一行说的是同一台机器人。
| 证据 | 属于谁 | 原文说的是什么 | 等级 |
|---|---|---|---|
| 15 Hz | DROID 数据集（Franka Panda 机械臂，Polymetis 控制器） | 全部数据按 15 Hz 记录；动作在关节空间和末端空间都以 15 Hz 的控制频率记录 | R（作者报告） |
| 25 个动作 / 0.5 秒 | π0 论文中以 50 Hz 运行的机器人 | 执行 25 个动作后重新推理一次，即每 0.5 秒一次 | R（作者报告） |
| 快慢两套 | GR00T N1.7 模型 | System 2 负责高层推理与任务分解，System 1 生成电机指令；所引文字没有给出两者各自的频率 | O（厂商一手） |
| 1 kHz | Franka Control Interface（FCI），见 Franka TMR 产品页 | 以 1 kHz 发送底层实时控制值，并以 1 kHz 获取测量数据 | O（厂商标称） |
同一个品牌，三个频率。“Franka”在这些材料里出现了三次：DROID 用 Franka Panda 机械臂，以 15 Hz 记录动作；π0 论文写明，它在 20 Hz 的 UR5e 和 Franka 机器人上每 0.8 秒（执行 16 个动作后）推理一次；Franka 自己的产品页则说 FCI 以 1 kHz 收发底层控制值。三句话说的不是同一件事：分别是数据集的记录频率、一个策略在某台机器人上的动作频率、一个底层接口的标称频率。DROID 的摘录也没有说明它的控制器如何接到机械臂的底层回路，所以不能由此推断“DROID 里的机械臂以 1 kHz 运行”。
登录后继续阅读本课其余各节、自测题与答案。
局限 / 注意
- DROID（arXiv，2024-03-19）和 π0（arXiv，2024-10-31）的数字是作者报告，属 R 级；GR00T N1.7 的结构和 FCI 的 1 kHz 来自厂商页面，属 O 级。本站没有独立复现其中任何一项。
- Franka 页面介绍的 TMR 标注为原型（Prototype）；1 kHz 是 FCI 的标称能力，不是在某台机器人上的测量结果。
- π0 的推理耗时只对应 RTX 4090、3 路相机、10 步 flow matching 的条件，换硬件或配置都会变。
- 机器人 R、它的全部参数、0.5 秒要求、“推理不与执行重叠”的设定和任务 2 的日志都是练习用的虚构；算出的 1.04 s、0.44 s、1.0 s 不是任何系统的性能，纸面计算也不是硬件安全验证。
- “看-想-动”和“大脑与小脑”都是简化的说法；真实系统中感知、规划与控制往往交织在一起。
链接
- 视频与文字稿｜物理 AI 实验室 0.3：看-想-动
- 物理AI实验室：一套每个数字都能核对的物理 AI 课程（课程大纲）
- 物理AI实验室 0.2：为什么是现在，数据、模型、算力三条曲线（GR00T N1.7 的规模与训练数据）
- DROID: A Large-Scale In-The-Wild Robot Manipulation Dataset（arXiv 2403.12945，附录 B）
- π0: A Vision-Language-Action Flow Model for General Robot Control（arXiv 2410.24164）
- NVIDIA Isaac GR00T N1.7: Open Reasoning VLA Model for Humanoid Robots（Hugging Face 博客）
- Franka Robotics: Tactile Mobile Robot 与 Franka Control Interface
