分层把任务意图、动作生成与物理执行分开组织。比较输入输出和训练信号，比比较 System 1/2/0 名字更有用；端到端训练也不取消底层控制器。
| 组合方式 | 接口与信号 | 证据边界 |
|---|---|---|
| ER/规划器 → VLA | 子目标、进展反馈；动作策略另行学习 | 上层计划正确不保证接触动作成功 |
| 统一推理—动作流 | 文本和动作 token 共用 next-token 训练 | 自回归统一不等于免任务提示或免后训练 |
| VLA → 全身控制 | 运动 token/姿态参考 → 关节目标与 PD | 必须固定控制器、观测定义与本体 |
当前判断 · 2026-10-10 核查
Gemini Robotics 2 的官方说明区分 ER、VLA 与 On-Device；后两者为合作伙伴 early access，不能从 ER 服务可访问推断 VLA 权重开放。G0.5 则提供统一动作流对照，但分阶段 CoT 实验并非无子目标辅助的完整任务规划。依据与边界
SONIC v4 的全身任务接口为 64 维运动 token 加 14 维手关节，GR00T N1.5 用任务示范微调，底层跟踪器用 PPO/运动参考训练。论文中的配套与当前发布的控制器变体须分别核对。依据与边界
分层收益应由完整任务、延迟、恢复和集成成本验证，不能由层数或模型名称推断；S0 也不自动等于独立安全控制器。部署约束见 模型接入。
证据补充 · 2026-10-10
VioLA v1 用统一运动编码器连接人类与机器人动作，再交由预训练身体和手部控制器执行。它补充了“共享潜在运动接口”这一组合方式；共享表示不等于直接共享关节命令，控制器适配与全身任务评测仍是前提。