具身智能领域正掀起VLA模型热潮，但其主流架构存在根本性缺陷。本文从控制论视角出发，剖析当前开环VLA模型在真实世界中的脆弱性，指出其缺乏状态反馈与偏差修正机制，并探讨构建真正鲁棒的闭环自主系统的必要性。
智能速览
当前主流VLA模型是开环系统，缺乏物理世界必需的反馈机制。
从“描述世界”到“改造世界”的飞跃，要求智能体理解并预判状态变化。
VLA模型普遍缺乏任务状态感知、记忆和反思能力，难以应对长时程任务。
真实世界的动态性和不可逆性，决定了开环控制注定鲁棒性不足。
构建具备前向-反馈回路、任务记忆与反思能力的闭环架构是破局关键。
精华内容
当前主流的VLA模型架构看似简洁，却隐藏着在物理世界中致命的脆弱性。其根源在于其开环特性与控制论核心思想的背离，导致系统在面对不确定性时不堪一击。
开环控制的脆弱性
当前VLA模型的推理过程，本质上是将当前视觉观测和语言指令一次性映射为未来的动作序列，随后便开环执行。这种模式在理想化环境中或许有效，但在真实世界中却面临巨大挑战。真实环境具有部分可观测性，单次视觉输入无法获取全部状态信息；同时环境是动态变化的，其他物体、人类等因素会持续引入未知干扰。更重要的是，物理动作往往具有不可逆性，一旦执行错误，可能导致任务失败甚至危险。这种开环特性，使得VLA模型在执行过程中无法根据新信息进行修正，鲁棒性严重不足。
改造世界的鸿沟
多模态大模型本质上是“观察者”和“描述者”，其输出不改变物理世界。但具身智能体是“行动者”和“改造者”，每一个动作都会引发环境状态的不可逆变化，进而影响任务状态。VLA范式简单地将动作头叠加在VLM之上，忽略了从“说对”到“行得通”之间存在巨大的鸿沟。即使模型能理解环境和任务，若不具备对行动后果的预判能力和对状态变化的感知能力，就无法保证任务在动态约束下成功执行。
缺失的核心要素
现有VLA模型普遍缺乏三个关键要素。首先是反馈机制，即对环境状态和任务状态的双重反馈与偏差感知，这是闭环控制的基础。其次是任务状态感知，模型缺乏对任务进度、子目标完成情况的显式建模，导致在长时程、多步骤任务中容易“迷失方向”。最后是记忆与反思，没有记忆，智能体无法积累经验；没有反思，只能无限循环试错。一个“活着”的智能体必须能够持续与环境互动，更新内部模型。
闭环架构的探索
为解决上述局限，可以构想一种基于控制论的具身智能架构。该架构包含前向回路，实现从意图到动作的层级化生成；更核心的是反馈回路，通过持续感知环境与任务状态，形成偏差信号以驱动系统自适应调整。当任务执行失败时，系统会启动归因分析，判断是感知、规划还是执行错误，并触发相应修正策略。更重要的是，系统会将失败经验抽象为结构化的策略规则存入任务记忆库，实现从失败中学习，这是智能体从“新手”成长为“专家”的关键。
具身智能的真正突破，需要跳出当前端到端VLA的框架，拥抱控制论的思想精髓。构建一个能够感知、反思、持续学习的闭环自主系统，是其在真实世界中可靠运行的必经之路。这不仅是技术的挑战，更是多学科深度交叉融合的长期演化方向。
