传统视觉-语言-动作模型依赖视觉，在精细触控上存在局限。Sharpa的CraftNet模型通过将触觉升级为三层异步控制系统，试图让机器人补上“摸着做”的能力，解决精细操作的“最后一毫米”难题。
智能速览
CraftNet将触觉从输入特征升级为三层异步控制系统。
System 2（1Hz）作为推理大脑，负责理解指令与长程规划。
System 1（10Hz）作为运动大脑，规划上肢轨迹与手部预姿态。
System 0（100Hz）作为交互大脑，利用触觉反馈进行高频微调。
精华内容
不同于传统VLA模型“看着做”的单一路径，CraftNet通过重建经典控制结构，为机器人精细操作开辟了一条全新的“摸着做”的实现路径。
分层控制核心
CraftNet的关键创新在于，它并未简单地为VLA模型添加触觉输入，而是构建了一个全新的三层控制系统。
这种设计将触觉信息从一个单纯的“输入特征”提升到了“控制层级”，实现了不同频率的异步解耦处理。
这可以被看作是对经典控制理论的一种学习化重建，让机器人能像生物一样分层处理信息与执行动作。
慢速推理层
最高层是System 2，运行频率约为1Hz，扮演着“推理大脑”的角色。
它采用一个开源的视觉-语言模型（VLM），主要负责理解人类的指令、进行任务分解以及制定长程规划。
这一层是机器人与操作者进行交互的主要接口，处理的是宏观、逻辑性强的任务。
中速运动层
中间层是System 1，运行频率提升至10Hz，被称为“运动大脑”。
它是一个运动基础模型，负责规划并执行接触前的动作，例如物体靠近、手臂的大范围移动轨迹以及手部的预备姿态。
这一层级保证了动作的流畅性与目的性，为后续的精细操作打下基础。
高速交互层
最底层是System 0，以高达100Hz的频率运行，是整个系统的“交互大脑”。
这一模型专注于超高频的精细交互，通过实时读取触觉传感器反馈，对每个手指和手部姿态进行连续不断的微小调整。
它的核心任务是专门解决精密操作中“最后一毫米”的难题，实现真正的“摸着做”。
Sharpa的CraftNet通过分层解耦的控制架构，为具身智能的精细操作难题提供了一个颇具创造性的解决方案。它让机器人的触觉不再是“旁观者”，而是深度参与决策与执行的“操控者”。这种从“看到摸”的范式转变，是否会成为下一代机器人技术突破的关键？
