随着基础模型、视觉—语言—动作系统、世界模型和生成式人工智能的普及，机器人正在进入一个新阶段。然而，模型在感知或推理方面能力的提升，并不意味着机器人自动拥有一个能够在现实世界中持续、安全运行的实用系统。这正是 Arm 于2026年9月16日发布的白皮书《机器人系统中缺失的科学》所强调的核心观点。
该白皮书由 Federico Pecora 撰写，来源称其为 Arm 的高级首席机器人研究负责人（Senior Principal Robotics Research Lead）。白皮书关注的是系统层面的挑战，而不是某个单独的人工智能模型或特定硬件组件。根据已发布的摘要，更强大的机器人需要借助合适的运行模型实现各种能力，跨时间组合这些能力，将其分配到异构计算资源上，并通过明确规定的约束对其进行控制。
从理论能力到实际行为
白皮书指出的问题，是现代模型能够表示或提出的内容，与机器人能够以可预测方式执行的内容之间存在差距。机器人并非只在数字环境中运行；它还要面对持续感知、连续决策以及可能直接产生后果的物理动作。因此，仅仅将视觉、语言或动作模型组合到一个系统中还不够，还必须明确这些组件如何交互、何时使用，以及它们的结果如何传递到下一步。
白皮书的描述表明，需要在合适的模型中对能力进行“编程”，然后跨时间将其组合起来。这一点使时间序列管理成为架构的一部分，而不是将其留给生成式模型响应的隐含结果。同时，这也将问题置于比提升准确率更广泛的框架中；一致性、可验证性和及时响应，都会成为构建可信物理系统的必要要素。
异构计算是设计的一部分
白皮书将机器人发展与在异构计算资源上分配工作负载联系起来。根据与文章相关的标签，这包括加速器、内存带宽、模型服务、实时系统以及运行环境协调。其实际含义是，机器人的性能并不只取决于人工智能模型的能力，还取决于系统如何传输数据、运行模型并管理不同资源。
这一重点对机器人、芯片和软件设计团队都很重要，因为处理器或加速器的选择无法与模型运行方式及任务分配方式割裂开来。此外，多种组件的存在还可能带来延迟、内存管理和执行协调方面的挑战；来源将这些问题列为架构挑战的一部分，但没有提供性能数据或具体的参考设计。
安全不是后置层
该材料将安全性和保障机制列为可扩展、可信机器人系统的基本要素。相关内容体现在对明确约束、机器人专用操作系统以及安全保障的提及上。实际上，这意味着运动、决策或资源使用的边界应当成为系统中已知的一部分，而不应是未经记录的假设，不能依赖模型行为来保证。
certi.news 的编辑解读：这份材料的实际价值并不在于宣布一项新技术，而在于将讨论从“哪个模型更智能？”重新引向“如何构建一个能够安全、一致地使用模型的系统？”这一转变对机器人开发者、硬件设计师和实时软件工程师都很重要，但现有文本没有提供实验结果、架构之间的比较或实施时间表。因此，正如来源所呈现的那样，该白皮书更像是用于界定架构问题的框架，而不是对完整解决方案的描述。