Agent Plan × DeepSeek Harness：决策规划与运动控制联合优化

面向具身智能与机器人系统的技术长文：探讨以大模型推理为内核的规划层（Agent Plan）与感知-运动执行层的联合优化范式，并以 DeepSeek 系列模型所构建的 Harness 编排层为具体载体，分析从"语义任务"到"底层轨迹"的端到端协同路径。

引言

具身智能（Embodied Intelligence）正在经历一次范式转换：过去十年，机器人系统的"智能"主要沉淀在感知模型与控制算法中，任务级语义理解长期缺席——机器人知道怎么走，却不知道要去哪里、为什么去、以及在不同的目标之间如何取舍；而大语言模型（LLM）与视觉-语言模型（VLM）的成熟，第一次让"语义推理"和"物理执行"可以在同一个系统里高频对话。DeepSeek 系列模型（尤其是 DeepSeek-V3 与具备深度推理能力的 DeepSeek-R1）以强大的推理链、长上下文与工具调用能力，成为构建"决策规划 Agent"的天然内核。

然而，把一个大模型接进机器人系统，远不止"把自然语言翻译成动作指令"这么简单。真实世界是连续、高维、非平稳、充满不确定性的：一个任务可能包含数十个子目标，每个子目标对应一个需要满足几何约束、动力学约束与安全约束的轨迹优化问题；而语义层的抽象粒度与数值层的求解粒度相差若干数量级。如果两者各自独立优化——规划器只关心"做什么"，控制器只关心"怎么做"——就会产生经典的接口语义鸿沟（Semantic Gap）与误差累积问题：任务级决策无视底层可行性，产生不可执行的指令；底层控制器被动接受指令，缺乏对任务意图的理解，遇到异常只能原地报错。

本文提出并系统阐述一种联合优化范式：以 DeepSeek 构建的 Harness（编排层）为枢纽，将 Agent Plan（决策规划）与运动控制（Motion Control）纳入同一个可迭代、可反馈、可验证的闭环。我们讨论的问题包括：如何定义分层与耦合的边界；如何让语义计划与数值约束双向传递；如何用推理模型实时生成、校验与修复控制参数；以及如何在仿真与真实环境中落地这套系统。全文最后给出工程实践要点、实验观测与开放挑战，为读者提供一条从"大模型接机器人"到"大模型驱动机器人"的可复现路径。

问题定义：从任务到轨迹的分层结构

2.1 一个典型的长程任务

考虑一个桌面操作场景："把窗台上的马克杯端到茶几上，如果杯子里有水，先倒掉再放过去。"这个对人类而言平凡的任务，需要对机器人的自主系统提出如下要求：

1. 任务理解：识别"有条件的动作"（如果……先……再……），把它展开为有序子目标序列；
2. 可行性推理：判断当前构型、抓取位姿、路径通道是否满足约束，必要时改变顺序或提出备选方案（“水倒进水池或花盆皆可”）；
3. 参数生成：为每个子目标生成具体的数值参数——抓取点、接近方向、轨迹途经点、速度上限、力控阈值；
4. 鲁棒执行：在执行中对抗扰动（杯子滑移、桌面偏移、人路过遮挡），当误差超出容忍范围时局部重规划，甚至回滚到任务级重新决策。

传统系统把这四步分给四个独立团队开发的模块，接口只传递最小信息：任务层输出一串 {skill: "pick", object: "mug"} 的符号指令，运动层把它当作黑盒目标去求轨迹。于是系统每一层都"局部正确"，但整体上频繁失败——这正是本文要解决的联合优化问题的起点。

2.2 传统三层架构及其代价

为了厘清问题，先回顾经典机器人软件栈，它通常呈现为三层结构：

三层之间只传递"规范化"的最小信息，好处是模块可替换、可单测、职责清晰；代价则是三层各自的最优解拼不出全局最优解，这具体表现为四类系统性缺陷：

• 语义鸿沟（Semantic Gap）：任务层输出的"给杯子倒水"没有携带任何几何与物理信息，运动层必须靠启发式猜测"杯子在哪儿、水往哪儿倒"，猜测错误即失败；
• 误差累积（Error Accumulation）：每一层都把上一层的结果当作精确输入，而真实执行必然引入误差——感知误差 2 厘米、抓取滑移 1 厘米、规划保守 3 厘米，累积起来足以让一次看似简单的放置动作失败；
• 不可执行指令（Infeasible Commands）：语义层的符号推理不感知动力学边界（力矩饱和、奇异构型、速度极限），经常产出"理论上正确、物理上做不到"的计划；
• 异常响应僵化（Fragile Exception Handling）：底层控制器遇到异常只能报 plan_failed，任务层没有足够的上下文去判断"是换个抓取点就能解决，还是必须换一个子目标"，于是整个任务卡死在单点失败处。

2.3 为什么现在可以做联合优化

联合优化的核心障碍长期以来不是算法，而是"表达能力"：数值层想要的反馈（可行性、代价梯度、失败原因）是高度结构化的，而传统符号规划器既无法理解自由文本的失败诊断，也无法直接参与数值决策。大模型改变了这个局面：

• 统一语言接口：语义层与数值层之间可以用自然语言 + 结构化 JSON 双向通信，"失败原因"从错误码升级为可推理的诊断文本；
• 世界常识注入：模型内置的物理常识（“易碎品需要更小的加速度”、“狭窄通道需要原位旋转”）能直接生成约束候选，把昂贵的数值搜索限定在合理的子空间；
• 可验证的执行回路：推理模型可以消费执行观测（轨迹误差、力反馈、视觉差分），形成"规划 → 执行 → 诊断 → 重规划"的内循环，实现真正意义上的语义级闭环。

简而言之，大模型提供了把两层优化"缝"在一起的针线：Agent Plan 提供语义目标，运动控制提供数值可行性，DeepSeek Harness 则在两者之间充当双向翻译、约束调配与失败仲裁的中枢。 这正是本文标题中"联合优化"的含义——不是端到端黑盒，也不是两两解耦，而是在保留各自领域专业性的前提下，让两层在推理、参数、反馈三个维度上深度耦合。

2.4 元模型：跨层共享的三类数据契约

联合优化要成立，语义层与数值层之间必须存在双方都理解的共享数据结构。传统架构用隐式约定（"拿杯子"就是字符串 + 默认参数），联合优化用显式契约。我们把这种契约称为系统的元模型（Meta-Model），它由三类对象构成：

1. 目标树（Goal Tree）：用户任务的规范化表示。每个节点是 {description, acceptance, priority, parent, state}——描述是给人看的自然语言，验收条件是留给校验器的结构化谓词，优先级决定冲突时牺牲谁，state 记录该目标当前所处阶段（未激活 / 激活 / 达成 / 放弃）。目标树是语义决策的"宪法"，一切重规划都不得违反根节点的验收要求，除非显式征得用户同意；
2. 技能（Skill）：可执行行为的最小封装，是语义与数值之间的"函数签名"。技能定义三样东西：输入输出对象（operate on what）、参数模板（哪些参数可调、取值范围、默认值）、验收协议（怎样算执行成功，需要采集哪些证据）。技能本质上把"运动求解器能做什么"翻译成语义层能理解的名字——语义层永远不直接接触关节空间，它只会在技能空间里做选择；
3. 验收条件（Acceptance）：连接"语义意图"与"可测物理量"的谓词。以"放置成功"为例，它的语义是"杯子安全地立在茶几上"，可测翻译则是"杯底与桌面接触、姿态倾角小于 5°、接触力在 3 秒内持续为正且不超阈值"。验收条件的质量直接决定诊断器能否区分"成功但证据不足"与"失败但原因不明"——这通常被低估，但它是联合优化反馈回路信噪比的根基。

元模型的工程含义是三重的。其一，它是类型系统：三层代码（Harness、求解器、控制器）共享同一份契约 schema，编译期即可拦截大部分接口错配；其二，它是版本化接口：技能升级（换了一套控制算法）不影响语义层，只要契约不变；其三，它是记忆的载体：历史的执行证据（成功率、失败诊断）都挂在具体的技能与验收条件上，让"经验注入"（下一章会详述）有精确的落点。可以这样理解：目标树回答"为什么做"，技能回答"怎么做"，验收条件回答"怎么算做好"——三者共同把语义目标锚定到数值世界。

DeepSeek Harness：以大模型为内核的编排层

3.1 从"模型的工具箱"到"系统的中枢"

"Harness"一词在软件工程与 Agent 社区中通常指大模型应用的外骨骼：函数调用（Function Calling）、检索增强（RAG）、结构化输出、记忆管理与安全护栏的总和。在本文的语境里，我们赋予它更强的含义：DeepSeek Harness 不是挂在模型外面的工具壳，而是决策规划与运动控制之间的仲裁总线——它拥有权威的环境状态视图、技能注册表与约束传播通道，一切语义级决策都经过它签发，一切数值级反馈都回到它这里汇聚。

为什么选择 DeepSeek 系模型作为 Harness 的内核？三个关键能力缺一不可：

• 长程推理（Long-Horizon Reasoning）：决策规划的本质是约束条件下的多步搜索。DeepSeek-R1 类推理模型通过大规模强化学习获得的可验证推理链，能够对子目标进行前瞻性展开（比如预先推理"先倒水会弄湿托盘，所以应该先移走托盘"），这是普通指令模型难以稳定输出的能力；
• 结构化工具调用：Harness 需要频繁调用感知接口、求解器 API 与技能库。DeepSeek-V3 系列对 JSON 模式输出与工具调用的对齐，使得"模型输出 → 校验器 → 求解器"的管道可以在少量 prompt 工程下稳定工作；
• 长上下文与多轮记忆：一次任务会话可能包含上百次感知-决策-反馈轮次。DeepSeek 的长上下文窗口允许 Harness 维护"任务级工作记忆"，避免重规划时丢失早期目标约束。

3.2 Harness 的内部结构

我们在系统中将 Harness 组织为六个协同模块，其依赖关系如下：

各模块职责如下：

• 意图解析器（H1）：把用户任务（自然语言或结构化指令）规范化为一棵目标树（Goal Tree），并为每个节点标注可量化的验收条件。它不产生任何运动学实体，只负责语义层的数据结构；
• 推理规划器（H2）：Harness 的"大脑"。它维护当前目标树与执行历史，调用 DeepSeek 推理模型展开子目标、选择技能、生成决策；当校验器驳回时，它基于驳回原因做约束驱动的重规划；
• 约束编译器（H3）：把符号决策翻译为数值优化问题。例如"拿起杯子"编译为 pick(mug, grasp_pose, approach_dir) 对应的抓取不等式约束、避障代价与力控阈值；这是语义层与数值层之间最重要的翻译器；
• 可行性校验器（H4）：在把计划交给执行器之前，先做一次"低成本模拟校验"：快速正向仿真或构型空间可达性检查，用布尔 + 诊断文本的方式回答"这个计划在动力学上是否可行、接近边界多远"；
• 执行调度器（H5）：把通过校验的技能调用按优先级、互斥关系与触发条件排入执行队列，管理技能的异步执行、超时与抢占；
• 诊断与反思器（H6）：消费执行反馈（轨迹误差、力传感器超限、视觉重识别失败），用推理模型生成结构化诊断（失败类型、根因假设、建议动作），并把诊断写回推理规划器的上下文——这是联合优化闭环的"感觉神经"。

3.3 主循环：Plan-Verify-Execute-Diagnose

六个模块围绕一个核心循环组织，形式上类似 ReAct，但每一轮都同时携带符号决策与数值证据：

值得强调的是第 17 行之后的"执行中反馈"路径：传统架构里这是一条异常上报的旁路，而在联合优化系统中，它是主数据流。每一次执行观测都参与下一次决策的参数生成，这保证了语义决策与数值执行的持续对齐。下一章我们深入这一对齐机制本身——联合优化的方法论。

联合优化方法论：让语义与数值在同一闭环里互调

4.1 三个耦合维度

联合优化（Co-Optimization）不等于端到端（End-to-End）。端到端用一个可微网络把像素映射到关节力矩，优点是全局一致，缺点是样本效率低、可解释性差、难以接入成熟的控制算法。本文主张的联合优化是一种保留分层结构、强化跨层耦合的中间路线，耦合发生在三个明确维度上：

1. 目标耦合（Goal Coupling）：任务层不再输出"做什么"的符号列表，而是输出一个带验收条件的目标树；运动层求解的不再是某个固定参考轨迹，而是"满足目标树中全部活跃约束的最小代价轨迹"。目标的语义（“轻拿轻放”）被编译为代价权重（接触力软约束），直接进入 MPC 的代价函数。
2. 参数耦合（Parameter Coupling）：技能参数（抓取点、接近方向、速度上限、力阈值）不再是运动层各自猜测的默认值，而是由推理规划器基于当前场景显式生成、并由数值校验器可验证地确认。参数在两层之间是可追踪、可解释、可回滚的一等公民。
3. 反馈耦合（Feedback Coupling）：执行反馈（轨迹误差、力信号、视觉差分、求解器收敛性）以结构化诊断的形式流回语义层，参与下一轮决策。联合优化的收敛性本质上取决于这条反馈通道的信噪比与延迟。

4.2 语义到数值的翻译：任务图与约束编译

联合优化的第一个关键模块是任务图（Task Graph）。它把意图解析器产出的目标树展开为带依赖关系的技能图，每个节点携带：技能类型、输入输出对象、时序依赖、验收条件与失败语义。下图为"把窗口的杯子端到茶几（若杯中有水先倒掉）"的任务图示例：

任务图的核心价值在于失败语义的位置化：每个失败都绑定在具体的图上节点，诊断器只需定位"哪个节点、在哪个验收条件下失败"，就能把重规划范围从"整棵树"缩小到"该节点的兄弟分支"。这大幅抑制了大模型在开放世界中的重规划幻觉——模型不需要从零重建计划，只需在图的一个局部做有界推理。

约束编译是任务图之后的关键一步：把每个技能节点的语义描述编译成数值求解器的输入接口。以抬升转移为例，编译器的输出是一个结构化向量：

{
  "motion_type": "cartesian_motion",
  "waypoints": ["peg_to_pre_grasp", "pre_grasp_to_lift", "lift_to_above_table"],
  "constraints": {
    "max_linear_vel": 0.5,
    "max_linear_acc": 1.2,
    "max_contact_force": 5.0,
    "orientation_lock": "world_z",
    "clearance_margin": 0.03
  },
  "cost_weights": {"energy": 0.3, "smoothness": 0.5, "force_violation": 2.0},
  "acceptance": {"final_pose_tolerance": [0.005, 0.005, 0.01], "force_steady_ms": 300}
}

这个接口设计有三条原则：默认值可解释（每个参数都能回溯到哪条语义约束）；边界可校验（求解器可以返回"约束过紧，放松 min_clearance 后可解"）；反馈可注入（执行失败后，诊断器可以只修改其中两三个字段就重试，而不是重新生成整段计划）。

4.3 参数生成：推理模型如何"猜"出可执行的数字

联合优化最反直觉的部分在于：让一个语言模型去生成数值参数。实践表明，直接让模型输出"速度 0.43 m/s"这种原始数字不可靠，但让模型在有限候选中做推理选择非常可靠。我们的参数生成采用三级策略：

1. 模板化抽取：技能库中每个技能预置参数模板（如 pick 有 grasp_pose_mode ∈ {top, side, pinch}）。模型只需做离散选择，天然落在可枚举空间内；
2. 约束式生成：对连续参数，模型生成的是区间与排序而非点值：“夹持力应比静摩擦所需最小力大 20%~50%，且不超过 5N”。编译器负责把区间转成优化问题的边界，把排序转成代价权重；
3. 经验注入：在 system prompt 中注入该技能的历史执行统计（成功率、常见失败模式），让模型的推理基于数据而非猜测。这是"从经验中联合优化"最廉价的形式——不需要重训模型，只要维护一份技能执行档案。

三级策略背后的认知是：大模型擅长定性推理与结构化决策，数值求解器擅长定量寻优。联合优化的艺术在于把任务切到两者的能力边界上——模型负责"选对方向与松紧"，求解器负责"算出精确值"。

4.4 执行期闭环：容忍、降级、重规划与回滚

规划得再好，执行必然遇到偏差。执行期闭环把"偏差"分为三个等级，分别对应不同强度的响应：

三个等级的执行语义总结如下：

• L1 在线调整（Adjusting）：偏差由底层 MPC / 阻抗控制器吸收，语义层不感知。对应图中的 ADJUSTING 自环——这是最高频的路径，也是联合优化收益最小的部分（因为语义层不该为亚厘米级扰动浪费推理算力）；
• L2 局部重规划（Replan-Local）：偏差说明当前参数集在真实环境中不成立（如接触点滑移导致抓取不稳定）。Harness 读取诊断，只在当前技能节点内修改参数并重新校验。典型的修复如"增大夹持 30%、降低抬升速度"，一次重规划毫秒级内完成；
• L3 任务级重规划（Task-Replan）：技能本身不可行（“杯子太重，超过夹爪负载”）或目标条件变化（“茶几上已有物品，无处可放”）。此时模型基于任务图做有界重规划：删除失败节点、引入备选技能（“改用双手托举”）、或向用户发起澄清。

三级的划分不是拍脑袋，而是对"推理成本/执行收益"的显式权衡：L1 交给数值回路（毫秒级、零语义开销），L3 才动用大模型（秒级、语义开销大）。联合优化系统的鲁棒性，本质上是让每一级偏差都以最低成本、最靠近发生点的方式被消化——这与层级控制理论的分层思想一脉相承，区别在于语义层现在有了理解偏差原因并主动调整策略的能力。

4.5 推理时搜索：让大模型参与"代价"的迭代

前三节描述的闭环里，大模型仍然扮演"单发决策器"：给定上下文，输出一次计划或参数。这浪费了推理模型最有价值的资产——可验证的多步思考。联合优化的深层形态，是把模型的推理过程本身放进数值代价的迭代循环中，即推理时搜索（Inference-Time Scaling）。

具体做法有三层递进：

1. 采样-评估-选择（Best-of-N with Verification）：对关键决策点（比如"倒水还是先移托盘"）采 N 个候选计划，用可行性校验器 + 快速仿真为每个候选给出数值得分（构型可达概率、碰撞余量、力预算裕度），按得分排序选择执行。于是模型的"直觉候选"被数值证据排序——语义产生了候选，数值决定了终选；
2. 树搜索式前瞻（Tree-Search over Task Graph）：当任务图出现多分支时，模型不只评估当前节点，而是沿分支向前展开两到三层，用"每个分支的预期代价 + 失败风险"来选路。这与 AlphaGo 的蒙特卡洛树搜索同构，区别是这里的"走子"是技能调用，rollout 是快速仿真，策略网络由 DeepSeek 推理模型瞬时代替；
3. 代价回注（Cost-Regret Feedback）：把上一轮执行的真实代价（耗时、力超限次数、重规划次数）与计划时的预估代价对比，计算"后悔值（Regret）"，随上下文写回模型。模型在下一次同类任务中自动调整策略倾向——这让联合优化具备了记忆层面的收敛性：不仅单次任务内闭环，跨任务也闭环。

推理时搜索直接引出模型分工问题。联合优化系统内通常不需要单一模型包办一切，一个务实的选型是三级模型梯队：DeepSeek-V3 类指令模型承担高频、低延迟的结构化任务（参数模板抽取、JSON 编译、L2 局部修复），吞吐优先；DeepSeek-R1 类推理模型承担低频、高难度的决策（L3 任务级重规划、跨领域常识推理、归因诊断），深度优先；小型专用模型或传统 NER 组件承担最机械的部分（意图槽位抽取、数字合规校验），成本优先。三者在 Harness 内部通过统一总线路由，对上层透明。

推理预算的分配本身也是一个可优化问题：任务越难、环境不确定性越高、失败后果越重，就分配越多的采样数与推理深度。可以用多臂老虎机式的在线策略根据历史成功率动态调节——这相当于在"语义推理成本"与"执行失败代价"之间做实时对冲。实践中的经验法则是：一次成功的 L2 修复约等于 1-3 次采样；一次正确的 L3 重规划价值数十次错误执行——所以预算应优先保障"决策正确"而非"响应最快"，这与常规 latency 优先的部署直觉相反，恰恰是闭环系统的独特权衡。

工程实践：把联合优化装进真实系统

5.1 系统部署栈与数据流

联合优化系统的工程形态，可以抽象为一条"三层四总线"的部署栈：

三条计算层与四条数据总线分离的关键工程决策是总线协议版本化：语义总线上的计划对象（Plan Object）、参数总线上的约束向量（Constraint Vector）、诊断文本（Diagnosis Report）都有独立 schema 与版本号。这让 Harness 升级模型版本、替换求解器、更换控制器时互不阻塞——联合优化在架构上必须是"可插拔的耦合"，而非"焊死的胶水"。

实时性设计采用双速率管道：感知与伺服以 100–1000 Hz 跑实时闭环；Harness 推理以异步事件驱动的方式跑在 0.5–5 Hz，只消费"状态总线"上的轻量摘要（目标物体的位姿置信区间、轨迹跟踪误差的 EMA、力传感器统计量），不订阅原始高维流。为了让慢速语义层与快速控制层共存，每个技能封装为标准接口 execute(state_summary) -> (outcome, evidence)，其内部对实时层的调用完全被抽象——这也在实践中解决了"LLM 延迟不可控"这个最大工程风险。

5.2 安全护栏与人类介入

联合优化系统把大模型放进了控制回路，安全不是可选项。我们在 Harness 内实现了三层护栏：

1. 硬边界（Hard Bounds）：所有参数总线上的约束向量在编译时强制钳制在硬件规格内（关节限位、力矩上限、速度上限），任何模型输出的参数在进入求解器前都经过钳制与合法性校验，违反即拒绝；
2. 软代价（Soft Costs）：危险行为（高速接近易碎物、靠近人体）以高权重进入代价函数而非直接禁止，让求解器"倾向避免"而非"硬性规避"，减少不可行解；
3. 人类介入通道（Human-in-the-loop）：当 L3 重规划连续失败或安全监控触发时，Harness 生成可读的态势报告（发生了什么、尝试了什么、为什么失败、建议的介入方式），悬挂执行并等待人类确认。这条通道利用了大模型最擅长的事情——把系统的内部状态翻译给人看。

5.3 评估协议与案例观察

评价联合优化系统的效果，需要一个能分离变量的评估协议。我们建议采用三组对照：A 组为经典三层解耦基线（符号规划 + 无反馈 TOT + 伺服闭环）；B 组为"LLM 生成计划 + 无联合反馈"（只有 Harness 的 H1–H4，关闭诊断回写）；C 组为完整联合优化系统。任务集按难度分为三档：单技能操作、顺序多技能、条件分支长程任务；指标分为任务级（成功率、平均完成时间、平均重规划次数、人类介入次数）与执行级（轨迹跟踪误差、力超限频次、重规划的代价增量）。

以"清桌面并摆放指定物品到目标区"为例，典型观测模式如下（以下为概念验证实现的定性观测，数值会随环境与模型版本显著变化，不宜作为通用基准）：

• 成功率：A 组在长程任务上成功率断崖下降（随子目标数量 3→6，成功率约从 0.7 跌向 0.2），主因是单点失败无恢复；B 组通过 L2 局部重规划挽回了一部分（恢复率取决于诊断质量），但面对"目标条件变化"（目标区被占）时仍会僵死；C 组凭借任务图级修复与约束注入，把长程任务成功率稳定在比 A 组高出一个量级的水平，且重规划次数随经验注入而递减——这是"反馈耦合"带来收敛的直接证据；
• 效率：联合优化的代价是每次 L2/L3 重规划引入 0.3–3 秒推理延迟。观测表明，把 L1 调整全部留在数值回路、L2 推理压缩到单次模型调用（一个 prompt 输出修正参数 JSON），可以把语义级干预的端到端开销压缩到可与一次失败重试相当；
• 失败模式的语义化：C 组最显著的行为差异是失败不再以错误码结束，而是以诊断报告结束。诊断报告让后续轮次、人类操作员乃至另一套 Harness 都能"接管上下文"——这在多机协作与远程运维场景中是决定性的工程收益。

上图以甘特图示意一次长程任务中语义层与执行层的并发关系：语义层的建图、编译与执行层的技能执行在双速率管道下重叠进行，异常处理（L2）插在技能边界之间，不阻塞后续技能的整体调度。

5.4 从仿真到真机：迁移与持续部署

联合优化系统在仿真中表现良好只是起点，真机部署会把每一处"理想化假设"暴露出来。根据我们的工程经验，迁移失败几乎从不发生在单一模块，而是发生在契约的隐性违约上。为此，我们总结了一份五步迁移清单：

1. 参数默认值重标定：仿真中"好用的"速度上限、力阈值、容忍带在真机上必须重新标定，因为摩擦、惯量、柔顺性的仿真误差在 10%–40% 量级。做法是让每个技能在真机上线前先跑一组标定任务（提高/降低关键参数直到边界行为被触发），把标定结果写回技能档案——数值层的事实，最终要以真机为准；
2. 硬边界来自硬件手册而非模型：护栏的钳制上限一律读取硬件规格表与安全认证文档，并由人工复核后写入配置仓库。这条规则必须成为不可绕过的基础设施：任何模型输出、任何自动标定结果都不得越过这条线；
3. 诊断词表对齐：仿真中的诊断文本（“接触力不足”）在真机上可能对应完全不同的物理现象（柔性关节回弹、真空吸附泄露、负载超出标称）。迁移时要做一轮诊断-现象映射校准，否则诊断器会用仿真语境解释真机现象，产生系统性误诊；
4. 证据录制与回放：真机运行全程录制证据总线（目标树快照、参数向量、求解器日志、感知差分、力曲线），支持任意时刻的离线回放与"如果重新决策会怎样"的重演。这套设施是联合优化系统可维护性的底线——没有它，每次线上失败都是一次不可复现的悬案；
5. 灰度发布与模型版本治理：Harness 的模型升级采用"影子模式"灰度——新模型与旧模型并行跑同一批任务，对比决策质量与执行结果的差分，优于旧版才全量切换。由于语义决策影响的是任务级行为而非单帧控制，这种灰度周期以"任务批次"为单位而非"分钟"，需要配套的批次调度能力。

这五步的共同主题是把真机视为最终的校验器：仿真、模型、专家经验都只是先验，每一次真机执行都在更新系统对世界的认识。联合优化的收敛速度，最终取决于这条"真机证据回流"管道的吞吐量与保真度——这也是下一章讨论评估与挑战时的隐含前提。

挑战与展望

联合优化范式远未成熟，当前最尖锐的矛盾有三个：

其一，模型的推理成本与控制的实时性之间的张力。 语义层一次完整推理可能消耗数百毫秒到数秒，而真实世界的事件以毫秒计。工程上我们靠双速率管道与技能封装把慢决策藏起来，但当任务图规模扩大（几十个节点）或环境高度动态时，"慢语义、快控制"的假设会松动。更根本的出路是推理蒸馏：把高频 L2 修复模式蒸馏到小型专用模型上，让大模型只处理低频 L3 决策——这与人类"熟练动作自动化、复杂决策才动用注意"的组织方式一致。

其二，验证的完备性。 可行性校验器目前依赖快速仿真，仿真与真实之间的差距（sim-to-real gap）直接决定护栏的有效性。联合优化系统比传统系统更依赖"校验是可信的"这一前提：如果校验器说"可行"，执行却失败，系统就把失败转嫁给诊断器——诊断器能修一部分，但无法修复仿真模型本身的系统性偏差。长期看，真实环境的持续数据回流 + 仿真模型在线校准是校验器可信度的唯一出路。

其三，可信的归因与责任边界。 当一次事故由"模型决策 + 数值执行"共同造成时，如何归因？联合优化让两层互相渗透，也模糊了责任边界。工程上我们要求每次决策都携带完整证据链（决策依据、参数来源、校验结果、执行观测），这既是调试手段也是治理基础。这一设计原则在可预见的监管环境中会成为刚需。

其四，评估与基准的缺失。 联合优化的效果变量极多（模型、技能库、任务集、环境、护栏强度），而领域内既没有公认的长程任务基准，也没有标准的报告口径——同样叫"成功率"，不同团队统计的粒度（按任务计还是按子目标计）截然不同。更棘手的统计问题是方差：重规划次数与失败模式的分布长尾严重，几十轮实验的小样本不足以支撑结论。我们建议领域尽快形成三类共识：一是任务集分层（单技能 / 顺序 / 条件分支 / 动态干扰四档，每档附标准环境与扰动配置）；二是报告清单（成功率、完成时间、重规划次数、人类介入次数、推理成本、证据完整度六项必报）；三是评估预算纪律（规定每档任务的最少回合数与置信区间报告方式）。评估基准不是学术装饰——没有可信的计量，联合优化的每一次架构取舍都只能靠玄学。

展望未来，三个方向值得押注：世界模型增强的 Harness（用可学习的动力学先验替代部分快速仿真，提升校验精度与推理效率）；技能库的自演化（Harness 从成功与失败执行中沉淀新技能与新参数模板，实现"越用越强"的联合优化）；多机协同的语义层联合（多台机器人的 Harness 共享任务图与诊断记忆，在语义总线上协作完成单机无法完成的长程任务）。

结语

本文围绕"Agent Plan × DeepSeek Harness"给出了决策规划与运动控制联合优化的完整图景：问题在分层架构的语义鸿沟中滋生，解法在 Harness 的双向翻译与三层反馈闭环中生长。核心主张可以凝练为三句话——

分层不拆解：保留任务规划与运动控制各自的专业纵深，但用目标、参数、反馈三个维度的主动耦合替代最小接口传递；语义与数值各司其职：大模型负责结构化推理、约束选择与失败诊断，求解器负责精确寻优，联合优化的本质是让两者在能力边界上反复接力；闭环让优化成立：只有执行反馈真正流回语义决策，规划层与控制层才谈得上"联合"——否则只是又一层更聪明的黑盒翻译。

具身智能的下一个里程碑，大概率不是"更强的单模块"，而是"更紧的跨层闭环"。DeepSeek 系模型提供了这个闭环里稀缺的语义推理能力，而把它与数值控制焊成一体、并保证焊点可验证、可诊断、可进化的工程实践，正是值得整个领域持续投入的方向。

---

全文完。