神经符号架构

神经符号（Neuro-Symbolic）架构是一种结合神经网络（如LLM）的灵活性与符号系统（如经典控制算法）的确定性的混合方法。在[[Dimensional OS]]（DimOS）中，这是其核心技术路线。

分层架构

DimOS采用三层分层架构：

1. 高层：LLM Agent（如[[OpenClaw]]/Claude）负责推理、规划、工具调用。它看到相机图像、查询空间记忆，输出自然语言意图或MCP技能调用。
2. 中层：物理技能库，包含pick-and-place、grasp、relative_move等确定性控制算法，成功率99%以上。
3. 底层：硬件抽象层，连接Unitree、xArm、DJI等各类机器人硬件。

高层与中层之间通过[[MCP协议]]通信。

与纯VLA路线的对比

纯VLA（Vision-Language-Action）模型如RT-2、Octo虽然能处理复杂灵巧操作，但缺乏护栏、可观测性差、生产就绪度还需2-4年。神经符号架构的优势在于：

• 可靠性：中层确定性控制算法提供99%+的成功率
• 可观测性：每步操作都有实时遥测反馈
• 生产就绪：今天就能部署，无需等待大模型完美
• 可升级性：未来随着VLA成熟可以无缝升级

核心主张

神经符号路线比纯端到端更务实——今天就能生产级部署，明天随着VLA成熟无缝升级。这是当前实现生产级具身智能的最优解。