身體（Body）

自由度（DoF）、末端效應器（夾爪／靈巧手）、URDF 描述、全身控制（WBC）。身體形態決定可完成的操作與運動技能集合。

感知（Perception）

主動視覺、vSLAM、3D 場景理解、多模態感測（RGB-D、力覺、觸覺）。不同於靜態看圖：代理需移動視角、與環境互動以取得資訊。

決策（Decision）

高層任務規劃（LLM／VLM 分解指令）與低層策略（IL／RL／VLA）。常見「快慢系統」：慢系統做語意推理，快系統高頻輸出動作。

行動（Action）

關節空間或末端位姿控制、動作分塊（action chunking）、接觸豐富的動力學互動。評估需看成功率、泛化與安全性，而非僅語言指標。