家庭的具⾝智能可拆分为感知、思考、执⾏三个关键层⾯，共同构建智能化、⾃动化的家庭服务体系
-
感知层
终端感知（视觉） -
思考层
智慧决策（语言） -
执行层
动作执行（动作）
感知层（Perception）：多模态环境理解
依赖激光传感器、视觉传感器、微波传感器、环境探测器 持续收集家庭环境的全面数据
支持多模态输入（Multi-Modal Input），包括：
-
视觉
通过摄像头识别物体、空间布局和用户活动 -
语音
通过麦克风进行语音识别和自然语言交互 -
环境数据
检测空气质量、温度、湿度、CO浓度、人体活动等关键信息
这些多模态输入能够提供实时、全面的家庭环境理解，使系统精准适应用户需求，并动态调整任务执行策略。
思考层：AI 赋能的智能决策
采⽤多模态⼤模型进⾏推理分析
结合家庭边缘计算⽹关和云服务，⾼效处理数据并智能决策。
处理多模态数据（图像、语⾳、⽂本、传感器数据），精准理解⽤⼾需求，并优化任务执⾏。
执⾏层：智能机器⼈协同⼯作
多种智能家居设备 执⾏具体任务，包括：
特种机器⼈，如窗帘机器⼈、⻔锁机器⼈、扫地机器⼈等，实现特定家务的⾃动化。
核⼼家庭服务机器⼈，具备 “⼿、脚、脑”，能够执⾏更灵活、更复杂的家庭任务，如物品搬运、清洁、照护等。
