智能只有在经得住物理世界接触时才真正有用。 机器人运行在一个充满摩擦、延迟、遮挡、不确定性、力、质量和不完整信息的世界中。 ARUS 的智能架构存在的目的，是把感知连接到受约束的物理行动。
机器人不能把物理世界当作干净的数字界面。
对象会移动。人员会打断。地面会变化。摩擦会不同。摄像头会被遮挡。任务会失败。ARUS Intelligence 围绕这些现实构建，持续更新机器相信什么、打算做什么，以及应如何安全移动。
ARUS 将摄像头、深度感知、力反馈、本体感知和环境传感器整合为统一的实时表示。
传感器数据变成结构化上下文：对象在哪里、正在做什么、哪些表面可通行，以及哪些条件正在变化。
任务规划器将目标转化为可执行序列，同时持续评估约束、安全、对象状态和替代动作。
高频控制将意图转化为关节轨迹、扭矩和接触感知运动，同时保持稳定性和机器限制。
不能因为命令已经发出，就假设物理执行已经成功。系统必须观察实际结果。
世界模型不只是地图。它描述对象、表面、人员、运动、不确定性及其关系，并随着现实变化持续更新。
自主不是一次性决定。每个动作都会产生新信息，并反馈到感知和规划中。只要机器处于活动状态，这个循环就不会停止。
捕捉当前物理状态。
理解对象、运动和上下文。
选择安全且有效的动作。
将意图转化为物理运动时才有用。
测量结果并更新模型。
在新行为进入硬件之前，ARUS 系统可以在仿真环境中评估，在那里可以比单纯物理测试更快、更低成本、更安全地探索数百万种变化。
已部署机器会产生运营经验。ARUS 使用这些数据识别重复故障、改进模型，并向兼容系统分发已验证的更新。
硬性运营限制独立于任务规划并保持有效。
运动计划会持续针对人员、机器和环境障碍进行检查。
不确定性可以触发降速状态、安全停止或升级到人工处理。
操作员对已部署机器保持明确权限。
行为和故障在整个运行过程中保持可观察。
软件变更在广泛发布前会经过仿真和部署门控。