久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

近日，中國工程院院士、博士生導(dǎo)師 ，中國科學(xué)院沈陽自動化研究所研究員，機(jī)器人與智能系統(tǒng)全國重點實驗室主任于海斌，在沈陽市高新技術(shù)企業(yè)協(xié)會主辦的“創(chuàng)新聚沈·向陽而行”大會上圍繞具身智能與智能機(jī)器人展開深度分享。

人工智能的歷史脈絡(luò)與具身智能的誕生

人工智能（AI）自1956年達(dá)特茅斯會議正式提出以來，經(jīng)歷了數(shù)次技術(shù)浪潮與寒冬。于海斌院士指出，AI的發(fā)展可分為四個階段：

·  符號邏輯推理階段（1950s-1980s）：以知識表達(dá)和專家系統(tǒng)為核心，但受限于知識獲取的困難，最終因?qū)嵱眯圆蛔氵M(jìn)入第一次寒冬。

·  神經(jīng)網(wǎng)絡(luò)連接階段（1980s-2000s）：辛頓（Geoffrey Hinton）等人提出反向傳播算法，推動神經(jīng)網(wǎng)絡(luò)發(fā)展，但受限于算力和數(shù)據(jù)，應(yīng)用場景有限。

·  深度學(xué)習(xí)階段（2010s至今）：以卷積神經(jīng)網(wǎng)絡(luò)（CNN）和斯坦福大學(xué)李飛飛團(tuán)隊構(gòu)建的ImageNet數(shù)據(jù)庫為標(biāo)志，AI在圖像識別等領(lǐng)域?qū)崿F(xiàn)突破，識別率從60%提升至超越人類水平。

·  具身智能（Embodied AI）階段（2020s起）：AI從純數(shù)據(jù)驅(qū)動轉(zhuǎn)向與物理世界交互，強調(diào)智能體通過身體、環(huán)境與任務(wù)的協(xié)同實現(xiàn)認(rèn)知與行為進(jìn)化。

圖靈早在計算機(jī)理論初期即提出兩種智能路徑——“離身智能”（如ChatGPT依賴純數(shù)據(jù)推理）與“具身智能”（需與物理設(shè)備結(jié)合）。然而，具身智能因技術(shù)復(fù)雜度高長期滯后，直到機(jī)器人學(xué)、神經(jīng)科學(xué)和心理學(xué)的交叉融合為其提供了新思路。

具身智能的核心內(nèi)涵與科學(xué)依據(jù)

環(huán)境交互與智能發(fā)育的必然性：于海斌院士例舉了一項科學(xué)實驗，來印證環(huán)境交互與智能發(fā)育呈現(xiàn)正相關(guān)性，該實驗反饋了智能的成長依賴與環(huán)境的動態(tài)互動作用。

來自麻省理工學(xué)院兩位研究人員，把兩只小貓放進(jìn)了一個圓桶內(nèi)，兩只小貓都在圓筒內(nèi)部繞圈運動。第一只小貓是白己走的；第二只小貓則被放在與柱體中心軸相連的小盒子里。兩只小貓看到的東西完全相同。結(jié)果顯示只有靠自己身體運動的小貓發(fā)育出了正常的視力。這進(jìn)一步印證了“心靈手巧”的逆向邏輯——肢體動作的靈活性（如操作工具）會反向促進(jìn)認(rèn)知能力的提升。

具身智能三位一體的智能框架：具身智能強調(diào)“大腦-身體-環(huán)境”三位一體。其中大腦負(fù)責(zé)高層決策與意圖理解（如大語言模型），身體通過傳感器與執(zhí)行器實現(xiàn)物理交互（如機(jī)械臂、仿生關(guān)節(jié)），環(huán)境提供動態(tài)反饋與訓(xùn)練場景（如仿真平臺、真實物理空間）。三者協(xié)同構(gòu)成閉環(huán)，使智能體能夠通過試錯學(xué)習(xí)適應(yīng)復(fù)雜任務(wù)。

從“感知智能”到“行動智能”的跨越：傳統(tǒng)AI擅長靜態(tài)感知（如圖像識別），但缺乏對物理世界的動態(tài)響應(yīng)能力。波士頓動力（Boston Dynamics）的Atlas機(jī)器人通過深度學(xué)習(xí)與強化學(xué)習(xí)結(jié)合，實現(xiàn)了翻越障礙、適應(yīng)地形變化等復(fù)雜動作，標(biāo)志著具身智能在運動控制領(lǐng)域的突破。

圍繞具身智能四大熱點的思考與技術(shù)挑戰(zhàn)：

數(shù)字人：中國通用人工智能研究院開發(fā)的“數(shù)字人通通”模擬人類從嬰兒期開始的成長過程，通過與虛擬環(huán)境的交互（如聽覺、觸覺反饋）實現(xiàn)認(rèn)知進(jìn)化。這一嘗試為研究人類智能發(fā)育提供了新范式，但也引發(fā)倫理爭議——若機(jī)器人通過環(huán)境交互自主進(jìn)化，人類是否可能失去控制？

機(jī)械臂與大語言模型的融合：谷歌RT-X平臺將大語言模型（LLM）與機(jī)器人操作結(jié)合，使機(jī)械臂能夠理解自然語言指令（如“整理房間”），并自主分解任務(wù)步驟（識別雜物、分類歸置）。這一技術(shù)已在疊衣服、精細(xì)裝配等場景中展現(xiàn)潛力，但其泛化能力仍受限于物理規(guī)則與數(shù)據(jù)多樣性。

人形機(jī)器人的爭議與前景：馬斯克力推的Optimus人形機(jī)器人引發(fā)兩極評價。支持者認(rèn)為人形是通用化的終極形態(tài)，可適配人類環(huán)境（如樓梯、工具），而質(zhì)疑者指出其成本高昂、技術(shù)冗余（如多關(guān)節(jié)驅(qū)動難題）。

于海斌院士認(rèn)為，人形機(jī)器人的核心價值在于“本體硬件”與“智能算法”的協(xié)同突破。例如，開源算法（如波士頓動力的運動控制模型）大幅降低了本體研發(fā)門檻，而黃仁勛（英偉達(dá)CEO）布局的具身智能訓(xùn)練平臺，或?qū)⑼苿有袠I(yè)標(biāo)準(zhǔn)化。

智能駕駛與低空經(jīng)濟(jì)：盡管全無人駕駛面臨地面環(huán)境的極端復(fù)雜性（如突發(fā)行人、不規(guī)則道路），但網(wǎng)聯(lián)汽車的輔助駕駛（如車道保持、自動泊車）和低空經(jīng)濟(jì)（無人機(jī)物流、巡檢）已成為更可行的商業(yè)化方向。

技術(shù)路徑：肢體、小腦與大腦的協(xié)同進(jìn)化

在機(jī)器人技術(shù)路徑未來發(fā)展趨勢探討方面，于海斌院士表示未來人形機(jī)器人肢體部分有很大的提升空間，如基于高能量密度的仿生驅(qū)動肢體。仿照人類心臟的高效供能機(jī)制，研發(fā)微型液壓驅(qū)動與仿生肌肉，如德國費斯托的氣動機(jī)械臂就是一個很好的參考方向，該機(jī)械臂核心優(yōu)勢在于其高精度控制與仿生設(shè)計的融合，擁有12個自由度，動作柔性且穩(wěn)定，部分型號搭載AI技術(shù)實現(xiàn)自我學(xué)習(xí)優(yōu)化，電磁閥壽命超3000萬次，具備良好的性能和耐用性。

此外，生物融合也是未來機(jī)器人發(fā)展趨勢。未來，我們可以通過培養(yǎng)生物細(xì)胞構(gòu)建具有感知與驅(qū)動能力的“類器官”產(chǎn)品，盡管其生存環(huán)境要求苛刻，但為軟體機(jī)器人提供了新思路。

小腦主要作用在于提升人形機(jī)器人的運動協(xié)調(diào)能力，運動控制依賴海量物理數(shù)據(jù)，而真實環(huán)境訓(xùn)練成本過高。目前國內(nèi)已經(jīng)有相對成熟的平臺進(jìn)行機(jī)器人的模擬訓(xùn)練，如國家地方共建人形機(jī)器人創(chuàng)新中心開發(fā)的，異構(gòu)人形機(jī)器人訓(xùn)練場通過“虛擬-現(xiàn)實”遷移學(xué)習(xí)（Sim2Real），使機(jī)器人能在低成本場景中預(yù)訓(xùn)練動作（如行走、跳躍），再遷移至真實環(huán)境微調(diào)。

大腦提供決策模型與機(jī)器人的認(rèn)知能力，目前多模態(tài)感知技術(shù)是主要方案，該方案融合視覺、觸覺、力覺傳感器，提升環(huán)境理解的全面性。在具體案例方面，北京大學(xué)電子學(xué)院程翔教授團(tuán)隊提出的“機(jī)器聯(lián)覺”系統(tǒng)，通過智能融合通信與多模態(tài)感知信息，有效提升了機(jī)器人在復(fù)雜環(huán)境中的感知、決策與通信能力。

此外，于海斌院士也提到了如何解決大模型“災(zāi)難性遺忘”問題，實現(xiàn)機(jī)器人的終身學(xué)習(xí)方式。愛丁堡大學(xué)提出的增量強化學(xué)習(xí)框架是一個很好的解決“災(zāi)難性遺忘”的解決方案。它能夠在保持已有知識的基礎(chǔ)上，通過逐步增量式地更新策略，快速適應(yīng)新環(huán)境或新任務(wù)，從而顯著提升機(jī)器人在動態(tài)變化環(huán)境中的學(xué)習(xí)效率和性能表現(xiàn)，無需從頭開始重新訓(xùn)練整個模型。

未來十年技術(shù)趨勢研判與產(chǎn)業(yè)啟示：

于海斌院士預(yù)測，未來十年，具身智能的算法與訓(xùn)練平臺將快速發(fā)展，而硬件（如高精度傳感器、仿生關(guān)節(jié)）受限于材料與工藝，進(jìn)步速度相對緩慢。企業(yè)需優(yōu)先布局軟件生態(tài)（如仿真平臺、數(shù)據(jù)鏈），而非盲目投入硬件研發(fā)。

此外具身智能缺乏統(tǒng)一理論體系（如認(rèn)知科學(xué)的世界模型），但場景驅(qū)動的工程化應(yīng)用（如倉儲機(jī)器人、醫(yī)療外骨骼）將率先落地。國家需推動跨機(jī)構(gòu)協(xié)作，解決數(shù)據(jù)確權(quán)與模型共享難題。

在通用終端的終極形態(tài)方面，于海斌院士認(rèn)為人形機(jī)器人未必是唯一答案，具身智能可能通過“一腦多機(jī)”模式賦能多樣化設(shè)備（如工業(yè)機(jī)床、家用電器）。例如，同一AI核心可同時調(diào)度無人機(jī)群與地面機(jī)器人，實現(xiàn)任務(wù)協(xié)同。

在倫理與安全方面，于海斌院士認(rèn)為，若具身智能體通過環(huán)境交互自主進(jìn)化，可能超出人類預(yù)設(shè)的邊界。行業(yè)需提前建立倫理規(guī)范（如行為約束算法、人機(jī)權(quán)責(zé)界定），避免技術(shù)失控風(fēng)險。

結(jié)語與未來：

具身智能正在讓AI從“虛擬大腦”向“物理實體”迭代，在技術(shù)演化的道路上，需要更加關(guān)注技術(shù)創(chuàng)新的有效性與產(chǎn)業(yè)化的可落地性。正如于海斌院士所言：“藍(lán)海的意義在于未知，而未知需要勇氣與智慧并存。”對產(chǎn)業(yè)從業(yè)者而言，打破學(xué)科壁壘、深化理論突破，聚焦場景剛需、參與生態(tài)共建或?qū)⒊蔀閾屨枷葯C(jī)的關(guān)鍵。

來源：騰訊網(wǎng)