北航機(jī)器人研究所名譽(yù)所長(zhǎng)王田苗：具身智能有望成為驅(qū)動(dòng)社會(huì)進(jìn)化的核心科技變量

　　中新網(wǎng)北京12月22日電(記者 吳家駒)近年來(lái)，我國(guó)具身智能產(chǎn)業(yè)迎來(lái)快速發(fā)展，并屢屢引起關(guān)注。具身智能有哪幾條發(fā)展路徑？未來(lái)需要進(jìn)一步攻克哪些技術(shù)難點(diǎn)？

　　近日，在第十八屆中國(guó)工業(yè)論壇上，北京航空航天大學(xué)機(jī)器人研究所名譽(yù)所長(zhǎng)、智友·雅瑞科創(chuàng)平臺(tái)發(fā)起人、中關(guān)村智友研究院院長(zhǎng)王田苗，就相關(guān)問(wèn)題進(jìn)行解答。

　　王田苗表示，未來(lái)，一切數(shù)據(jù)將被AI激活，一切認(rèn)知與決策將被AI參與，一切設(shè)備將被AI賦能，一切軟件將被AI重構(gòu)。而具身智能，作為連接物理世界與數(shù)字世界的橋梁，正成為驅(qū)動(dòng)社會(huì)進(jìn)化核心的科技變量。

　　在他看來(lái)，具身智能有三條發(fā)展路徑。

　　第一條路徑是“大腦優(yōu)先”通用暴力派。效仿大語(yǔ)言模型(LLM)的成功路徑，首先構(gòu)建一個(gè)巨大的、基于互聯(lián)網(wǎng)規(guī)模數(shù)據(jù)和仿真訓(xùn)練的通用基礎(chǔ)模型，然后將其部署到通用的類人硬件上。

　　這一路徑的優(yōu)勢(shì)是極高的泛化能力，理論上一個(gè)模型可以學(xué)會(huì)任何任務(wù)。劣勢(shì)是存在“仿真到現(xiàn)實(shí)”的鴻溝，能夠理解莎士比亞的AI，卻可能因?yàn)槟Σ亮�建模的微小誤差而無(wú)法完成一個(gè)簡(jiǎn)單的插銷組裝動(dòng)作。此外，端到端模型的“黑盒”特性在工業(yè)認(rèn)證上是巨大的挑戰(zhàn)，成本巨大，周期很長(zhǎng)。

　　第二條路徑是“身體優(yōu)先”改良派。從傳統(tǒng)機(jī)器進(jìn)化到嵌入垂類大腦，在現(xiàn)有成熟工業(yè)機(jī)械臂集成突出競(jìng)爭(zhēng)優(yōu)勢(shì)的基礎(chǔ)上，增加AI視覺(jué)感知層和力控算法。保持底層的確定性控制回路，感知層面引入AI。

　　這一路徑的優(yōu)勢(shì)是具備現(xiàn)有的大量客戶與信任關(guān)系，保障極高的可靠性和龐大的存量市場(chǎng)。劣勢(shì)是會(huì)陷入局部最優(yōu)，特別是當(dāng)遷移到其他工業(yè)、商業(yè)、消費(fèi)領(lǐng)域時(shí)，無(wú)法處理真正的開(kāi)放世界任務(wù)或未預(yù)定義的變異。

　　第三條路徑是新勢(shì)力“垂直智能體”務(wù)實(shí)派。借鑒自動(dòng)駕駛的技術(shù)架構(gòu)，利用BEV(鳥瞰圖)感知、占用網(wǎng)絡(luò)和預(yù)測(cè)規(guī)劃算法，構(gòu)建針對(duì)特定高價(jià)值垂直場(chǎng)景(如：汽車總裝、物流等)的機(jī)器人，并采用“通用大腦”(高層推理)+“專家模型”(底層小腦/運(yùn)動(dòng)控制)的混合架構(gòu)。

　　這一路徑的優(yōu)勢(shì)是平衡了泛化性與可靠性。劣勢(shì)則是競(jìng)爭(zhēng)十分激烈，取決于實(shí)控人對(duì)應(yīng)用場(chǎng)景核心痛點(diǎn)的深刻理解與產(chǎn)品設(shè)計(jì)。

　　“這三種發(fā)展路徑都存在爆發(fā)性的成長(zhǎng)機(jī)遇。”王田苗進(jìn)一步表示，具身智能要實(shí)現(xiàn)從演示到日常使用的跨越，迫切需要攻克制約產(chǎn)業(yè)爆發(fā)的三個(gè)核心技術(shù)難點(diǎn)。

　　一是要突破仿真到現(xiàn)實(shí)的泛化鴻溝，機(jī)器人在虛擬環(huán)境中可以經(jīng)過(guò)數(shù)億次訓(xùn)練學(xué)會(huì)完美抓取，但一旦部署到物理世界，光照變化、物體材質(zhì)摩擦系數(shù)的微小差異、傳感器噪聲等都會(huì)導(dǎo)致任務(wù)失敗。而物理世界的數(shù)據(jù)采集機(jī)器昂貴，如果不能在仿真中高效訓(xùn)練并遷移，機(jī)器人就無(wú)法應(yīng)對(duì)現(xiàn)實(shí)世界的長(zhǎng)尾場(chǎng)景。

　　二是要實(shí)現(xiàn)高自由度靈巧手。靈巧手決定了“操作”。進(jìn)入家庭做剝雞蛋、穿針等家務(wù)，必須具備類似人手的觸覺(jué)反饋和多指協(xié)同能力。

　　三是提高端側(cè)算力與能效比，具身智能需要實(shí)時(shí)處理多模態(tài)數(shù)據(jù)(視覺(jué)、觸覺(jué)、聽(tīng)覺(jué))，對(duì)延遲極度敏感。完全依賴云端大模型，會(huì)導(dǎo)致通信延遲并帶來(lái)安全隱患，而現(xiàn)有的端側(cè)芯片難以支撐大參數(shù)量模型的推理，且功耗過(guò)高會(huì)嚴(yán)重縮短機(jī)器人續(xù)航。

　　“未來(lái)，我們更應(yīng)該注重垂類應(yīng)用，以場(chǎng)景為王，只有這樣才能真正服務(wù)于實(shí)體經(jīng)濟(jì)�！蓖跆锩缯f(shuō)。(完)