人民網(wǎng)北京6月11日電 （記者趙竹青）過去一年，具身智能領(lǐng)域迎來爆發(fā)式增長，成為人工智能與機器人技術(shù)融合的核心賽道。在近日舉行的北京智源大會上，多位專家學(xué)者分享前沿研究與產(chǎn)業(yè)實踐，為推動具身智能從實驗室走向廣泛場景應(yīng)用出謀劃策。
在具身智能的技術(shù)路線與底層邏輯層面，清華大學(xué)教授孫富春表示，世界模型是全要素模型，空間智能是其向視覺空間的投影，強調(diào)觸覺糾偏高于視覺糾偏，需構(gòu)建包含物理屬性等的沉浸式數(shù)字物理系統(tǒng)。
清華大學(xué)研究員、機器人控制實驗室主任趙明國提出，類腦算法可替代傳統(tǒng)控制器，人形機器人發(fā)展需從運動控制向視覺決策等升級，人類進化的底層運動智能具有啟示意義。
在具身智能的數(shù)據(jù)瓶頸突破路徑上，北京大學(xué)助理教授、智源具身智能研究中心主任王鶴主張采用合成數(shù)據(jù)為主、真實數(shù)據(jù)校準(zhǔn)的訓(xùn)練范式，通過十億級高質(zhì)量仿真數(shù)據(jù)訓(xùn)練的端到端模型，可實現(xiàn)零樣本泛化，已在零售、工業(yè)等場景逐步落地。
上海人工智能實驗室青年科學(xué)家、具身智能中心負責(zé)人龐江淼認為，合成數(shù)據(jù)有助于本體和場景泛化，但持續(xù)壓低真實數(shù)據(jù)采集數(shù)量，提升合成數(shù)據(jù)的質(zhì)量，直到全合成數(shù)據(jù)能夠達成零樣本泛化，需要一定時間。
北京大學(xué)副教授盧宗青提出，利用互聯(lián)網(wǎng)視頻預(yù)訓(xùn)練姿態(tài)生成模型，學(xué)習(xí)人類運動先驗，解決人形機器人數(shù)據(jù)稀缺問題。
清華大學(xué)交叉信息研究院助理教授高陽說，機器人數(shù)據(jù)采集成本高（需遙操作+物理交互），且難以用語言描述（如游泳），形成“無智能-少機器人-少數(shù)據(jù)”的惡性循環(huán)，可利用互聯(lián)網(wǎng)視頻數(shù)據(jù)，通過跟蹤視頻中物體運動預(yù)訓(xùn)練模型，再遷移到機器人遙操作數(shù)據(jù)微調(diào)，結(jié)合強化學(xué)習(xí)，解決仿真與現(xiàn)實差距。
在具身智能的通用泛化能力構(gòu)建方面，智源具身多模態(tài)大模型中心負責(zé)人、北京大學(xué)計算機學(xué)院助理教授仉尚航認為，構(gòu)建具身快慢系統(tǒng)是具身智能從“單一任務(wù)/本體”邁向“通用泛化”的關(guān)鍵路徑，分別以“大腦（推理）+小腦（控制）”的分層快慢系統(tǒng)和VLA端到端快慢系統(tǒng)兩條技術(shù)路線，解決跨本體（如機械臂、人形機器人）與場景的泛化性問題。
北京郵電大學(xué)教授方斌表示，視觸覺感知是具身智能從“感知”邁向“精準(zhǔn)操作”的核心環(huán)節(jié)，需通過傳感器創(chuàng)新、仿真數(shù)據(jù)增強與多模態(tài)融合，解決動態(tài)環(huán)境下的操作穩(wěn)定性與泛化性難題。
關(guān)于具身智能的未來應(yīng)用，智源研究院理事長黃鐵軍總結(jié)說，預(yù)計5-10年，具身智能有望代替人類從事不愿干、危險的勞動，但這并非終極目標(biāo)，在更遠的未來，具身智能有望全面超越人類，代表人類走向星際。