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(huì)議正式提出以來(lái)，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(gè)階段：符號(hào)邏輯推理階段(1950s-1980s)：以知識(shí)表達(dá)和專家系統(tǒng)為核心，但受限于知識(shí)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(dòng)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(chǎng)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(duì)構(gòu)建的ImageNet數(shù)據(jù)庫(kù)為標(biāo)志，AI在圖像識(shí)別等領(lǐng)域?qū)崿F(xiàn)突破，識(shí)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(dòng)轉(zhuǎn)向與物理世界交互，強(qiáng)調(diào)智能體通過(guò)身體、環(huán)境與任務(wù)的協(xié)同實(shí)現(xiàn)認(rèn)知與行為進(jìn)化。
圖靈早在計(jì)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(zhǎng)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：以一項(xiàng)科學(xué)實(shí)驗(yàn)來(lái)印證環(huán)境交互與智能發(fā)育呈現(xiàn)正相關(guān)性，該實(shí)驗(yàn)反饋了智能的成長(zhǎng)依賴與環(huán)境的動(dòng)態(tài)互動(dòng)作用。 來(lái)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(gè)圓桶內(nèi)，兩只小貓都在圓筒內(nèi)部繞圈運(yùn)動(dòng)。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(yùn)動(dòng)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(dòng)作的靈活性(如操作工具)會(huì)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(qiáng)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(yǔ)言模型)，身體通過(guò)傳感器與執(zhí)行器實(shí)現(xiàn)物理交互(如機(jī)械臂、仿生關(guān)節(jié))，環(huán)境提供動(dòng)態(tài)反饋與訓(xùn)練場(chǎng)景(如仿真平臺(tái)、真實(shí)物理空間)。三者協(xié)同構(gòu)成閉環(huán)，使智能體能夠通過(guò)試錯(cuò)學(xué)習(xí)適應(yīng)復(fù)雜任務(wù)。
從“感知智能”到“行動(dòng)智能”的跨越：傳統(tǒng)AI擅長(zhǎng)靜態(tài)感知(如圖像識(shí)別)，但缺乏對(duì)物理世界的動(dòng)態(tài)響應(yīng)能力。波士頓動(dòng)力(Boston Dynamics)的Atlas機(jī)器人通過(guò)深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)結(jié)合，實(shí)現(xiàn)了翻越障礙、適應(yīng)地形變化等復(fù)雜動(dòng)作，標(biāo)志著具身智能在運(yùn)動(dòng)控制領(lǐng)域的突破。
圍繞具身智能四大熱點(diǎn)的思考與技術(shù)挑戰(zhàn)
數(shù)字人：中國(guó)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(zhǎng)過(guò)程，通過(guò)與虛擬環(huán)境的交互(如聽覺、觸覺反饋)實(shí)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(zhēng)議——若機(jī)器人通過(guò)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(yǔ)言模型的融合：谷歌RT-X平臺(tái)將大語(yǔ)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(yǔ)言指令(如“整理房間”)，并自主分解任務(wù)步驟(識(shí)別雜物、分類歸置)。這一技術(shù)已在疊衣服、精細(xì)裝配等場(chǎng)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(zhēng)議與前景：馬斯克力推的Optimus人形機(jī)器人引發(fā)兩極評(píng)價(jià)。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(dòng)難題)。
人形機(jī)器人的核心價(jià)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(dòng)力的運(yùn)動(dòng)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(tái)，或?qū)⑼苿?dòng)行業(yè)標(biāo)準(zhǔn)化。
智能駕駛與低空經(jīng)濟(jì)：盡管全無(wú)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(dòng)泊車)和低空經(jīng)濟(jì)(無(wú)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(lái)發(fā)展趨勢(shì)探討方面，于海斌院士表示未來(lái)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(dòng)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(dòng)與仿生肌肉，如德國(guó)費(fèi)斯托的氣動(dòng)機(jī)械臂就是一個(gè)很好的參考方向，該機(jī)械臂核心優(yōu)勢(shì)在于其高精度控制與仿生設(shè)計(jì)的融合，擁有12個(gè)自由度，動(dòng)作柔性且穩(wěn)定，部分型號(hào)搭載AI技術(shù)實(shí)現(xiàn)自我學(xué)習(xí)優(yōu)化，電磁閥壽命超3000萬(wàn)次，具備良好的性能和耐用性。
此外，生物融合也是未來(lái)機(jī)器人發(fā)展趨勢(shì)。未來(lái)，我們可以通過(guò)培養(yǎng)生物細(xì)胞構(gòu)建具有感知與驅(qū)動(dòng)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(yùn)動(dòng)協(xié)調(diào)能力，運(yùn)動(dòng)控制依賴海量物理數(shù)據(jù)，而真實(shí)環(huán)境訓(xùn)練成本過(guò)高。目前國(guó)內(nèi)已經(jīng)有相對(duì)成熟的平臺(tái)進(jìn)行機(jī)器人的模擬訓(xùn)練，如國(guó)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(chǎng)通過(guò)“虛擬-現(xiàn)實(shí)”遷移學(xué)習(xí)(Sim2Real)，使機(jī)器人能在低成本場(chǎng)景中預(yù)訓(xùn)練動(dòng)作(如行走、跳躍)，再遷移至真實(shí)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(duì)提出的“機(jī)器聯(lián)覺”系統(tǒng)，通過(guò)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。
如何解決大模型“災(zāi)難性遺忘”問(wèn)題，實(shí)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(qiáng)化學(xué)習(xí)框架是一個(gè)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(shí)的基礎(chǔ)上，通過(guò)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(dòng)態(tài)變化環(huán)境中的學(xué)習(xí)效率和性能表現(xiàn)，無(wú)需從頭開始重新訓(xùn)練整個(gè)模型。
未來(lái)十年技術(shù)趨勢(shì)研判與產(chǎn)業(yè)啟示
未來(lái)十年，具身智能的算法與訓(xùn)練平臺(tái)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(duì)緩慢。企業(yè)需優(yōu)先布局軟件生態(tài)(如仿真平臺(tái)、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(chǎng)景驅(qū)動(dòng)的工程化應(yīng)用(如倉(cāng)儲(chǔ)機(jī)器人、醫(yī)療外骨骼)將率先落地。國(guó)家需推動(dòng)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，人形機(jī)器人未必是唯一答案，具身智能可能通過(guò)“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(shí)調(diào)度無(wú)人機(jī)群與地面機(jī)器人，實(shí)現(xiàn)任務(wù)協(xié)同。
在倫理與安全方面，若具身智能體通過(guò)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(xiǎn)。
結(jié)語(yǔ)與未來(lái)
具身智能正在讓AI從“虛擬大腦”向“物理實(shí)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(duì)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(chǎng)景剛需、參與生態(tài)共建或?qū)⒊蔀閾屨枷葯C(jī)的關(guān)鍵。
文字為中國(guó)工程院院士于海斌在沈陽(yáng)“創(chuàng)新聚沈·向陽(yáng)而行”大會(huì)上的分享實(shí)錄
來(lái)源：自動(dòng)化博覽微信公眾號(hào)
作者：
評(píng)論