2025年，是科幻照進(jìn)現(xiàn)實的一年。當(dāng)小鵬汽車發(fā)布的“IRON”人形機器人以高度擬人的步態(tài)與流暢的運動控制進(jìn)入大眾視野時，著實驚呆眾人。

       還記得年初的具身智能還是在春晚節(jié)目中拋個手絹，走路還磕磕絆絆，不到一年，就已經(jīng)發(fā)展到接近真人的步伐，具身智能時代或許真的來了!

       為什么身體對智能很重要

       具身智能，說白了就是有身體、會動、會感知的智能體。相較于只能在云端跑大模型、寫文章、聊天的人工智能不同，具身智能更強調(diào)感知、行動和認(rèn)知三者合一。

       智能體通過傳感器看、聽、觸，靠執(zhí)行器動、抓、走，從而為人類提供服務(wù)，并且在服務(wù)過程中學(xué)習(xí)和調(diào)整自己的行為。這個過程要求把感知到的信息、行動的結(jié)果和內(nèi)部決策緊密連接起來，形成一個閉環(huán)。具身智能并不是一個“只會想”的系統(tǒng)，而是能做事并從做事里變聰明的系統(tǒng)。

       有人一定好奇，既然大模型那么聰明，為什么非要把它裝到“身體”里?其實在認(rèn)知科學(xué)里有個基本觀點，人類的思維方式、注意力和很多常識判斷，都是建立在身體與環(huán)境長期交互的結(jié)果上。

        身體提供了感官輸入和行為反饋，將影響人類形成概念和預(yù)測世界的結(jié)果，如果沒有身體，就少了那部分“從做中學(xué)”的經(jīng)驗。此外，對于搬運物品、裝配、巡檢、護(hù)理、救援、駕駛等很多有用的工作都必須依賴身體才能完成，正因如此，身體對于人類來說非常重要。

       對于具身智能，其實也是如此，只有把智能和執(zhí)行結(jié)合，才能讓系統(tǒng)真正替人做事。把大模型單純放在服務(wù)器上，它可以推理、預(yù)測，但無法直接去擰螺絲、遞東西或處理搬移障礙物等工作，這也是為什么很多企業(yè)都在布局具身智能的原因。

       具身智能的核心技術(shù)與現(xiàn)有問題

       具身智能的視線離不開硬件和軟件的深度耦合。視覺、深度、力覺、觸覺、聲音以及本體感知(比如關(guān)節(jié)角度、電流等)等感知層共同組成了對外界的感知，為確保感知的準(zhǔn)確性，需多個傳感器相互融合。

       認(rèn)知與決策層負(fù)責(zé)把傳感器數(shù)據(jù)轉(zhuǎn)變成對環(huán)境的理解和未來行為的計劃。對此會采用包括基于模型的規(guī)劃算法和基于學(xué)習(xí)的方法，尤其是強化學(xué)習(xí)和自監(jiān)督學(xué)習(xí)在很多研究中被用來讓智能體通過交互積累經(jīng)驗。

       行動層負(fù)責(zé)將決策轉(zhuǎn)為實際運動指令，其中涉及運動學(xué)、動力學(xué)和實時控制等技術(shù)。由于有些任務(wù)需要微米級的精度和毫秒級的反應(yīng)，因此需要在精度與速度之間進(jìn)行權(quán)衡。

      “閉環(huán)學(xué)習(xí)”在具身智能中的應(yīng)用也很重要，閉環(huán)學(xué)習(xí)強調(diào)把行動結(jié)果反饋回認(rèn)知模塊，形成持續(xù)改進(jìn)的能力。一個合格的具身智能體不僅能在已知場景執(zhí)行任務(wù)，還能在新環(huán)境下通過少量試錯快速適應(yīng)。

       類比到自動駕駛，其實我們可以發(fā)現(xiàn)，具身智能和自動駕駛很多的技術(shù)是相通的，只是在執(zhí)行目標(biāo)及使用場景中有所區(qū)別。與自動駕駛一樣，在將具身智能投入市場化運營時，也將面臨一系列問題。

       由于需要多模態(tài)融合，視覺數(shù)據(jù)量大、幀率高，觸覺和力覺采樣速度不同，如何把這些信息在時間和語義上對齊并提取有用特征，需要精心設(shè)計的數(shù)據(jù)流和網(wǎng)絡(luò)架構(gòu)。

       強化學(xué)習(xí)在仿真中訓(xùn)練相對容易，但如果應(yīng)用到現(xiàn)實機器人上就會出現(xiàn)sim-to-real差距，對此可以采用包括更好的物理建模、域隨機化和在線微調(diào)來解決。

       實時控制和硬件可靠性問題是具身智能一定要考慮的問題，由于具身智能主要服務(wù)于人，控制算法得保證在突發(fā)情況下不會讓機器人做出危險動作，機械和傳感器也要耐用并可維護(hù)。

       具身智能的應(yīng)用及評判標(biāo)準(zhǔn)?

       具身智能在很多場景都有明確用途。工廠里的裝配和協(xié)作機器人已經(jīng)能在一定程度上替人做重復(fù)、精細(xì)的工作;倉儲和物流中，自動搬運、分揀和輸送系統(tǒng)可以顯著提高效率;像是送餐機器人、家務(wù)機器人等服務(wù)領(lǐng)域的具身智能在受控場景下也能完成特定任務(wù)。

       自動駕駛其實也可以看成具身智能的一種形式，汽車通過傳感器感知環(huán)境，通過控制系統(tǒng)執(zhí)行駕駛動作，并在行駛中不斷調(diào)整策略。救援和巡檢也是具身智能應(yīng)用的重要方向，機器人可以進(jìn)入對人類危險或難以到達(dá)的區(qū)域完成探測和作業(yè)。

       要判斷一個系統(tǒng)是否是具身智能，有多個評價角度。看它能否在真實環(huán)境中獨立完成指定任務(wù)，其中要包括感知到任務(wù)相關(guān)信息、規(guī)劃執(zhí)行步驟、在執(zhí)行過程中及時處理意外，并在任務(wù)后對經(jīng)驗進(jìn)行總結(jié)和優(yōu)化;看它對未知情況的適應(yīng)能力，能否在遇到新場景時通過少量交互調(diào)整策略而不是完全報廢;看它的人機交互能力，是否能理解人的指令、預(yù)測人的行為并安全協(xié)同;還可以考察運行的連續(xù)性和魯棒性，其中可包括對硬件故障、傳感噪聲和外界干擾的容忍度。

       最后的話

      具身智能不是把人工智能套上身體那么簡單，而是要把感知、動作和認(rèn)知深度結(jié)合，讓系統(tǒng)能在物理世界里真正完成任務(wù)并在過程中進(jìn)步。具身智能讓人工智能從“會想”變成“會做”，這無疑是未來幾年最值得關(guān)注的一條技術(shù)路線。