A讓機(jī)器人通過身體認(rèn)知世界

2023年5月，在ITF World 2023半導(dǎo)體大會(huì)上，英偉達(dá)（NVIDIA）創(chuàng)始人兼首席執(zhí)行官黃仁勛在演講中預(yù)測下一個(gè)科技浪潮時(shí)，提到了一種新型人工智能——“具身智能”。

在2025年央視春晚的舞臺(tái)上，十幾個(gè)人形機(jī)器人身著秧歌服、手持紅手帕登上舞臺(tái)，與舞蹈演員們默契配合，上演了一場創(chuàng)意融合舞蹈《秧BOT》。它們動(dòng)作精準(zhǔn)流暢，機(jī)械臂靈活揮舞著手帕，步伐與鼓點(diǎn)完美契合，每一個(gè)舞步都充滿科技感，贏得了全國觀眾的喝彩。這些人形機(jī)器人之所以能夠完成如此復(fù)雜精彩的動(dòng)作，正是得益于具身智能技術(shù)。

什么是“具身智能”？

什么是“具身智能”？一般認(rèn)為，具身智能（Embodied Artificial Intelligence，簡稱“EAI”）是指通過機(jī)器人等物理實(shí)體與環(huán)境交互，能進(jìn)行環(huán)境感知、信息認(rèn)知、自主決策和采取行動(dòng)，并能夠從經(jīng)驗(yàn)反饋中實(shí)現(xiàn)智能增長和行動(dòng)自適應(yīng)的智能系統(tǒng)。

“具身”是具身智能的必要前提，但“具身”一詞并不只是“具有身體”，而是指身體會(huì)參與認(rèn)知，并影響邏輯判斷的過程。

北京工業(yè)大學(xué)教授、北京智同精密傳動(dòng)科技有限責(zé)任公司首席科學(xué)家張躍明在接受《中國報(bào)道》記者專訪時(shí)舉例說，現(xiàn)在的工業(yè)機(jī)器人具有身體，但它的身體行動(dòng)完全是由事先編好的程序控制，一步一步去執(zhí)行，只有簡單的邏輯、判斷能力，不能算是具身智能。

與“具身”相對(duì)的概念是“離身”，即認(rèn)知與身體分離。ChatGPT就是典型的離身智能。離身智能沒有可以感知世界并與之交互的身體，雖然通過采集的海量數(shù)據(jù)來標(biāo)記世間萬物，卻無法理解這些文本、圖片在物理交互中真實(shí)的意義。當(dāng)需要處理復(fù)雜現(xiàn)實(shí)任務(wù)時(shí)，由于缺少對(duì)真實(shí)環(huán)境的感知和交互能力，傳統(tǒng)人工智能就很容易發(fā)生誤判。

2021年7月，國外一社交網(wǎng)站用戶分享了一則視頻：他駕駛某款電動(dòng)車開到一條高速公路時(shí)，自動(dòng)駕駛系統(tǒng)將天空中的滿月錯(cuò)誤地識(shí)別為交通信號(hào)燈的黃燈信號(hào)，并試圖使原本在高速巡航行駛中的車輛保持減速。

而具身智能則打破了傳統(tǒng)人工智能中“身體”與“大腦”分離的模式，彌補(bǔ)了傳統(tǒng)人工智能對(duì)環(huán)境感知和交互能力的不足，使機(jī)器能夠像自然生物體一樣，通過其身體與環(huán)境的互動(dòng)，實(shí)現(xiàn)多模態(tài)、多尺度的環(huán)境適應(yīng)，從而在復(fù)雜環(huán)境中自主決策，完成任務(wù)。

張躍明認(rèn)為，具身智能的發(fā)展方向是使其具有類似人類的主觀判斷能力和邏輯推理能力，不僅可以獨(dú)立完成以往人類才能勝任的任務(wù)，還要能與人協(xié)作共同完成任務(wù)。要實(shí)現(xiàn)這種智能，不僅靠算法和計(jì)算，還需要大數(shù)據(jù)的支持和具有學(xué)習(xí)能力。

具身智能機(jī)器人在未知的環(huán)境中執(zhí)行物理任務(wù)時(shí)，更多依賴“感知—行動(dòng)回路”，即先主動(dòng)感知環(huán)境、對(duì)環(huán)境建模，進(jìn)而采取行動(dòng)、進(jìn)行驗(yàn)證，并根據(jù)結(jié)果不斷調(diào)整和優(yōu)化自身的行動(dòng)，從而更高效地完成任務(wù)。這個(gè)過程很類似人類兒童的學(xué)習(xí)過程。古人講“知行合一”，具身智能的“知”建立在“行”之上，在具身本體與環(huán)境的交互中實(shí)現(xiàn)可持續(xù)的智能進(jìn)化。

被視作未來實(shí)現(xiàn)通用人工智能的關(guān)鍵路徑

具身智能的概念可以上溯到英國科學(xué)家艾倫·圖靈于1950年發(fā)表的論文《計(jì)算機(jī)器與智能》（Computing Machinery and Intelligence）。此時(shí)，距離世界上第一臺(tái)通用計(jì)算機(jī)“ENIAC”在美國賓夕法尼亞大學(xué)誕生僅過去4年。當(dāng)時(shí)的機(jī)器單純依賴預(yù)設(shè)程序行事，并不具有智能，但圖靈卻在論文中就“機(jī)器能否思考”進(jìn)行了大膽探討。為此，他構(gòu)想了著名的“圖靈測試”，以驗(yàn)證一臺(tái)機(jī)器是否具備能模擬人類的智能。

為了讓機(jī)器能夠通過“圖靈測試”，圖靈提出了“學(xué)習(xí)機(jī)器”的概念。他寫道：“與其試圖編程模擬成人大腦，不如模擬兒童大腦。”圖靈提出，通過對(duì)“兒童機(jī)器”的教育，讓機(jī)器最終獲得“成人大腦”。

在論文結(jié)尾，圖靈展望了兩條可能的發(fā)展道路：一條是聚焦發(fā)展抽象計(jì)算（比如國際象棋）所需的智能；另一條是購買最先進(jìn)的傳感器，然后教機(jī)器聽說，就像教正常的孩子一樣。后來，前一條道路發(fā)展出了離身智能，而后一條道路被認(rèn)為是具身智能的思想萌芽。

1956年，在美國舉行的達(dá)特茅斯會(huì)議正式確立“人工智能”這一術(shù)語。在人工智能發(fā)展初期，研究主要聚焦于抽象的符號(hào)處理和邏輯推理，試圖讓計(jì)算機(jī)通過程序模擬人類的智能行為，但這種方式在處理實(shí)際物理世界的復(fù)雜問題時(shí)遭遇了困境。

隨著對(duì)智能本質(zhì)研究的深入，一些研究者逐漸意識(shí)到，在過去的數(shù)億年里，地球上包括人類在內(nèi)的所有動(dòng)物都是通過身體體驗(yàn)逐步產(chǎn)生智能。因此，身體與環(huán)境的交互在智能發(fā)展中起到了關(guān)鍵作用，具身智能的理念由此逐漸形成。

20世紀(jì)80年代，著名機(jī)器人制造專家羅德尼·布魯克斯提出了行為式機(jī)器人概念，強(qiáng)調(diào)智能是具身化和情境化的，主張應(yīng)當(dāng)以“行為”為核心發(fā)展人工智能，為具身智能概念奠定了理論基礎(chǔ)。羅德尼·布魯克斯還親自設(shè)計(jì)了一個(gè)六足步行機(jī)器人，通過簡單的行為模塊組合實(shí)現(xiàn)了穩(wěn)定的行走，展示了具身智能的可行性，引發(fā)了學(xué)界對(duì)具身智能的廣泛關(guān)注。此后，有更多學(xué)者進(jìn)一步闡明“具身性”對(duì)理解智能本質(zhì)的意義，不斷完善和發(fā)展相關(guān)理論。

進(jìn)入21世紀(jì)后，機(jī)器人技術(shù)、傳感器技術(shù)以及機(jī)器學(xué)習(xí)算法迎來快速發(fā)展，為具身智能帶來新的發(fā)展機(jī)遇。

在機(jī)器人硬件方面，各種類型的機(jī)器人不斷涌現(xiàn)，從用于工業(yè)生產(chǎn)的固定基座機(jī)器人，到適應(yīng)復(fù)雜地形的四足和履帶式機(jī)器人，再到模仿人類形態(tài)和行為的人形機(jī)器人，機(jī)器人的性能和功能得到了極大提升。同時(shí)，傳感器技術(shù)的進(jìn)步使得機(jī)器人能夠更精確地感知周圍環(huán)境，為其智能決策提供了豐富的數(shù)據(jù)支持。

在軟件算法層面，機(jī)器學(xué)習(xí)尤其是深度神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）的興起，為具身智能的發(fā)展注入了強(qiáng)大動(dòng)力。深度神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別、語音處理等領(lǐng)域取得的巨大成功，被廣泛應(yīng)用于具身智能系統(tǒng)中，提升了機(jī)器人的感知、學(xué)習(xí)和決策能力。例如，在視覺導(dǎo)航任務(wù)中，基于深度學(xué)習(xí)的算法能夠讓機(jī)器人更準(zhǔn)確地識(shí)別環(huán)境特征，規(guī)劃出合理的行動(dòng)路徑。

近年來，各種大模型的出現(xiàn)，進(jìn)一步推動(dòng)了具身智能的發(fā)展。多模態(tài)大模型能夠融合多種感知信息，使機(jī)器人具備更強(qiáng)大的感知和理解能力；世界模型則幫助機(jī)器人更好地模擬和預(yù)測環(huán)境變化，從而作出更具前瞻性的決策。

目前，具身智能機(jī)器人已經(jīng)能夠根據(jù)動(dòng)態(tài)變化的環(huán)境進(jìn)行自適應(yīng)決策，并向著能夠完全自主執(zhí)行任務(wù)的技術(shù)方向發(fā)展。具身智能也被視作未來實(shí)現(xiàn)通用人工智能的關(guān)鍵路徑。

具身智能時(shí)代到來？

當(dāng)前，全球主要經(jīng)濟(jì)體、企業(yè)和研究機(jī)構(gòu)均高度重視具身智能發(fā)展，不斷加大對(duì)相關(guān)技術(shù)領(lǐng)域的研究和對(duì)商業(yè)化應(yīng)用前景的探索。

2024年4月，美國高校聯(lián)合發(fā)布2024版《美國機(jī)器人路線圖：機(jī)器人讓明天更美好》，旨在重振美國在機(jī)器人技術(shù)上的領(lǐng)先地位。該路線圖預(yù)測，機(jī)器人有可能在未來10年內(nèi)變得無處不在，并可能在未來數(shù)十年內(nèi)徹底改變?nèi)蚪?jīng)濟(jì)、社會(huì)、政治、環(huán)境和技術(shù)格局。

2024年2月，日本豐田研究所公布了一款人形機(jī)器人Punyo。該機(jī)器人的定位是“幫助人們?cè)诩抑泻推渌胤酵瓿扇粘Ｈ蝿?wù)”。因?yàn)橐M(jìn)入復(fù)雜多變的家庭環(huán)境，因此配備了內(nèi)置傳感器的柔軟肢體。

2025年2月，特斯拉首席執(zhí)行官埃隆·馬斯克透露，特斯拉將致力于在2025年生產(chǎn)10000部“擎天柱”人形機(jī)器人。未來其產(chǎn)量還將進(jìn)一步提高。預(yù)計(jì)從2026年開始向第三方售賣。

有消息稱，蘋果公司也正在為其未來的智能家居生態(tài)系統(tǒng)探索人形和非人形機(jī)器人。目前這些產(chǎn)品處于早期概念驗(yàn)證階段，最快可能在2028年或更晚一些實(shí)現(xiàn)量產(chǎn)。

中國已經(jīng)走在具身智能機(jī)器人領(lǐng)域的研發(fā)和應(yīng)用前沿。2025年春晚上人形機(jī)器人的舞蹈，不僅展示了中國在機(jī)器人領(lǐng)域的技術(shù)突破，也標(biāo)志著具身智能進(jìn)入應(yīng)用創(chuàng)新的新階段。這些機(jī)器人走紅的同時(shí)，全國各地積極布局具身智能產(chǎn)業(yè)。

2025年1月，北京市發(fā)布《北京具身智能科技創(chuàng)新與產(chǎn)業(yè)培育行動(dòng)計(jì)劃（2025—2027年）（征求意見稿）》，計(jì)劃培育一批具身智能領(lǐng)域獨(dú)角獸企業(yè)、科技型領(lǐng)軍企業(yè)、國家高新技術(shù)企業(yè)和專精特新“小巨人”企業(yè)。

北京、山東、重慶等十余個(gè)省市將具身智能/人形機(jī)器人寫入2025年政府工作報(bào)告，并將其作為推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展和產(chǎn)業(yè)升級(jí)的重要抓手。

據(jù)市場監(jiān)管總局?jǐn)?shù)據(jù)顯示，截至2024年12月底，全國共有45.17萬家智能機(jī)器人產(chǎn)業(yè)企業(yè)，注冊(cè)資本共計(jì)64445.57億元，企業(yè)數(shù)量較2020年底增長206.73%，較2023年底增長19.39%，呈穩(wěn)健上揚(yáng)態(tài)勢。

人形機(jī)器人：具身智能的最佳載體

位于北京經(jīng)濟(jì)技術(shù)開發(fā)區(qū)的國家地方共建具身智能機(jī)器人創(chuàng)新中心（以下簡稱“國創(chuàng)中心”），是中國國內(nèi)最早聚焦于具身智能機(jī)器人核心技術(shù)、產(chǎn)品研發(fā)和應(yīng)用落地的科技企業(yè)之一。

國創(chuàng)中心品牌公關(guān)負(fù)責(zé)人魏嘉星告訴《中國報(bào)道》記者，具身智能機(jī)器人涵蓋多種類型，可以是人形機(jī)器人、固定基座機(jī)器人、輪式機(jī)器人，也可以是履帶式機(jī)器人或者四足機(jī)器人。其中，人形機(jī)器人是具身智能的最佳載體。不同類型具身智能機(jī)器人可以對(duì)應(yīng)不同的應(yīng)用場景。比如固定基座機(jī)器人活動(dòng)范圍受限但操作精度高，適合用于實(shí)驗(yàn)室和工業(yè)制造；履帶式機(jī)器人越野能力強(qiáng)，可適用于野外復(fù)雜地形作業(yè)；輪式機(jī)器人移動(dòng)效率高，可以用于巡檢。

國創(chuàng)中心2024年8月發(fā)布的具身智能機(jī)器人“天軼”，就是一款輪式機(jī)器人。“天軼”身高163cm，體重72.5kg，擁有輪式全向移動(dòng)能力，腿部具備升降功能，可智能適配服務(wù)對(duì)象的身高和狀態(tài)，配合完整雙臂和胸口大屏，能夠?qū)崿F(xiàn)定位導(dǎo)航、平穩(wěn)移動(dòng)、自然對(duì)話和精細(xì)手臂操作，可應(yīng)用于接待、導(dǎo)覽、咨詢問答、場館介紹等多種場景。通過觀察對(duì)象面部動(dòng)作表情，“天軼”能夠?qū)崿F(xiàn)精確識(shí)別人類情感與情緒，進(jìn)行更深層次的智能交互。

目前，國創(chuàng)中心還是將人形機(jī)器人作為具身智能的重點(diǎn)研發(fā)載體。魏嘉星告訴記者，一個(gè)原因是人形機(jī)器人能更好地適應(yīng)人類現(xiàn)有的工作和居住場景；另一個(gè)原因是，人形機(jī)器人對(duì)人類而言更具親和力。

2023年10月20日，工業(yè)和信息化部印發(fā)《人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見》，該意見對(duì)人形機(jī)器人的發(fā)展作出了全面的戰(zhàn)略部署。如今，作為衡量國家科技創(chuàng)新和高端制造業(yè)水平的重要標(biāo)志，人形機(jī)器人已經(jīng)成為科技競爭的新高地、未來產(chǎn)業(yè)的新賽道。

2024年4月，國創(chuàng)中心發(fā)布了全國首個(gè)通用機(jī)器人母平臺(tái)“天工1.0 LITE”，實(shí)現(xiàn)了全球首例純電驅(qū)全尺寸人形機(jī)器人的擬人奔跑。同年8月，國創(chuàng)中心發(fā)布了“天工1.1 PRO”。“天工1.1 PRO”擁有完整的手臂功能，身高163cm，體重56kg，具有42個(gè)自由度，內(nèi)置多個(gè)視覺感知傳感器及六維力傳感器，配備慣性測量單元（IMU）和3D視覺傳感器，每秒可進(jìn)行550萬億次計(jì)算，具有更強(qiáng)的智能交互和任務(wù)執(zhí)行能力。

日前，具身智能機(jī)器人“天工”已在亦莊供電公司10千伏實(shí)訓(xùn)基地高基配電室展開實(shí)地操作。“天工”可在臺(tái)階、窄道等地形自如穿梭，手持溫度檢測設(shè)備，對(duì)高基配電室的多臺(tái)電柜進(jìn)行多點(diǎn)位測溫，執(zhí)行巡檢任務(wù)。基于靈巧的上肢能力，“天工”還可操作復(fù)雜的245母聯(lián)柜，嚴(yán)格按照電力操作規(guī)程操作旋鈕、按鈕，順利完成合閘、分閘等倒閘操作任務(wù)。

魏嘉星表示，作為通用機(jī)器人母平臺(tái)，“天工”將持續(xù)進(jìn)行技術(shù)迭代和功能升級(jí)，以適應(yīng)更多復(fù)雜場景，服務(wù)于工業(yè)、制造業(yè)、商業(yè)、家庭等多個(gè)領(lǐng)域，更好地助力新質(zhì)生產(chǎn)力的發(fā)展。