联系我们：

　　具身智能（Embodied AI）阶段（2020s起）：AI从纯数据驱动转向取物理世界交互，强调智能体通过身体、取使命的协同实现认知取行为进化。

　　来自麻省理工学院两位研究人员，两只小猫都正在圆筒内部绕圈活动。第一只小猫是白己走的；第二只小猫则被放正在取柱体核心轴相连的小盒子里。两只小猫看到的工具完全不异。成果显示只要靠本人身体活动的小猫发育出了一般的目力。这进一步印证了“心灵手巧”的逆向逻辑——肢体动做的矫捷性（如操做东西）会反向推进认知能力的提拔。

　　小脑次要感化正在于提拔人形机械人的活动协调能力，活动节制依赖海量物理数据，而实正在锻炼成本过高。目前国内曾经有相对成熟的平台进行机械人的模仿锻炼，如国度处所共建人形机械人立异核心开辟的，异构人形机械人锻炼场通过“虚拟-现实”迁徙进修（Sim2Real），使机械人能正在低成本场景中预锻炼动做（如行走、腾跃），再迁徙至实正在微调。

　　于海斌院士预测，将来十年，具身智能的算法取锻炼平台将快速成长，而硬件（如高精度传感器、仿生关节）受限于材料取工艺，前进速度相对迟缓。企业需优先结构软件生态（如仿实平台、数据链），而非盲目投入硬件研发。

　　正在通用终端的终极形态方面，于海斌院士认为人形机械人未必是独一谜底，具身智能可能通过“一脑多机”模式赋能多样化设备（如工业机床、家用电器）。例如，统一AI焦点可同时安排无人机群取地面机械人，实现使命协同。

　　人工智能（AI）自1956年达特茅斯会议正式提出以来，履历了数次手艺海潮取严冬。于海斌院士指出，AI的成长可分为四个阶段。

　　机械臂取狂言语模子的融合：谷歌RT-X平台将狂言语模子（LLM）取机械人操做连系，使机械臂可以或许理解天然言语指令（如“拾掇房间”），并自从分化使命步调（识别杂物、分类归置）。精细拆卸等场景中展示潜力，但其泛化能力仍受限于物理法则取数据多样性。

　　交互取智能发育的必然性：于海斌院士例举了一项科学尝试，来印证交互取智能发育呈现正相关性，该尝试反馈了智能的成长依赖取的动态互动感化。

　　近日，中国工程院院士、博士生导师 ，中国科学院沈阳从动化研究所研究员，机械人取智能系统全国沉点尝试室从任于海斌，正在沈阳市高新手艺企业协会从办的“立异聚沈·朝阳而行”大会上环绕具身智能取智能机械人展开深度分享。

　　正在机械人手艺径将来成长趋向切磋方面，于海斌院士暗示将来人形机械人肢体部门有很大的提拔空间，如基于高能量密度的仿生驱动肢体。模仿人类心净的高效供能机制，研发微型液压驱动取仿生肌肉，如费斯托的气动机械臂就是一个很好的参考标的目的，该机械臂焦点劣势正在于其高精度节制取仿生设想的融合，具有12个度，动做柔性且不变，部门型号搭载AI手艺实现进修优化，电磁阀寿命超3000万次，具备优良的机能和耐用性。

　　从“智能”到“步履智能”的逾越：保守AI擅长静态（如图像识别），但缺乏对物理世界的动态响应能力。动力（Boston Dynamics）的Atlas机械人通过深度进修取强化进修连系，实现了翻越妨碍、顺应地形变化等复杂动做，标记着具身智能正在活动节制范畴的冲破。

　　具身智能取智能机械人的成长态势若何？2025年人工智能正在工业制制范畴的使用将送来如何的严沉冲破？据市场调研机构MarketsandMarkets预测，全球垂类AI使用市场规模将正在2030年冲破471亿美元，此中工业制制做为环节范畴，正正在加快向智能化出产取全流程从动化标的目的迭代，2025年将是具身智能从尝试室迈向工场的环节转机点，而人形机械人做为高阶形态，则无望正在工业范畴率先实现商用冲破，沉塑全球制制业合作款式。

　　具身智能三位一体的智能框架：具身智能强调“大脑-身体-”三位一体。此中大脑担任高层决策取企图理解（如狂言语模子），身体通过传感器取施行器实现物理交互（如机械臂、仿生关节），供给动态反馈取锻炼场景（如仿实平台、实正在物理空间）。三者协同形成闭环，使智能体可以或许通过试错进修顺应复杂使命。

　　大脑供给决策模子取机械人的认知能力，目前多模态手艺是次要方案，该方案融合视觉、触觉、提拔理解的全面性。正在具体案例方面，大学电子学院程翔传授团队提出的“机械联觉”系统，通过智能融合通信取多模态消息，无效提拔了机械人正在复杂中的、决策取通信能力。

　　正在伦理取平安方面，于海斌院士认为，若具身智能体通过交互自从进化，可能超出人类预设的鸿沟。行业需提前成立伦理规范（如行为束缚算法、人机权责界定），避免手艺失控风险。

　　于海斌院士认为，人形机械人的焦点价值正在于“本体硬件”取“智能算法”的协同冲破。例如，开源算法（如动力的活动节制模子）大幅降低了本体研发门槛，而黄仁勋（英伟达CEO）结构的具身智能锻炼平台，或将鞭策行业尺度化。

　　深度进修阶段（2010s至今）：以卷积神经收集（CNN）和斯坦福大学李飞飞团队建立的ImageNet数据库为标记，AI正在图像识别等范畴实现冲破，识别率从60%提拔至超越人类程度。

　　此外，于海斌院士也提到了若何处理大模子“灾难性遗忘”问题，实现机械人的终身进修体例。大学提出的增量强化进修框架是一个很好的处理“灾难性遗忘”的处理方案。它可以或许正在连结已有学问的根本上，通过逐渐增量式地更新策略，快速顺应新或新使命，从而显著提拔机械人正在动态变化中的进修效率和机能表示，无需从头起头从头锻炼整个模子。

　　图灵早正在计较机理论初期即提出两种智能径——“离身智能”（如ChatGPT依赖纯数据推理）取“具身智能”（需取物理设备连系）。然而，具身智能因手艺复杂度高持久畅后，曲到机械人学、神经科学和心理学的交叉融合为其供给了新思。

　　符号逻辑推理阶段（1950s-1980s）：以学问表达和专家系统为焦点，但受限于学问获取的坚苦，最终因适用性不脚进入第一次严冬。

　　智能驾驶取低空经济：虽然全无人驾驶面对地面的极端复杂性（如突刊行人、犯警则道），但网联汽车的辅帮驾驶（如车道连结、从动泊车）和低空经济（无人机物流、巡检）已成为更可行的贸易化标的目的。

　　此外，生物融合也是将来机械人成长趋向。将来，我们能够通过培摄生物细胞建立具有取驱动能力的“类器官”产物，虽然其要求苛刻，但为软体机械人供给了新思。

　　数字人：中国通用人工智能研究院开辟的“数字人通通”模仿人类从婴儿期起头的成长过程，通过取虚拟的交互（如听觉、触觉反馈）实现认知进化。这一测验考试为研究人类智能发育供给了新范式，但也引理争议——若机械人通过交互自从进化，人类能否可能得到节制？

　　具身智能正正在让AI从“虚拟大脑”向“物理实体”迭代，正在手艺演化的道上，需要愈加关心手艺立异的无效性取财产化的可落地性。正如于海斌院士所言：“蓝海的意义正在于未知，而未知需要怯气取聪慧并存。”对财产从业者而言，打破学科壁垒、深化理论冲破，聚焦场景刚需、参取生态共建或将成为抢占先机的环节。

　　此外具身智能缺乏同一理论系统（如认知科学的世界模子），但场景驱动的工程化使用（如仓储机械人、医疗外骨骼）将率先落地。国度需鞭策跨机构协做，处理数据确权取模子共享难题。

　　人形机械人的争议取前景：马斯克力推的Optimus人形机械人激发两极评价。支撑者认为人形是通用化的终极形态，可适配人类（如楼梯、东西），而质疑者指出其成本昂扬、手艺冗余（如多关节驱动难题）。

　　神经收集毗连阶段（1980s-2000s）：辛顿（Geoffrey Hinton）等人提出反向算法，鞭策神经收集成长，但受限于算力和数据，使用场景无限。