于海斌：2025具身智能與智能機器人技術演進、挑戰與未來趨勢研判

　　人工智能的歷史脈絡與具身智能的誕生

　　人工智能(AI)自1956年達特茅斯會議正式提出以來，經歷了數次技術浪潮與寒冬。于海斌院士指出，AI的發展可分為四個階段：符號邏輯推理階段(1950s-1980s)：以知識表達和專家系統為核心，但受限于知識獲取的困難，最終因實用性不足進入第一次寒冬。 神經網絡連接階段(1980s-2000s)：辛頓(Geoffrey Hinton)等人提出反向傳播算法，推動神經網絡發展，但受限于算力和數據，應用場景有限。 深度學習階段(2010s至今)：以卷積神經網絡(CNN)和斯坦福大學李飛飛團隊構建的ImageNet數據庫為標志，AI在圖像識別等領域實現突破，識別率從60%提升至超越人類水平。具身智能(Embodied AI)階段(2020s起)：AI從純數據驅動轉向與物理世界交互，強調智能體通過身體、環境與任務的協同實現認知與行為進化。

　　圖靈早在計算機理論初期即提出兩種智能路徑——“離身智能”(如ChatGPT依賴純數據推理)與“具身智能”(需與物理設備結合)。然而，具身智能因技術復雜度高長期滯后，直到機器人學、神經科學和心理學的交叉融合為其提供了新思路。

　　具身智能的核心內涵與科學依據

　　環境交互與智能發育的必然性：以一項科學實驗來印證環境交互與智能發育呈現正相關性，該實驗反饋了智能的成長依賴與環境的動態互動作用。 來自麻省理工學院兩位研究人員，把兩只小貓放進了一個圓桶內，兩只小貓都在圓筒內部繞圈運動。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。結果顯示只有靠自己身體運動的小貓發育出了正常的視力。這進一步印證了“心靈手巧”的逆向邏輯——肢體動作的靈活性(如操作工具)會反向促進認知能力的提升。

　　具身智能三位一體的智能框架：具身智能強調“大腦-身體-環境”三位一體。其中大腦負責高層決策與意圖理解(如大語言模型)，身體通過傳感器與執行器實現物理交互(如機械臂、仿生關節)，環境提供動態反饋與訓練場景(如仿真平臺、真實物理空間)。三者協同構成閉環，使智能體能夠通過試錯學習適應復雜任務。

　　從“感知智能”到“行動智能”的跨越：傳統AI擅長靜態感知(如圖像識別)，但缺乏對物理世界的動態響應能力。波士頓動力(Boston Dynamics)的Atlas機器人通過深度學習與強化學習結合，實現了翻越障礙、適應地形變化等復雜動作，標志著具身智能在運動控制領域的突破。

　　圍繞具身智能四大熱點的思考與技術挑戰

　　數字人：中國通用人工智能研究院開發的“數字人通通”模擬人類從嬰兒期開始的成長過程，通過與虛擬環境的交互(如聽覺、觸覺反饋)實現認知進化。這一嘗試為研究人類智能發育提供了新范式，但也引發倫理爭議——若機器人通過環境交互自主進化，人類是否可能失去控制? ‍

　　機械臂與大語言模型的融合：谷歌RT-X平臺將大語言模型(LLM)與機器人操作結合，使機械臂能夠理解自然語言指令(如“整理房間”)，并自主分解任務步驟(識別雜物、分類歸置)。這一技術已在疊衣服、精細裝配等場景中展現潛力，但其泛化能力仍受限于物理規則與數據多樣性。

　　人形機器人的爭議與前景：馬斯克力推的Optimus人形機器人引發兩極評價。支持者認為人形是通用化的終極形態，可適配人類環境(如樓梯、工具)，而質疑者指出其成本高昂、技術冗余(如多關節驅動難題)。

　　人形機器人的核心價值在于“本體硬件”與“智能算法”的協同突破。例如，開源算法(如波士頓動力的運動控制模型)大幅降低了本體研發門檻，而黃仁勛(英偉達CEO)布局的具身智能訓練平臺，或將推動行業標準化。

　　智能駕駛與低空經濟：盡管全無人駕駛面臨地面環境的極端復雜性(如突發行人、不規則道路)，但網聯汽車的輔助駕駛(如車道保持、自動泊車)和低空經濟(無人機物流、巡檢)已成為更可行的商業化方向。

　　技術路徑：肢體、小腦與大腦的協同進化

　　在機器人技術路徑未來發展趨勢探討方面，于海斌院士表示未來人形機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動肢體。仿照人類心臟的高效供能機制，研發微型液壓驅動與仿生肌肉，如德國費斯托的氣動機械臂就是一個很好的參考方向，該機械臂核心優勢在于其高精度控制與仿生設計的融合，擁有12個自由度，動作柔性且穩定，部分型號搭載AI技術實現自我學習優化，電磁閥壽命超3000萬次，具備良好的性能和耐用性。

　　此外，生物融合也是未來機器人發展趨勢。未來，我們可以通過培養生物細胞構建具有感知與驅動能力的“類器官”產品，盡管其生存環境要求苛刻，但為軟體機器人提供了新思路。

　　小腦主要作用在于提升人形機器人的運動協調能力，運動控制依賴海量物理數據，而真實環境訓練成本過高。目前國內已經有相對成熟的平臺進行機器人的模擬訓練，如國家地方共建人形機器人創新中心開發的，異構人形機器人訓練場通過“虛擬-現實”遷移學習(Sim2Real)，使機器人能在低成本場景中預訓練動作(如行走、跳躍)，再遷移至真實環境微調。

　　大腦提供決策模型與機器人的認知能力，目前多模態感知技術是主要方案，該方案融合視覺、觸覺、力覺傳感器，提升環境理解的全面性。在具體案例方面，北京大學電子學院程翔教授團隊提出的“機器聯覺”系統，通過智能融合通信與多模態感知信息，有效提升了機器人在復雜環境中的感知、決策與通信能力。

　　如何解決大模型“災難性遺忘”問題，實現機器人的終身學習方式。愛丁堡大學提出的增量強化學習框架是一個很好的解決“災難性遺忘”的解決方案。它能夠在保持已有知識的基礎上，通過逐步增量式地更新策略，快速適應新環境或新任務，從而顯著提升機器人在動態變化環境中的學習效率和性能表現，無需從頭開始重新訓練整個模型。

　　未來十年技術趨勢研判與產業啟示

　　未來十年，具身智能的算法與訓練平臺將快速發展，而硬件(如高精度傳感器、仿生關節)受限于材料與工藝，進步速度相對緩慢。企業需優先布局軟件生態(如仿真平臺、數據鏈)，而非盲目投入硬件研發。

　　此外具身智能缺乏統一理論體系(如認知科學的世界模型)，但場景驅動的工程化應用(如倉儲機器人、醫療外骨骼)將率先落地。國家需推動跨機構協作，解決數據確權與模型共享難題。

　　在通用終端的終極形態方面，人形機器人未必是唯一答案，具身智能可能通過“一腦多機”模式賦能多樣化設備(如工業機床、家用電器)。例如，同一AI核心可同時調度無人機群與地面機器人，實現任務協同。

　　在倫理與安全方面，若具身智能體通過環境交互自主進化，可能超出人類預設的邊界。行業需提前建立倫理規范(如行為約束算法、人機權責界定)，避免技術失控風險。

　　結語與未來

　　具身智能正在讓AI從“虛擬大腦”向“物理實體”迭代，在技術演化的道路上，需要更加關注技術創新的有效性與產業化的可落地性。正如于海斌院士所言：“藍海的意義在于未知，而未知需要勇氣與智慧并存。”對產業從業者而言，打破學科壁壘、深化理論突破，聚焦場景剛需、參與生態共建或將成為搶占先機的關鍵。

　　文字為中國工程院院士于海斌在沈陽“創新聚沈·向陽而行”大會上的分享實錄

　　來源：自動化博覽微信公眾號