于海斌：《具身智能与智能机器人的技术演进、挑战与未来趋势》
作者：于海斌（中国工程院院士，中国科学院工业人工智能研究所所长）
人工智能（AI）自1956年达特茅斯会议正式提出以来，经历了数次技术浪潮与寒冬。于海斌院士指出，AI的发展可分为四个阶段：符号逻辑推理阶段（1950s-1980s）：以知识表达和专家系统为核心，但受限于知识获取的困难，最终因实用性不足进入第一次寒冬；神经网络连接阶段（1980s-2000s）：辛顿（Geoffrey Hinton）等人提出反向传播算法，推动神经网络发展，但受限于算力和数据，应用场景有限；深度学习阶段（2010s至今）：以卷积神经网络（CNN）和斯坦福大学李飞飞团队构建的ImageNet数据库为标志，AI在图像识别等领域实现突破，识别率从60%提升至超越人类水平；具身智能（Embodied AI）阶段（2020s起）：AI从纯数据驱动转向与物理世界交互，强调智能体通过身体、环境与任务的协同实现认知与行为进化。
一、具身智能的核心内涵与科学依据
环境交互与智能发育的必然性：一项科学实验，来印证环境交互与智能发育呈现正相关性，该实验反馈了智能的成长依赖与环境的动态互动作用。来自麻省理工学院两位研究人员，把两只小猫放进了一个圆桶内，两只小猫都在圆筒内部绕圈运动。第一只小猫是白己走的；第二只小猫则被放在与柱体中心轴相连的小盒子里。两只小猫看到的东西完全相同。结果显示只有靠自己身体运动的小猫发育出了正常的视力。这进一步印证了“心灵手巧”的逆向逻辑——肢体动作的灵活性（如操作工具）会反向促进认知能力的提升。
具身智能三位一体的智能框架：具身智能强调“大脑-身体-环境”三位一体。其中大脑负责高层决策与意图理解（如大语言模型），身体通过传感器与执行器实现物理交互（如机械臂、仿生关节），环境提供动态反馈与训练场景（如仿真平台、真实物理空间）。三者协同构成闭环，使智能体能够通过试错学习适应复杂任务。从“感知智能”到“行动智能”的跨越：传统AI擅长静态感知（如图像识别），但缺乏对物理世界的动态响应能力。波士顿动力（Boston Dynamics）的Atlas机器人通过深度学习与强化学习结合，实现了翻越障碍、适应地形变化等复杂动作，标志着具身智能在运动控制领域的突破。
二、围绕具身智能四大热点的思考与技术挑战
中国通用人工智能研究院开发的“数字人通通”模拟人类从婴儿期开始的成长过程，通过与虚拟环境的交互（如听觉、触觉反馈）实现认知进化。这一尝试为研究人类智能发育提供了新范式，但也引发伦理争议——若机器人通过环境交互自主进化，人类是否可能失去控制？机械臂与大语言模型的融合：谷歌RT-X平台将大语言模型（LLM）与机器人操作结合，使机械臂能够理解自然语言指令（如“整理房间”），并自主分解任务步骤（识别杂物、分类归置）。这一技术已在叠衣服、精细装配等场景中展现潜力，但其泛化能力仍受限于物理规则与数据多样性。人形机器人的争议与前景：马斯克力推的Optimus人形机器人引发两极评价。支持者认为人形是通用化的终极形态，可适配人类环境（如楼梯、工具），而质疑者指出其成本高昂、技术冗余（如多关节驱动难题）。
人形机器人的核心价值在于“本体硬件”与“智能算法”的协同突破。例如，开源算法（如波士顿动力的运动控制模型）大幅降低了本体研发门槛，而黄仁勋（英伟达CEO）布局的具身智能训练平台，或将推动行业标准化。智能驾驶与低空经济：尽管全无人驾驶面临地面环境的极端复杂性（如突发行人、不规则道路），但网联汽车的辅助驾驶（如车道保持、自动泊车）和低空经济（无人机物流、巡检）已成为更可行的商业化方向。
三、技术路径：肢体、小脑与大脑的协同进化
在机器人技术路径未来发展趋势探讨方面，未来人形机器人肢体部分有很大的提升空间，如基于高能量密度的仿生驱动肢体。仿照人类心脏的高效供能机制，研发微型液压驱动与仿生肌肉，如德国费斯托的气动机械臂就是一个很好的参考方向，该机械臂核心优势在于其高精度控制与仿生设计的融合，拥有12个自由度，动作柔性且稳定，部分型号搭载AI技术实现自我学习优化，电磁阀寿命超3000万次，具备良好的性能和耐用性。此外，生物融合也是未来机器人发展趋势。未来，我们可以通过培养生物细胞构建具有感知与驱动能力的“类器官”产品，尽管其生存环境要求苛刻，但为软体机器人提供了新思路。
小脑主要作用在于提升人形机器人的运动协调能力，运动控制依赖海量物理数据，而真实环境训练成本过高。目前国内已经有相对成熟的平台进行机器人的模拟训练，如国家地方共建人形机器人创新中心开发的，异构人形机器人训练场通过“虚拟-现实”迁移学习（Sim2Real），使机器人能在低成本场景中预训练动作（如行走、跳跃），再迁移至真实环境微调。大脑提供决策模型与机器人的认知能力，目前多模态感知技术是主要方案，该方案融合视觉、触觉、力觉传感器，提升环境理解的全面性。在具体案例方面，北京大学电子学院程翔教授团队提出的“机器联觉”系统，通过智能融合通信与多模态感知信息，有效提升了机器人在复杂环境中的感知、决策与通信能力。
四、未来十年技术趋势研判与产业启示
未来十年，具身智能的算法与训练平台将快速发展，而硬件（如高精度传感器、仿生关节）受限于材料与工艺，进步速度相对缓慢。企业需优先布局软件生态（如仿真平台、数据链），而非盲目投入硬件研发。此外具身智能缺乏统一理论体系（如认知科学的世界模型），但场景驱动的工程化应用（如仓储机器人、医疗外骨骼）将率先落地。国家需推动跨机构协作，解决数据确权与模型共享难题。
在通用终端的终极形态方面，于海斌院士认为人形机器人未必是唯一答案，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，同一AI核心可同时调度无人机群与地面机器人，实现任务协同。在伦理与安全方面，若具身智能体通过环境交互自主进化，可能超出人类预设的边界。行业需提前建立伦理规范（如行为约束算法、人机权责界定），避免技术失控风险。
作者介绍：
于海斌：中国工程院院士，中国科学院工业人工智能研究所所长，研究员、博士生导师，机器人与智能系统”重点实验室主任，辽宁“辽河实验室”主任，享受国务院政府津贴，国家百千万人才工程国家级人选。兼任：中国自动化学会副理事长，全国工业过程测量控制和自动化标准化技术委员会主任，国际自动化学ISA Fellow、《信息与控制》副主编，《自动化学报》、《控制理论与应用》英文版、《仪器仪表学报》编委。曾获国家杰出青年基金支持，是国家百千万人才工程国家级人选。于海斌院士主要从事工业通信与分布控制、网络协同与智能制造的研究。作为课题负责人，主持并参加了多项国家自然科学基金项目、863基础研究课题、国家重点科技攻关项目；带领课题组率先在中国国内开展被认为是21世纪控制系统技术的现场总线控制系统研究，取得了重要进展。组织开发的具有主站功能 的FF现场总线核心技术——协议栈，成为中国国内首家、国际第三家通过国际一致性测试的主站协议栈。在中国国内第一批CIMS典型应用工 厂——沈阳鼓风机厂，主持开发出产品快速报价系统，被誉为“实现CIM哲理的良好实例”；在国内外重要期刊和会议发表论文100余篇，主编专著2部，获得发明专利368项。科研成果获得国家科技进步二等奖3项、国家技术发明二等奖1项、省部级科技一等奖8项。曾获何梁何利基金科学与技术进步奖、全国创新争先奖，以及全国优秀科技工作者、中国青年科技奖、中国青年科技创新杰出奖等荣誉。
邀请老师演讲、授课请致电：19821197419 阎老师[微信同号]
免责声明：以上内容（包括文字、图片、视频）为用户上传并发布，本平台仅提供信息存储服务。如涉及版权问题，请联系我们并提供版权证明，我们将立即删除！
