具身智能——決定 機(jī)器人泛化能力天花板的“大小腦”,分層具身大模型和端到端大模型

具身智能是一種基于物理身體進(jìn)行感知和行動(dòng)的智能系統(tǒng)，其通過智能體與環(huán)境的交互獲取信息理解問題、做出決策 并實(shí)現(xiàn)行動(dòng)，從而產(chǎn)生智能行為和適應(yīng)性。具體而言，具身智能在機(jī)器人上的應(yīng)用體現(xiàn)可以劃分為三階段：感知、推 理、執(zhí)行。

具身智能是機(jī)器人與人工智能發(fā)展的交匯點(diǎn)。機(jī)器人的通用性取決于泛化性的發(fā)展程度，自20世紀(jì)50年代以來，經(jīng)過 多輪發(fā)展，機(jī)器人開始從傳統(tǒng)的自動(dòng)化工業(yè)場(chǎng)景機(jī)器人，向通用泛化場(chǎng)景的機(jī)器人方向發(fā)展。而人工智能在幾十年發(fā) 展過后，在今天迎來了智能程度、通識(shí)程度更高的生成式大模型時(shí)代。在當(dāng)前時(shí)間點(diǎn)，人工智能可以真正為機(jī)器人賦 予“大腦”，機(jī)器人也可為人工智能提供“身體”，兩者深度融合，而融合的交點(diǎn)——具身智能，則是人工智能與機(jī) 器人相互促進(jìn)發(fā)展而形成的必然的產(chǎn)業(yè)趨勢(shì)。

目前具身大模型可以分為兩大流派，一類是端到端大模型，一類是分層具身大模型。1）端到端大模型：能夠直接實(shí) 現(xiàn)從人類指令到機(jī)械臂執(zhí)行，即輸入圖像及文本指令，輸出夾爪末端動(dòng)作。

2）分層具身大模型：不同層次模型協(xié)作， 上層大模型進(jìn)行感知與決策，底層硬件層和中間響應(yīng)快的小模型進(jìn)行決策的分解與執(zhí)行。目前，由于受數(shù)據(jù)制約難以 達(dá)到性能要求，端到端大模型尚未成為主流選擇，更多廠商還是選擇以分層模型為機(jī)器人的具身智能。

訓(xùn)練具身大模型的痛點(diǎn)：數(shù)據(jù)。機(jī)器人需要用海量數(shù)據(jù)進(jìn)行訓(xùn)練，使其變得更加智能。但機(jī)器人是非常新的領(lǐng)域，嚴(yán) 重缺乏訓(xùn)練數(shù)據(jù)的積累。對(duì)應(yīng)而言，目前主要的數(shù)據(jù)收集方法有四種：1）遠(yuǎn)程操作，即由實(shí)驗(yàn)人員操作機(jī)械手柄，遠(yuǎn) 程控制機(jī)器人做出相同動(dòng)作，以此來積累數(shù)據(jù)；2）AR，即通過AR環(huán)境對(duì)機(jī)器人進(jìn)行訓(xùn)練，積累數(shù)據(jù)；3）仿真，即 通過海量算力進(jìn)行模擬運(yùn)算，計(jì)算得出海量機(jī)器人訓(xùn)練數(shù)據(jù)集；4）視頻學(xué)習(xí)，即通過多模態(tài)大模型，直接讓機(jī)器人通 過視頻學(xué)習(xí)人類動(dòng)作，從而積累訓(xùn)練數(shù)據(jù)。

人形機(jī)器人產(chǎn)業(yè)未來展望：從專用到通用，從ToB到ToC。短期來看，任務(wù)相對(duì)聚焦，對(duì)泛化能力要求不高工業(yè)制造 場(chǎng)景下的任務(wù)正在更快進(jìn)入商業(yè)化階段。在工業(yè)制造場(chǎng)景實(shí)現(xiàn)商業(yè)化落地之后，海量機(jī)器人的具身數(shù)據(jù)疊加算力技術(shù) 的進(jìn)步，機(jī)器人的能力將循序漸進(jìn)逐步解鎖，并向商用服務(wù)、家庭服務(wù)等更開放的場(chǎng)景進(jìn)行延伸，屆時(shí)市場(chǎng)有望達(dá)萬(wàn) 億J。

附件：具身智能——決定 機(jī)器人泛化能力天花板的“大小腦”,分層具身大模型和端到端大模型