首次寫入政府工作報(bào)告！ 這個(gè)科技新詞“具身智能”到底是什么？

在 2025 年 3 月 5 日在第十四屆全國人民代表大會(huì)第三次會(huì)議上的政府工作報(bào)告中，特別提到了“具身智能”。

圖片截自中華人民共和國中央人民政府網(wǎng)站 www.gov.cn

那么具身智能到底是什么呢？

rId5

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

回想我們看過的科幻電影，經(jīng)典的機(jī)器人角色有很多——從冷酷強(qiáng)悍的殺手，到矯健的拳擊運(yùn)動(dòng)員，從穩(wěn)重冷靜的維修工，到神煩碎嘴的禮儀官……不過，這些作品中的想象很美好，但實(shí)現(xiàn)起來真的很難——甚至光是讓機(jī)器人像人那樣邁開兩條腿走路，都?xì)v盡坎坷。

反觀我們?nèi)祟惖男殞?，成長過程中也沒有人給他們編什么程序，經(jīng)過多次嘗試和摔倒之后，他們自己就學(xué)會(huì)了爬和走，很快就能跑得飛快并躲開障礙。而“具身智能”技術(shù)，就參考了這個(gè)過程——這項(xiàng)技術(shù)能讓機(jī)器人像人那樣，用身體感知世界，在互動(dòng)學(xué)習(xí)中成長。

具身智能是什么，

是怎么跟機(jī)器人結(jié)合的?

具身智能，英文全稱是“Embodied Artificial Intelligence”，從這個(gè)全稱我們可以看出，其實(shí)具身智能這個(gè)詞中的“智能”就是“ AI ”（人工智能）的意思。而說到 AI ，大家早都不陌生了，從 ChatGpt 到 DeepSeek ，都是 AI 的一種。它們就像沒有身體的“大腦”，雖然能從外部接收數(shù)據(jù)并解決問題，但它們作為沒有身體的軟件系統(tǒng)，缺乏通過身體與環(huán)境交互的能力和反饋機(jī)制。

rId6

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

舉個(gè)例子，下圍棋的 AlphaGo ，就必須有一位工作人員在場上幫它落子，因?yàn)?AlphaGo 是個(gè)純算法系統(tǒng)，盡管能在服務(wù)器上快速訓(xùn)練成千上萬場棋局，甚至能夠戰(zhàn)勝世界冠軍，但它自己甚至根本不具備在真實(shí)世界中拿起一枚棋子的能力。而具身智能機(jī)器人，則能通過攝像頭、觸覺及其他傳感器等“感官”收集環(huán)境信息，并用肢體與環(huán)境互動(dòng)，進(jìn)而形成“感知-行動(dòng)”的閉環(huán)。

了解了上面的信息，再解釋具身智能相關(guān)的概念就比較容易理解了，所謂“具身智能”是指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?？偨Y(jié)一下，具身智能就是“能夠感知、推理并與物理世界互動(dòng)的智能系統(tǒng)”。而具身智能機(jī)器人，可以視為具身智能系統(tǒng)的載體。

那么，“具身智能機(jī)器人”可以簡單理解為“給 AI 套了一具身體”或“給機(jī)器人裝上了一個(gè) AI ”嗎？這種認(rèn)識(shí)也是不全面的。舉個(gè)例子，現(xiàn)在有一些機(jī)器人產(chǎn)品，能夠做一些簡單的動(dòng)作，也連上了 AI ，甚至可以跟人聊得有來有回，但它們?nèi)匀徊荒芩闶蔷呱碇悄堋?/p>

這是因?yàn)樗鄙倭酥陵P(guān)重要的一環(huán)，也就是“具身智能”中的“具身性”（Embodiment）。而具身性的核心在于，智能必須通過物理身體與環(huán)境的實(shí)時(shí)交互和動(dòng)態(tài)反饋來生成，而非依賴預(yù)設(shè)程序或離線數(shù)據(jù)，要靠深度融合人工智能與機(jī)器人兩大前沿技術(shù)才能實(shí)現(xiàn)這個(gè)目標(biāo)，簡單“拼”在一起是不行的。

為什么我們需要具身智能機(jī)器人？

其實(shí)現(xiàn)在已經(jīng)有很多機(jī)器人在幫助人類勞動(dòng)了，但很多機(jī)器人工作的時(shí)候依賴預(yù)先編好的程序，我們經(jīng)常能看到工廠生產(chǎn)線中的機(jī)械臂（也是機(jī)器人的一種），它們高效默契地運(yùn)行，能有條不紊地進(jìn)行搬運(yùn)、焊接等工作。這類機(jī)械臂通常高度依賴編程行動(dòng)，雖然可以分毫不差地運(yùn)行，也集成了一些基本的傳感器以便了解工作狀態(tài)，但遇到突發(fā)情況卻仍然“不懂”避讓行人（在無需工人的生產(chǎn)線上通常也沒有必要）。

這也是為什么很多工廠的機(jī)械臂操作區(qū)都要裝上隔離網(wǎng)，標(biāo)上警戒線。因?yàn)檫@些機(jī)械臂工作時(shí)“只認(rèn)程序不認(rèn)人”，雖然有大量安全相關(guān)的措施和規(guī)章制度保障，但如果有人疏忽大意踏入它們的工作范圍，仍可能發(fā)生悲劇——面對(duì)嚴(yán)格按程序從 A 點(diǎn)運(yùn)動(dòng)到 B 點(diǎn)的機(jī)械臂，擋在路上的人體實(shí)在太脆弱了。

試想一下，你敢讓這樣一個(gè)一個(gè)“只認(rèn)程序”的機(jī)器人，走進(jìn)你的家中，幫你打理家務(wù)，照顧老人小孩嗎？當(dāng)然，現(xiàn)在很多流水線上用的工業(yè)機(jī)器人也有了碰撞檢測等功能，變得更加安全，但它們?nèi)匀皇前搭A(yù)設(shè)程序執(zhí)行，缺乏動(dòng)態(tài)學(xué)習(xí)能力，更適合執(zhí)行簡單的重復(fù)任務(wù)。而一旦面臨復(fù)雜的環(huán)境和任務(wù)，只靠預(yù)設(shè)程序是行不通的，因?yàn)樵趶?fù)雜環(huán)境下，很難窮盡所有的規(guī)則。

這里再舉個(gè)例子，在汽車制造業(yè)中，諸如搬運(yùn)物料、拋光、焊接、噴漆等加工工序，大部分可以用機(jī)器人輕松完成。但是到了發(fā)動(dòng)機(jī)、底盤、電器等裝配工序，大部分工作仍難以用機(jī)器人完成，因?yàn)檫@些工作更加復(fù)雜，更需要“隨機(jī)應(yīng)變”以及溝通合作，機(jī)器人還無法勝任，需要人工。

而具身智能，則更加靈活，具有適應(yīng)環(huán)境解決復(fù)雜任務(wù)的潛力，要想讓機(jī)器人實(shí)現(xiàn)更加廣泛的應(yīng)用并走進(jìn)千家萬戶，需要發(fā)展具身智能。

具身智能機(jī)器人，“活學(xué)活用”

由于具身智能和機(jī)器人的技術(shù)非常復(fù)雜，也有很多不同的技術(shù)路線，下面僅以具身智能開源學(xué)習(xí)項(xiàng)目 LeRobot 為例，簡單介紹一下具身智能機(jī)器人的基本特點(diǎn)。

，時(shí)長00:24

筆者自己學(xué)習(xí) LeRobot 時(shí)調(diào)試機(jī)械臂

假設(shè)我們的任務(wù)目標(biāo)是讓機(jī)械臂撿起黃色的小積木塊，再放進(jìn)盒子里。我們可以編程序直接“命令”機(jī)械臂嚴(yán)格按照規(guī)定路徑和動(dòng)作運(yùn)行——很多生產(chǎn)線上的工業(yè)機(jī)器人正是如此，但只要積木換個(gè)地方，機(jī)械臂按之前的行動(dòng)路徑就會(huì)撿個(gè)空。我們也可以編程序讓機(jī)械臂能識(shí)別出積木塊，再執(zhí)行“撿”的動(dòng)作并放進(jìn)盒子里，這樣更加靈活，但仍需要事先編寫相應(yīng)的程序。

而 LeRobot 則是靠人操作主動(dòng)臂，“手把手”地教從動(dòng)臂完成一次撿起積木放進(jìn)盒子的過程，從動(dòng)臂運(yùn)動(dòng)的整個(gè)過程會(huì)被 2 個(gè)不同位置的攝像頭全程監(jiān)控并記錄。改變幾次積木位置，操縱機(jī)械臂重復(fù)數(shù)十到上百次撿起和放下的動(dòng)作，就能獲得足夠的資料。

rId7LeRobot 的一次訓(xùn)練過程 來自 Huggingface 官方教程

再通過算法“學(xué)習(xí)”這些資料，就能讓這套系統(tǒng)“學(xué)會(huì)”撿積木——如果有積木塊出現(xiàn)在機(jī)械臂面前，它就會(huì)自己拿起積木來放進(jìn)盒子。

rId7LeRobot 一次成功的自主拾取過程 來自 Huggingface 官方教程

上圖中，研究人員并沒有操作主臂，甚至積木的位置也改變了，但機(jī)械臂仍然能自主完成任務(wù)。

從上面這個(gè)簡單的例子中，我們能了解具身智能的一些最基本的特點(diǎn)。首先，具身智能可以通過身體與環(huán)境的實(shí)時(shí)交互學(xué)習(xí)（多次撿起積木），不用事先編寫大量規(guī)則窮盡所有可能。其次，具身智能能夠在執(zhí)行任務(wù)的過程中動(dòng)態(tài)調(diào)整策略（積木換個(gè)地方也能撿到）。

當(dāng)然，這只是個(gè)簡單的例子，實(shí)際上具身智能機(jī)器人的技術(shù)路線有很多，除了像上邊的例子中基于真實(shí)世界交互的，還有在虛擬環(huán)境中進(jìn)行的仿真訓(xùn)練以及二者相結(jié)合的等等。此外，具身智能機(jī)器人還能實(shí)現(xiàn)遠(yuǎn)比撿起積木扔進(jìn)盒子里復(fù)雜得多的功能。比如行走、適應(yīng)地形，模擬人的動(dòng)作等等，不久之后，相信各類具身智能機(jī)器人，就能在更多的領(lǐng)域發(fā)揮重要作用。

最后總結(jié)一下，具身智能和機(jī)器人技術(shù)的融合，將會(huì)讓未來的機(jī)器人變得更加能干，甚至能理解和模擬簡單的感情交互。而且，對(duì)具身智能和機(jī)器人的持續(xù)投入，更將帶動(dòng)從軟件到硬件的整個(gè)產(chǎn)業(yè)鏈的發(fā)展。

策劃制作

作者丨丁崝 科普作者

審核丨于乃功 北京工業(yè)大學(xué)機(jī)器人工程專業(yè)負(fù)責(zé)人，北京人工智能研究院機(jī)器人研究中心主任，博士生導(dǎo)師

策劃丨丁崝

審校丨徐來、林林