科普時報記者 陳杰?
“當前，智能機器人所取得的進展主要集中在底層建模和控制方面，但傳統物理模型難以適應交互環境變化，迫切需要將模型訓練與深度學習融合推進。”近日，清華大學訪問教授張建偉在首屆國際基礎科學大會“基礎科學與人工智能論壇”上指出，機器人在面臨未來動態和非結構環境下的相關研究已成為行業重要話題之一。
誠然，ChatGPT帶來的智能化應用，已經讓人們對大規模及算法快速進化下的智能機器人有了更高的期待。而在工業領域，機器人的廣泛應用讓工業自動化成為可能，智能化則成為其下一個目標。
(資料圖片)
微億智造創新系統部負責人馬元巍博士告訴記者，工業界傳統的自動化方案基本上都是將知識灌入機器人系統，通過編程的形式實現自動批量處理事務的功能。因此誕生了一系列計算機視覺的任務和機器人控制的任務，比如一個完整的抓取分揀操作，包含了3D感知、配準、點云分割、抓取點估計、任務重排、規劃、2D校準等任務，通過強大的工業軟件將這些技術點耦合在一起，催生了工業上的絕大部分應用。“這樣的應用具有可控、重復性高的特點，但是整個方案實施成本高、柔性低、換線復雜，并且每個方案都是獨特的，缺乏基準和技術一致性，非常不利于整體技術的進步。”
正因如此，幾乎每個行業對自動化的“解決方案”這四個字有錐骨之痛。如何破解這一現象，則成為智能機器人產業發展的重點方向。
“人類經常被物化為工業流水線中最柔性的執行機構，是因為人觀察和學習周圍的環境，使用自己的大腦充分利用自己的身體完成各種復雜的任務，并且在執行中不斷受到更新自己的認知。”馬元巍表示，這種模式正是智能化追求的一種理想形式，也是1950年圖靈在論文中提到的具身智能。
行業專家普遍認為，工業智能化發展始于具身智能。
具身智能是指具有身體的人工智能，需要與真實世界進行交互。這種交互不僅涉及視覺上的高維特征提取，還包括其他感官信息，例如聽覺、嗅覺、味覺和觸覺。通過這種交互，智能體可以獲取物理世界的真實反饋，并通過反饋來學習并進化，可以幫助機器人更好地完成任務。
具身智能執行步驟一般為多傳感器從真實到模擬，然后從模擬到真實的過程，具體的過程就是通過多種感知設備和算法，盡量將現實世界的信息能夠還原到虛擬環境中，然后在經過模擬和規劃后，將算法和規劃應用到實際機器人上。
產業界以前為什么不提具身智能呢？馬元巍認為，主要還是因為技術復雜，各個技術點發展不成熟。隨著人工智能技術的快速發展，尤其是大語言模型徹底改變了語義理解和頂層規劃的困難。“ChatGPT證明了大語言模型具有較強的綜合思考、邏輯能力、數理能力，大語言模型越來越被證明，其作為機器人的上層邏輯規劃器是非常有希望的，一舉改變了機器人系統不智能的缺點。多模態模型的發展，為統一圖像、行為理解、語音、動作等提供了技術基礎。”
基于當前智能技術的發展，微億智造提出了獨特的工業智能機器人漸進式路線：以“眼手腦云”的實施架構為基礎，聚焦于可累積數據場景和通用關鍵技術，打造虛實結合的應用產品，漸進式地實現機器人智能化。
縱觀整個工業智能的發展，之所以遠遠比不上消費端的發展速度，其根本原因是相關基礎元素沒有被很好地數字化。有理由相信，隨著各種大模型的發展和應用，機器人的感、知、控等技術將飛速發展，實現工業智能化的要素將逐漸齊備。
當然，這肯定需要一個過程。正如張建偉所言，未來的機器人大概率會是通用智能機器人，一個機器人既能夠給你端茶倒水，又能到餐館服務，還能到工廠干活。“這將是智能機器人產業的大目標，也是一個非常艱巨的目標。”
關鍵詞：
營業執照公示信息