大模型為具身智能帶來了諸多令人興奮的變化，也讓機器人能夠在更多實際場景中替代人類成為可能。

在語言大模型興起的兩年時間內，具身智能一個非常顯著的變化是，大腦的能力突飛猛進，在交互和決策、感知和決策方面的變化可謂是劃時代的。正是更加聰明的大腦，讓具身智能半開放或者開放式的生活工作場景中解決了一些實際問題。

在聯(lián)想創(chuàng)投2024 CVC創(chuàng)投周上，聯(lián)想集團副總裁、聯(lián)想創(chuàng)投合伙人王光熙在接受界面新聞采訪時表示，把大模型底層算法技術更好的用到操控小腦上，用相對比較優(yōu)雅的模型、算法實現(xiàn)智能端到端服務，是具身智能創(chuàng)業(yè)企業(yè)和互聯(lián)網大廠下一步要解決的問題，也是投資人關注的重點。

未來3-5年會產生不同以往的商業(yè)化價值

大模型為具身智能帶來的商業(yè)化機會，也讓此前不確定非常強的機器人商業(yè)化有了一些方向。在王光熙看來，未來3-5年具身智能行業(yè)可能會產生不同以往的商業(yè)化價值。

在聯(lián)想創(chuàng)投2024 CVC創(chuàng)投周的展示區(qū)，界面新聞記者了解到了一些具身智能融合大模型的應用案例。比如具身智能人形機器人研發(fā)公司星動紀元在全球首次提出將視覺語言模型、大語言模型與人形機器人算法進行整合，用大型語言模型指導其人形機器人小星的上層任務規(guī)劃，其在水泥地上、樹林里、草地里、石子路上都能快速行走，而且有較強的穩(wěn)定性。

融合大模型技術之后，機器人研發(fā)的側重點也和此前有了很大不同。過去，機器人的研發(fā)都是側重于完成某一類特定工作，比如配送機器人負責配送、建筑機器人智能刷墻。但如今，機器人完成多類型任務成為可能，一個在工廠中工作的機器人既能能螺絲，還能噴漆或者組裝零件。

在剛剛結束的2024世界人工智能大會上，界面新聞記者也看到了一些類似的展示。比如，具身智能機器人公司穹徹智能展示的機器人小徹在家庭場景中不僅可以完成很多任務，而且可以實現(xiàn)非常精細化的操作：它可以進行簡單的地面清潔工作，能夠抓取地面上的雜物丟進垃圾桶，同時還可以還可以切雞塊、削黃瓜、包榨菜等。而切雞塊、包榨菜等能力可以在真實的農業(yè)供應鏈中落地，產生商業(yè)價值。

從整體的需求來看，目前中國的具身智能行業(yè)市場規(guī)模呈現(xiàn)增長趨勢。智研瞻產業(yè)研究院發(fā)布的《中國具身智能行業(yè)報告》顯示，2023-2029年具身智能產業(yè)的的市場規(guī)模呈現(xiàn)逐漸增長趨勢，預計到2029年中國具身智能產業(yè)的市場規(guī)模將達到185.64億元左右。

王光熙表示，在科技發(fā)展中，大家總是高估短期的進展，低估了遠期的事。在大模型的加持下，機器人的應用場景進一步拓寬，原來只能解決問題的比例不超過20%，如果這個比例能提升到一半，其在很多商業(yè)場景中就能夠被更好地應用。

這些具身智能機器人能力的提升的一個重要因素是大模型帶來的感知能力提升。傳統(tǒng)的具身智能感知系統(tǒng)在處理復雜和多樣化的環(huán)境信息時往往顯得力不從心，但大模型可以整合來自多個傳感器的數(shù)據，如視覺攝像頭、深度傳感器、觸覺傳感器等，實現(xiàn)對周圍環(huán)境的多維度感知。

通過對這些不同類型數(shù)據的綜合分析，具身智能體能夠更加全面、準確地理解其所處的環(huán)境。比如，一個具備大模型支持的機器人在倉庫中工作時，不僅能夠通過視覺識別貨物的形狀和位置，還能利用觸覺感知貨物的重量和質地，從而更加精準地進行搬運操作。

此外，大模型還能夠處理模糊和不確定的感知信息。在現(xiàn)實世界中，傳感器數(shù)據往往會受到噪聲、干擾和遮擋等因素的影響，導致信息不完整或不準確。大模型通過學習大量的類似場景數(shù)據，可以對這些不完美的感知信息進行推測和補全，從而提高具身智能體的環(huán)境適應能力。

數(shù)據不足仍然在限制機器人的能力

具身智能和大模型融合極大地提高人機交互效率的同時，面臨著一系列挑戰(zhàn)，包括數(shù)據、模型脆弱性和可靠性等問題。這些問題不僅影響模機器人的性能，也隱藏著潛在的風險。

在王光熙看來，將大模型的智能充分多模態(tài)化同樣還有很長的路要走。尤其是在進入物理世界時，涉及聽覺、觸覺、力學反饋等模態(tài)的數(shù)據量較少，需要解決數(shù)據來源和融合的問題。

而在清華大學研究員蘇航看來，收集真實的數(shù)據是非常困難的。“我們做過一個評估，目前我們實驗室收集到全網能夠獲取到所有的人形機器人的數(shù)據以及各種AI操作的數(shù)據，至少比真正的泛化型差2～3個數(shù)量級，哪怕達到GPT3.5的水平也差2～3個數(shù)量級。”

提升泛化能力是具身智能公司需要持續(xù)去做的工作。影響具身智能數(shù)據泛化能力的因素包括數(shù)據的多樣性、質量、規(guī)模，以及模型的架構和訓練方法等，豐富多樣且高質量的數(shù)據有助于模型的泛化能力，而合理的模型架構和有效的訓練算法能夠更好地捕捉數(shù)據中的關鍵信息，并避免過擬合，增強對新數(shù)據的適應性。

王光熙表示，在學術研究方面，大家已經慢慢意識到數(shù)據來源的問題也沒有大家想象的那么難實現(xiàn)，之后的數(shù)據來源會是一個相對比較多來源的融合，除了實際收集的數(shù)據之外，還可以包括仿真數(shù)據、模仿學習數(shù)據以及其它模態(tài)的視頻、圖片的數(shù)據能夠轉化過來的數(shù)據。

在商業(yè)化場景中，具身智能機器人的可靠性也非常關鍵，通過大量實驗和場景的訓練以及強化學能夠快速的讓它把一個任務完成的更好。

“今天GPT可以胡說八道笑一笑就過去了，如果機器人的執(zhí)行是亂來，那這個產品在很多場景里是不可用的，這種事都還需要在技術、產品、商業(yè)化可落地層面還有很多的事要做，這些東西積累在一起確實需要幾年的時間才能真正體現(xiàn)規(guī)模化的商業(yè)效應。”王光熙表示。

轉載來源：界面新聞 作者：肖芳