本文来自微信公家号：具身智能机械人（ID：EmbodiedAIRobot），作者：吴易明 中国科学院年夜学传授、西安中科光电周详工程有限公司开创人，梁晶 西安中科光电周详工程有限公司。

引言

“算力霸主”英伟达（NVIDIA）开创人兼CEO黄仁勋在ITF World 2023半导体年夜会上称，“具身智能”将引领下一波人工智能海潮，激发了全球规模内对“具身智能”的存眷。

具身智能的思惟萌芽在人工智能降生之初。1950年， 图灵在其为人工智能奠定、提出图灵测试的经典论文《Computing Machinery and Intelligence》的结尾瞻望了人工智能可能的两条成长道路[1]：“We may hope that machines will eventually compete with men in all purely intellectual fields. But which are the best ones to start with? Even this is a difficult decision. Many people think that a very abstract activity, like the playing of chess would be best. It can also be maintained that it is best to provide the machine with the best sense organs that money can buy, and then teach it to understand and speak English. This process could follow the normal teaching of a child. Things would be pointed out and named, etc[2].”他提出一条路径是聚焦抽象计较（好比下棋）所需的智能，另外一条路则是为机械配备最好的传感器、使其可以与人类交换、像婴儿一样地进行进修。这两条道路便逐步演化成了非具身和具身智能。

2023年5月份以来，学术界以李飞飞、姚期智、卢策吾、李德毅、郑南宁等专家学者为代表，接踵发布“具身智能”相干的学术论文和演讲。财产界以谷歌、特斯拉、英伟达、META、阿里、小米等巨子公司为代表，积极跟进相干产物和手艺结构。

以ChatGPT4为代表的各类年夜模子呈现，人形机械人的再次走红，关在所谓的“具身智能”新进展井喷式出现，在各范畴中揭示出的庞大吸引力，是不是代表着人工智能的要害问题已解决？现有的方式是不是准确？我们需沉着下来，回归到最根本的界说和内在上面，思虑/厘清甚么是“具身智能”？

1、“具身智能”不是甚么？

当前，有以下几种关在“具身智能”的典型不雅点。

不雅点1：AI（年夜模子）+躯体（机械人）=具身智能？

“具身智能”是指能理解、推理、并与物理世界互动的智能系统。[3]

该不雅点认为“具身智能”是一种智能系统，具有理解、推理并与物理世界互动的功能。凡是将年夜模子搭载在物理躯体（如机械人）上来实现，让年夜模子充任机械人的“年夜脑”，或说给年夜模子“穿上机械人外套”，将图象、文字等数据输入年夜模子进行结合练习，经由过程与世界交互的反馈成果，指点报酬手工标注，以提高模子的泛化能力。

在LLM（年夜说话模子）、VLM（视觉-说话模子）、VNM（视觉导航模子）的加持下，人类用天然说话给机械人下达指令，可以看到说话指令对应使命的结果展现。但在履行精度要求较高的使命时，需依靠在人工介入校订，即经由过程人输入偏离的指令来校订机械臂，这申明该类“智能”系统对空间对象没有邃密辨识能力，没有丈量功能，不具有系统根据感测成果与基准信息的比力，也就没法做出自顺应决议计划与计划的智能特征，即系统不具有一般问题求解和响应的能力。

相干资料展现出机械人智能系统“与物理世界的互动”，但互动进程显示，机械人感知对象所指“语义”是由人工标注实现的点云“视觉”信息调集，机械人年夜脑没有关在对象鸿沟（虚-实交壤）的有用怀抱信息，申明“它”没有理解物理对象，只是机械的履行人的说话指令做出一个动作进行响应。年夜模子是基在海量数据、在人类介入注入先验常识根本上练习出来的符号相干性收集（几率映照），没法实现物理世界中语义的“理解”。借器具身认知中“与情况交互”思惟，简单的将年夜模子与机械人的连系来界说/理解具身智能是不克不及使人佩服的。

不雅点2：人形机械人=具身智能？

“具身智能”是指身体并撑持物理交互的智能体。[4]

人形机械人是具身通用人工智能最抱负的身体情势。

该不雅点认为“具身智能”是指具有身体的智能体，凡是会让人误认为人形机械人就是“具身智能”（这个表述自己有语法毛病）。马斯克推出的人形机械人Optimus（擎天柱）是典型代表，最新进展显示其可以拿捏物品、迟缓走路等，活动节制能力延续进化。Optimus（大要率）复用特斯拉FSD主动驾驶和神经收集进修手艺，经由过程传感器（相机、激光雷达）搜集数据，年夜范围数据集对模子练习实现辨认，“智能”的实现路径与不雅点1中年夜模子路径一致，瓶颈均在在用数据练习“刷”出来的输出成果没法有用映照物理对象，在数据匮乏范畴是没法利用的。

该不雅点侧重强调“身体”，意在区分在符号主义主张智能是基在逻辑法则的符号操作运算，和区分在毗连主义主张智能是脑神经元组成的信息处置。人形机械人是将来泛通用机械人的最好产物形态，但“具身智能”的主体情势没必要要限制在外不雅上的“人形”，按照利用用处和场景的分歧，可以有多种形态。唯一人的外不雅，没有实现智能素质冲破的人形机械人没有魂灵。将具怀孕体的智能界说为“具身智能”是不准确的，也不克不及以江南体育身体的情势作为判定是不是属在“具身智能”的根据。

不雅点3：卢策吾传授：“具身智能”是指一种基在物理身体进行感知和步履的智能系统， 其经由过程智能体与情况的交互获得信息、理解问题、做出决议计划并实现步履， 从而发生智能行动和顺应性。[1]

该不雅点认为具身智能具有撑持感知和活动的物理身体，可以进行自动式感知，也能够履行物理使命。[5]

该不雅点从具身性视角将智能体与情况融会在一路，强调“感知-步履回路”的主要性，即感触感染世界—对世界进行建模—进而采纳步履—进行验证并调剂模子的进程，存眷身体与情况之间的互动在智能行动的发生和顺应性晋升中阐扬的主要感化。

卢传授给出的“具身智能”的界说具有必然的鉴戒意义，但依然将“具身智能”归结为一种智能系统。

2、“具身智能”是甚么？

（1）熟悉论泉源：“具身智能”是以具身认知为指点的人工智能，表现哲学一元熟悉论思惟。

具身认知属在哲学和认贴心理学的概念，是指人的认知和智力勾当不是年夜脑的孤立计较，而是年夜脑、身体（经由过程感受器官）和情况自顺应交互感化的产品。

（2）生物智能的根本和渐进性：参考生物智能的素质，活体生物的细胞、器官或组织、单体生物均有分歧层级智能，生物智能是“肉身”物资组织的性能。

活体生物的细胞自己是信息感知和处置器官，经由过程代谢进程实现物资、能量与信息的转换，完成保存、繁衍等一系列智能的表示，这构建了最低条理的智能（本能性的）。

进化到器官或组织的智能，高档动物的感受器官（视觉、听觉、触觉等）发育的要害阶段需要自立肢体活动共同，构成具有部门认知功能的智能。

进化到更高级的人整体的智能，勾当情况的扩年夜和复杂化，对记忆和判定、决议计划的要求鞭策年夜脑的构成和进化，以神经系统为根本的认知功能构成。

从单细胞的智能→组织和器官的智能→高级物种整体的智能→群智能，是不竭的重组和出现的进程。进化的功效融会在遗传基因中，强化某些器官或系统，影响基因、遗传变异的来历，提高生物体保存能力。进化进程中基在少样本和低功耗，使得智力到达更高的高度，利在物种保存和亚系繁华。

生物智能是“肉身”物资组织的性能，强调智能信息处置依靠物资组织，物资载体不成或缺。

（3）我们关在“具身智能”的界说

“具身智能”是指主体（机械）在自体、对象与情况等要素间彼此感化（信息感知、转化和响应）的进程中建构合适各要素物理实存和其关系演变趋向的认知模子，告竣问题解决或价值实现的人工智能方式。

具身智能是一种人工智能方式，强调智能主体在处置信息时要将存眷的对象、情况和自体均要纳入信息处置规模中。

具身智能的方式是分级的嵌套的，（类比在细胞）最根本层单位的自体物理组织与所需处置的智能使命的信息模子在数学上是同构的。例如细胞实现最低层级的智能是一个轮回图、器官和组织的智能再到生物整体的智能都表示为轮回分级嵌套模子。这类近似在分形理论的轮回嵌套模子，将低层级的信息做紧缩和抽象，如许高层级的智能轮回不至在太复杂。

具身智能在认知与实践的矛盾活动中实现智能增加。智能增加是指在实践进程中整体模子的构建和优化，智能主体在感知到信息今后，颠末决议计划、计划，要对外输出行动，如许才可以或许实现轮回的闭环，从而在此进程中实现智能的增加。

（4）“具身智能”的使命和任务

作为一种人工智能方式，“具身智能”要解决其他方式、东西难以解决的问题，才能揭示其存在价值和生命力。

1948年，维纳出书《人有人的用途》，提出“节制论”概念，1956年DARTMOUTH会议提出人工智能概念至今，人工智能科学前后成长出行动主义、符号主义、毗连主义等分歧的学派，用在成长“机械”智能，解决人类所存眷的各类问题，获得庞大的成功。机械智能所具有的能力，利用在摹拟低等生物智能、肯定方针跟踪和机械主动节制、图片识认、语音辨认与生成、机械翻译、视频转换和某些专项问题的解决等方面，表示出冷艳的能力。可是，即便年夜模子、生成式人工智能、人形机械人掀起全球存眷的今天，我们把握的人工智能方式依然处在弱人工智能阶段。通往高级的、与人类智能相当的人工智能方式路径是甚么？这是我们存眷“具身智能”的底子缘由，也是“具身智能”的任务。是以，“具身智能”要害使命，在在鉴戒具身认知的思惟，使得机械在对象辨认、东西利用、推理和计划、价值判定、说话利用等方面根基到达人类智能的程度。此中，让机械“理解”空间，实现“什物对象到信息端邃密语义”的映照，是解决上述要害使命的最根本的工作。

（5）“具身智能”的要害要素

①重构映照：主体对物理实存进行镜像映照，在信息空间中基在重构映照内容的交互感化来决议计划和步履。

信息空间的镜像能力是“智能进行怀抱、评判”的根本。要对对象进行有用的认知，最好的方式就是在年夜脑里构建关在这个对象的传神的模子和模子的演变，人类有用掌控某个问题的要害也在在此。例如我们在现代战争中可以经由过程仿真摹拟或沙盘摹拟推演，在信息层有用映照分歧要素和进程转变，使得战争批示更有用、更高超。

重构映照中，最根本的是视觉信息的重构。基在视觉正确的感知和理解情况（包罗对物体的理解、布局的理解、可操作性的理解），视觉感知与物理实存交互印证，这是具身智能实现的根本。

②认知进程的交互建构：认知是在年夜脑-身体-情况之间互动进程中建构或组织出来的，出现概念并强化概念内在，在步履中反思-反思中实践-实践中建构的螺旋上升进程。

我们的认知进程是年夜脑、身体、情况的互动中不竭轮回组织出来的，是动态的进程。例如战争中在没法摸清敌方军力摆设的环境下，采取炮火侦察的体例不雅察敌方反映。

③通道束缚：认知受感知通道、信息[6]输出通道能力的束缚。

感知通道的束缚可以从两个例子来理解：一个是分歧传感器下的不雅测成果分歧，如人眼中的月亮和利用千里镜看到的月亮是分歧的；另外一个是在距离过年夜或信息通道不敷时，信息会退化，如近处的飞机可以看到具体组织，跟着飞机愈来愈远，逐步退化成一个点，直到消逝。

信息输出通道包罗动作的输出和说话的输出，我们在认知构成进程中构成对对象世界革新的目标、打算和体例的信息，灵通在实践，对世界加以革新[6]——改变物资存在的信息状况。

3、具身智能是智能科学成长的新范式

吴易明研究员在2021年学术陈述[7]中提出：具身智能是智能科学成长的新范式，强调：

（1）具身智能是对已有人工智能手艺路径（包罗符号主义、行动主义、毗连主义）的批评和晋升，增进智能科学成长的进级与前进。

（2）基因[8]决议分歧生物种属智能程度的凹凸，基因编码素质是数学性的，研究中引入现代数学功效是需要的。

生物的基因现实是一种数学编码，可以完成遗传信息的表达与传递，由基因、信息生物学决议的后天发育进程是可控的，也应当是可借助数学模子注释表征的——这需要更加抽象的现代数学东西。

（3）细胞级智能、低等生物、生物无意识行动和响应，年夜多遵从节制论模子。

非论是生物、社会、包罗物种的竞争某种意义上也遵从节制论模子，“具身智能”不否认行动主义，是行动主义的延长与晋升。

（4）高级生物（动物）神经元后天发育中，天然物理纪律饰演“监视”脚色。

高档生物体发育出了年夜脑和神经系统，它的发育是与情况交互感化的成果，“进修”让生物体变得更伶俐，行动转变会融入儿女的基因中。生物主体基在问题求解而反感化在情况的根基轮回，是高条理智能产生的需要根本。“具身智能”必定毗连主义的研究，毗连主义在必然规模内是有感化的，若何规定其有用感化的规模，是科学家应当当真看待的课题，我们认为，其输入端信息空间和输出端信息空间在维度上的关系，大要是规定其有用性的要害身分。

（5）接近人类的通用人工智能，最根本的使命是实现对“物理实存对象空间和活动属性的认知模子建构”。

（6）“说话、符号、逻辑”是人类文明高级阶段的特有功效，是“人类”生物肌体映照物理世界功效的溢出和卸载，是构建高档级智能主体的基石，人类对其准确应用，依靠在有用解决哲学上的“指称”问题。

说话、符号和逻辑是人缔造出来用在熟悉世界的东西，人实现了对对象空间属性的清楚辨识。辨认实现了语义信息空间与实存对象之间的映照，是智能的根基问题。通用人工智能冲破的要害点在在从手艺上解决维特根斯坦提出的“指称”问题。

4、总结

“具身智能”的概念是从生物进化史、人类文明史、人的成长史的泉源寻觅灵感，探讨智能的素质，厘清智能概念[9]的根本上凝炼而成的。

概念辨析处在科学研究重要地位，为智能科学手艺冲破指引标的目的。“具身智能”是引领将来智能科学成长新的范式。其焦点在在视觉智能底层手艺架构的冲破和利用，即解决独一映照问题。“具身智能”强调重构映照，利用在智能机械人系统中时，视觉智能手艺架构的冲破使得机械人将实际的感知信息“各归其位”（数学说话到物理存在映照的独一性），实现真实的拟人化信息处置，是机械人真正在非布局化情况中年夜范围落地利用的要害。这类架构最根本的成份是数学的，小样本的，而非“沉沦”年夜数据集、更高的算力、和多模态等路径。

颠末八年的艰辛尽力，从理论研究到产物利用落地，这个进程诠释了“建构性”方式的应用，我们已初步验证了“具身智能”方式的准确性，而且看见和感触感染到了“具身智能”带来冲破的曙光，也看到更多的科学家涌入这个标的目的。我们只能依靠“人类的智能”和人类文明的功效来研究智能的素质，“不识庐山真脸孔，只缘身在此山中”，这个启事决议了研究工作必定布满艰辛，挑战诸多，但我们确信“具身智能”将开启机械智能的新阶段。

关在西安中科光电

西安中科光电周详工程有限公司成立在2013年，草创阶段获得中国科学院西安光机所、中科创星强力撑持，是典型的硬科技创业企业。公司面向智能制造、国防设备范畴，是专业从事高端智能机械人产物研产生财产务的高新手艺企业。公司颠末延续八年的攻关研发，冲破了视觉智能底层理论和手艺，在2021年提出了以“具身智能”作为智能科学成长的新范式，并实现了自立智能机械人产物和营业利用落地。2022年，公司取得“具身”、“具身智能”商标所有权，并开通具身智能公家号和视频号、具身智能机械人公家号。

公司以具身智能为指点，聚焦视觉智能，解决兵工和制造业中的“切确丈量、智能辨认、周详节制”问题，为客户在智能光电探测与精准辨认、视觉导航、视觉智能自立机械人系统方面的需求供给产物息争决方案。今朝已构成三年夜营业板块：“仝人智能”焊接机械人、检测机械人和特种机械人和相干部件级产物。

参考文献：

[1] 具身智能|CCF专家谈术语.中国计较机学会.2023

[2]COMPUTING MACHINERY AND INTELLIGENCE. A.M.TURING.1950

[3] 具身智能：人工智能的下一个海潮.智能机械人系统公家号.2023

[4] 行业陈述|具身智能鞭策AI新海潮.BFT机械人公家号.2023

[5] 深度 一文带你读懂“具身智能”.机灵说.协作机械人客户端.2023

[6] 邬焜，[法]约瑟夫·布伦纳等著.信息哲学根本理论和其意义阐释.中心编译出书社.2021

[7] 吴易明.《面向工业4.0的视觉智能机械人》.智能检测手艺与智能制造高级研修（成都）.2021

[8] 理查德·道金斯.《自私的基因》.中信出书社.2012

[9] 吴易明.具身认知视角下“智能”的概念.具身智能公家号.2022