Efter den stora modellen har "embodied intelligence" blivit en ny hot spot i teknikbranschen i år och anses vara nyckelriktningen i den nya vågen av artificiell intelligens (AI). Många nystartade företag har dykt upp, finansieringen har nått nya toppar och tekniken har fortsatt att slå igenom... Som den mest representativa enheten på detta område accelererar humanoida robotar industrialiseringen under katalys av stora modeller.
Om stora modeller betraktas som "intressanta själar", har humanoida robotar aktiverade av "förkroppsligade intelligens" "snygga skinn" och har blivit kraftfulla assistenter för människor inom många områden.

Omdefinierar robotar
Som en bro som förbinder virtuellt utrymme och verkligt utrymme hänvisar "förkroppslig intelligens" till integrationen av AI i fysiska enheter som robotar, vilket ger dem förmågan att uppfatta, lära sig och dynamiskt interagera med miljön som människor.
Termen "förkroppsligad intelligens" har i sig en stark filosofisk färg av teknologi. År 1945 föreslog den franske filosofen Maurice Merleau-Ponty begreppet "förkroppsligande" och trodde att människor måste interagera och uppfatta den omgivande miljön genom sina kroppar för att förstå världen. År 1950 föreslog den brittiske datavetaren Turing, känd som "fadern till AI", för första gången begreppet "förkroppsligad intelligens" i sin artikel "Computing Machinery and Intelligence".
Faktum är att industrirobotar (robotarmar) med relativt låga intelligensnivåer har länge använts i stor utsträckning inom tillverkningsindustrin, vilket har lett till kvalitets- och effektivitetsförbättringar. Traditionella industrirobotar är dock en kombination av "fasta program + robotarmar", medan robotar bemyndigade av "förkroppsligad intelligens" är en iteration av "multimodal perception + hjärnans beslutsfattande".
Xu Huazhe, biträdande professor vid Institute of Cross-Disciplinary Information Sciences vid Tsinghua University, tror att robotar i framtiden kommer att presentera en mängd olika former: tvåfota, fyrfota, hjul, mekaniska hundar, intelligenta drönare och till och med mekaniska bin, men humanoida robotar är de mest anpassningsbara till det mänskliga samhället och kommer att bli de robotar som bäst kan hjälpa människor.
Humanoida robotar kan lösa problemet med produktionslinjens "sista mil". Många personliga och skräddarsydda produkter kan inte monteras enhetligt på löpande band, vilket kräver humanoida robotar med generaliseringsförmåga för att "hjälpa" ihop massproducerade delar till produkter enligt kundens anpassningsbehov. I mer komplexa och föränderliga scenarier som hemtjänster och offentliga tjänster har humanoida robotar också fler fördelar och kan anpassa sig till olika miljöer och behov för att utföra en mängd olika uppgifter.
Tre stora svårigheter att övervinna
Utvecklingen av humanoida robotar börjar med att lära sig och imitera människor. Svårigheterna i dess utveckling kan också förstås genom att jämföra den med den mänskliga hjärnan, lillhjärnan och kroppen. "Hjärnan" är främst ansvarig för robotens autonoma lärande, planering och beslutsfattande centrum; "hjärnhjärnan" är ansvarig för rörelsekontroll, inklusive gång till löpning och hoppning, och från enkla grepp till komplexa handrörelser; och "kroppen" inkluderar bålen och extremiteternas struktur och skicklig handdesign.
UBTECH Robotics Vice President och forskningsinstitutets direktör Jiao Jichao sa till reportrar att det finns många tekniska svårigheter att övervinna inom dessa tre huvudområden: När det gäller "hjärnan", är cloud-edge-end integrerad datorarkitektur, multimodal perception och miljömodellering teknikens fokus de senaste åren. "Den största svårigheten med mänsklig imitation ligger i imitationen av den mänskliga hjärnan, och de befintliga vetenskapliga teorierna är långt ifrån tillräckliga för att studera den mänskliga hjärnan"; i termer av "hjärnhjärnan" är förmågan att interagera mellan människa och dator, komplex terrängpassage, helkroppskoordinerade finoperationer, etc. viktiga riktningar; När det gäller "kroppen" är nyckelteknologier som styv-flexibel kopplingsbionic transmissionsmekanism, mycket kompakt robotlemstruktur och skicklig handdesign viktiga hårdvarufundament som krävs för den flexibla rörelsen av humanoida robotar.
Framväxten av stora modeller har avsevärt "utvecklat" robotens "hjärna", avsevärt förbättrat mångsidigheten och generaliseringen av robotar och förväntas minska utvecklingskostnaderna för humanoida robotar och påskynda deras inträde i tusentals hushåll.
Enligt Yang Fengyu, grundare och VD för Uniqi Robotics Technology Co., Ltd., använder industrin nu främst förutbildade stora modeller för att förträna robotar för att ge dem starkare inlärningsförmåga; stora modeller kan överföra inlärning av specifika uppgifter till robotuppgifter för att förbättra deras anpassningsförmåga; dessutom kan de multimodala bearbetningsmöjligheterna hos stora modeller användas, kombinerat med olika input som syn, hörsel och beröring, för att förbättra robotens förståelse av komplexa scener.
