股票啦网 www.gupiaola.com 2023年06月30日报道：并有增量部件

2023世界人工智能(161631)大会将于7月6日至8日在上海举办美股 投资越南。智能机器人(300024)方面，此次大会现场将有二十余款机器人(300024)共同亮相，其中包含：有达闼搭载大模型对话能力的双足机器人(300024)、特斯拉人形机器人(300024)擎天柱、上理工小贝4.0等，多款为首发首秀。

　　上海市经信委主任：今年世界人工智能(161631)大会首次瞄准具身智能，展示相关领域最新进展

在29日举行的新闻公布会上，上海市经信委主任吴金城表达，今年世界人工智能(161631)大会将聚焦具身智能，布局智能机器人(300024)先进技术。大会首次瞄准具身智能，紧紧围绕具身智能和智能机器人(300024)，精心设置主题论坛和新品公布环节，向大众展示相关领域最新进展。上海将延续关心具身智能钻研和应用，重点攻关机器视觉、自然语言处理、大模型训练机器人(300024)等技术，提升智能机器人(300024)多模态环境交互感知能力和自主学习、训练能力包含认知能力，促进智能机器人(300024)实现自主规划、决策、行动、履行，提升人机交互能力、打造人机协同工作模式。

　　中信证券(06030)：机器人(300024)行业高速进展，稀土永磁迎新增长极

中信证券(06030)研报指出，6月15日，上海市人民政府办公厅印发《上海市促进制造业高质量进展三年行动计划（2023-2025年）》；6月28日，北京市人民政府办公厅印发《北京市机器人(300024)产业创新进展行动方案（2023—2025年）》，随着北京、上海等城市现行政策延续加码，机器人(300024)行业有望进入高速进展阶段美股 投资越南。高性能钕铁硼是机器人(300024)伺服系统核心材料，随着机器人(300024)行业高速进展，稀土永磁行业有望迎来新增长极，重点推选稀土永磁版块战略配置价值。

　　中信证券(06030)：北京公布机器人(300024)产业三年行动方案，零部件支持进一步细化

2023年6月28日，北京市人民政府对外公布《北京市机器人(300024)产业创新进展行动方案（2023—2025年）》。

中信证券(06030)认为，相较于此前《北京市机器人(300024)产业创新进展行动方案（2023—2025年）（征求意见稿）》，此次正式版，进展目的进一步拉高，支持力度进一步强化，零部件环节支持进一步细化，指引更加清楚，并有制动器、MEMS等增量环节美股 投资越南。意见关心机器人(300024)领域相关整机和零部件公司。

▍事项：

2023年6月28日，北京市人民政府对外公布《北京市机器人(300024)产业创新进展行动方案（2023—2025年）》美股 投资越南。相较于此前《北京市机器人(300024)产业创新进展行动方案（2023—2025年）（征求意见稿）》，此次正式版机器人(300024)支持力度进一步强化，零部件环节支持与指引进一步细化。对此人们评价如下：

▍北京市人民政府对外公布《北京市机器人(300024)产业创新进展行动方案（2023—2025年）》，相较于此前“意见稿”支持力度、目的均有提升。

此次方案提出打造机器人(300024)产业进展“北京样板”，全力建设全球机器人(300024)技术创新策源地、应用示范高地和高端产业集聚区，有效支撑国际科技创新中心和全球数字经济发展标杆城市建设。方案提出，到2025年，本市机器人(300024)产业创新能力大幅提升，培养100种高技术高附加值机器人(300024)产品、100种具有全国推广价值的应用场景，万人机器人(300024)拥有量达到世界领先水平，形成创新要素集聚、创新创业活泼的进展生态；全市机器人(300024)核心产业收入达到300亿元以上，打造国内领先、国际先进的机器人(300024)产业集群美股 投资越南。相较于此前的征求意见稿，此次正式版本新增加了“打造机器人(300024)产业进展‘北京样板’，全力建设全球机器人(300024)技术创新策源地”、“万人机器人(300024)拥有量达到世界领先水平”等表述，进一步拉高了北京市机器人(300024)产业进展的目的，要达到世界先进水平，北京市支持机器人(300024)进展的力度与决定延续强化。

▍零部件支持与指引进一步细化，并有增量部件。

此次方案提出，对标国际先进水平，实施产业基础提升工程，全方位提升机器人(300024)关键零部件综合性能，强化对整机的关键支撑能力美股 投资越南。相较于此前“征求意见稿”，零部件环节的表述有变动，且有增量部件：

1）伺服驱动系统方面，支持企业与高校院所合作，研发大功率、高精度、高动态响应、高可靠的伺服驱动系统以及智能一体化关节等，相较于此前“征求意见稿”，新增加“突破高磁性材料”、“研发高精度、高功率密度和耐剧烈速度波动的伺服电机、驱动器及制动器”表述。磁性材料是伺服系统的核心材料，可用于电机、编码器、驱动器中，磁性材料的高性能化进展，有利于伺服系统总体性能提升。此外除了进展机器人(300024)电机与编码器，伺服驱动器与制动器亦为重点部件，有望得到现行政策进一步支持，提升其操纵性能、稳定性等方面表现，逐步缩小与国际先进水平差距，促进国产替代加快。

2）传感器方面，方案提出，攻克力、热、光、电等先进传感器设计、制造、封测技术，优化周密加工工艺，提升微机电系统(MEMS)的工艺稳定性和良品率，研发3D视觉、热成像、六维力、激光雷达等传感器，加快突破肌电、脑电等前沿传感器技术美股 投资越南。相较于此前“征求意见稿”，新增“提升微机电系统(MEMS)的工艺稳定性和良品率”表述，人们认为微机电系统(MEMS)生产技术与工艺有望在现行政策支持下延续提升，促进MEMS传感器成本下降、体积优化、性能提升，最终促进MEMS传感器在机器人(300024)等领域渗透率提升，并加快国产替代。

▍风险因素：

机器人(300024)支持现行政策将来落地不及预测；机器人(300024)应用场景的进展潜力低于预测；机器人(300024)技术进步速度低于预测美股 投资越南。

▍投资策略。

2023年6月28日，北京市人民政府对外公布《北京市机器人(300024)产业创新进展行动方案（2023—2025年）》，支持力度进一步强化，其中零部件领域支持进一步细化美股 投资越南。意见关心机器人(300024)领域相关零部件公司。

　　国泰君安(601211)：具身智能，人工智能(161631)的下一个浪潮

国泰君安(601211)认为，“具身智能”具备人类孩童般的感知和学习行动能力；“具身智能”的基础假设是，智能行为可以被具有对应形态的智能体通过适应环境的方式学习到；Tesla Bot功能进展迅速，商业化前景可期，“算力霸主”英伟达高调布局具身智能；具身智能带来的AI价值远比人形机器人(300024)更大。

以下为原文内容：

从符号主义到联结主义，智能体与真实世界的交互得到日益重视。上世纪五十年代的达特茅斯会议之后的一段时期内,对人工智能(161631)的钻研关键限于符号处理范式(符号主义)。符号主义的局限性很快在实际应用中暴露出来,并催动了联接主义的进展,形成了包含多层感知机、前向神经网络、循环神经网络,直至今天风靡学术界与产业界的深度神经网络等多种方法美股 投资越南。这种用人工神经网络模拟认知过程的方法在适应、泛化与学习方面确实取得了很大的进展,但并未真正解决智能体与真实物理世界交互的难题。该难题“莫拉维克悖论”可以通俗地表述为：要让电脑如成人般地下棋是相对简单的，可是要让电脑有如一岁小孩般的感知和行动能力却是相当困难乃至是不可能的。

针对以上问题，“具身智能”（Embodied AI）概念应运而生。针对智能体的交互问题, 明斯基从行为学习的角度提出了“强化学习”的概念。1986年，布鲁克斯从操纵论角度动身，强调智能是具身化(Embodied)和情境化 (Contextlized)的，传统以表征为核心的经典AI进化路径是错误的，而清除表征的方式就是制造基于行为的机器人(300024)。Rolf Pfeifer在其著作《How the Body Shapes the Way We Think》中通过预测“身体是如何影响智能的”对“智能的具身化”做了清楚的描述,阐明了“具身性”对明白智能本质与钻研人工智能(161631)系统的深远影响。以上这些工作为人工智能(161631)的第三个流派——以具身智能为代表的行主导义方法奠定了坚实基础。

“具身智能”的基础假设是，智能行为可以被具有对应形态的智能体通过适应环境的方式学习到。可以容易明白为各种不同形态的机器人(300024)，让它们在真实的物理环境下履行各种各样的任务，来完成人工智能(161631)的进化过程。拆分来明白，“具身”的基础含义是认知对身体的依靠性，即身体针对认知具有影响，换句话说，身体参与了认知，影响了思维、推断等心智过程。“具身”意味着认知不能脱离身体单独存有美股 投资越南。此外，“具身”相对的概念是“离身”(Disembodiment),指的是认知与身体解耦（ChatGPT为代表的大模型就仅仅实现了离身智能）；“智能”代表智能体(生物或机械)通过与环境产生交互后，通过自身学习，产生针对客观世界的明白和改造能力。此外，一些通过强化学习训练的机器人(300024)，也可以被认为是具身智能的一种形式，如OpenAI的单手还原魔方机器人(300024)等。因此，具身智能旨在基于机器与物理世界的交互，创建软硬件结合、可自主学习进化的智能体。

具身的概念是可检验、可测量的。人所明白的世界概念，其中既包含人类独有的责任心、荣誉、感情、欲望等非具身的概念，也包含了杯子、车等实体以及相应行为的具身概念。而具身概念是具备可达性、可检验性以及可解说性的，即具身的概念对应的实体和行为是可以被测量，可以通过任务的完成来验证以及通过具身学习来实现概念的推断。相比之下，非具身概念基础要素不能实现可测量及可检验。

“知行合一”是具身智能的科学立场。根据具身智能的技术实现逻辑，“知”是建立在“行”之上的，也就是说只有通过“具身”才能明白某个场景。比如有个卧室，其具有睡觉、休息、放衣服等行为特征，这类行为是基于人的身体设计的，因此真正明白卧室的场景，就是要能够直接通过坐上椅子、躺在床上等行为任务去验证美股 投资越南。同理，机器人(300024)通过明白场景，能够实现以上行为才能代表它真正明白了该场景。因为从本质上，物体和场景的类别大多是由功能和任务来定义的，“我能用来干什么，那它是什么”，比如锤子不能叫木棍，锤子有它独特的行为属性。

具身学问在中国古老汉字中都占据较高比例。甲骨文等古老汉字，绝大多数就是通过行为的表征来刻画一个概念，比如“争”的古老写法中，代表两个人的手拔一根绳子，因此，明白行为才是明白概念及场景的关键。

所以，计算机(512720)视觉和NLP更多是具身智能的工具，而通用人工智能(161631)才是具身智能的终极目的。具身智能要能够实现使用身体（各个部位）完成物理任务的一些现象，比如外国人不会用筷子，但仍能叉起来吃东西，因此具身智能也要通过物理环境完成任务的过程中，表现出完成之前没有覆盖的场景美股 投资越南。所以，根据具身智能的特点可以研判，好像经典力学领域的速度、动量、弹性等概念奠基了物理学领域，驱动了后续科学的进展，同理，具身智能因其实现了学问、概念、可解说以及行为因果关系，其有望成为通用人工智能(161631)的驱动力。

具身智能首先要具备可供性。可供性意味着要让机器了解物体和场景能够提供的是什么，比如整个身体、部件怎么和场景进行有效拟合。根据《Gendexgrasp: Generalizable dexterous grasping》论文中的案例，用两、三、五根手指去握一个柱子，如果不同的手都能够产生无误的握杆效果，就代表有了可供性，而物理学正是机器明白可供性的关键。

具身智能还要具有功能性。具身智能在把物体作为工具使用的过程中，要能够以任务履行为导向去明白功能。从智能体来明白世界，核心就在于任务——改变实体情况，是任务实现来驱动智能体的美股 投资越南。例如，在解决 “铲土”任务过程中，需要实现用不同的工具去铲土，比如杯子、铲子、平底锅等，都要能够让智能体实现“铲土”这个任务。因此，具身智能的功能性就是给予了物体一个功能，用来解决某个特定任务。

具身智能需要实现因果链。就以上提到的“铲土”例子，智能体能否顺利铲起土来是有因果关系的，例如操纵挥动锤子的方式、动量、冲量等指标的改变程度和改变过程，需要用数学和物理的因果链来操纵。人工智能(161631)钻研院朱松纯教授团队介绍了一种学习和规划框架，并证明了所提出的学习和规划框架能够识别对任务成功有重大意义的基础物理量，使智能体能够自主规划有效的工具使用策略，模仿人类使用工具的基础特性。

智能体学习如何使用工具涉及到多个认知和智能过程，这个过程即便对人类来说也并不简单。让机器人(300024)把握工具使用所涵盖的全部技能是一项有挑战性的难题，这项工作包含三个层面：其一是底层的运动操纵。很多钻研基于阻抗操纵（Impedance control）来跟踪工具使用的运动轨迹，或在不同阶段改变力和运动约束，或使用基于学习的方法来操纵机器人(300024)运动轨迹。在底层操纵中，鲁棒地履行运动轨迹是关心的核心美股 投资越南。其二是中间层表征。各种利于下游任务的中间表征被提出，以便更好地明白工具的使用。虽然引入这些表征有利于学习更多不同的工具使用技能，但它们目前依然局限于工具的形状和任务之间的几何关联。其三是明白在工具使用中的涉及的高层概念，比如物体的功能性（Functionality）和可供性（Affordance），以及工具使用中涉及的因果关系与常识，从而实现更好的泛化能力。

现有的具身智能工作大多聚合在以上三种基础特性中的某一层面。要么关键关心于机器人(300024)的动作轨迹而不去明白任务本身，要么旨在高层次概念明白而过度简化运动规划，都不能够较全方位的涵盖全部层面。因此，机器人(300024)还远远没有方法基于特定的情境去制定工具使用的策略，而且由于运动学结构的显著差异，机器人(300024)观看到的人类使用工具的策略对其来说可能并非最理想的方式。例如给定一组物体（典型的工具或其他物体），机器人(300024)如何推断哪一个会是完成任务的最佳挑选？一旦挑选了一个物体作为工具，根据机器人(300024)和工具特定的运动学结构和动力学限制，机器人(300024)该如何有效地使用它？这些问题也正是行业的前沿钻研领域。

要机器明白实体与行为，就得回答三个核心的科学问题美股 投资越南。首先，从机器认知角度，如何让机器看懂行为？其次，从神经认知角度，机器认知语义与神经认知的内在关联如何？再者，从具身认知的角度，如何将行为明白学问迁移到机器人(300024)系统？

要实现具身智能，就一定先回答机器能否克隆人类的行为这个问题。行为认知是智能科学中的重大和核心问题，要让机器明白世界代表着：明白实体+明白行为，因为不确定性的世界空间就可以归类为实体与行为两者。

深度学习框架在行为认知中遇到了瓶颈。因为深度学习得到长足进展，计算机(512720)视觉领域有两个要素，一个是以物体为中心的感知，一个是以人为中心的感知。配合不断进化的深度学习算法，复杂物体识别可以非常成功，可是要机器明白从人类视角的这个行为的真实语义，却非常困难美股 投资越南。销售市场表现看来还是如此，很多商用产品都是基于物体检测，行为明白的产品都是很少的。之所以人为中心的感知非常困难，是因为深度学习本身达到了瓶颈。根据卢策吾教授的钻研结局，行为识别的SOTA要远低于物体识别。

行为明白的关键是要在极大语义噪声中提取行为明白要素。行为是一个抽象概念，因而需要在图像中捕抓行为相关要素。要衡量图像的语义推断区间，可以用语噪比（语噪比=支撑语义推断区间/全图像区间）来刻画，即抹去图像上的某个区域使得其他人无法识别出行为类型的最小区域。卢策吾教授团队通过计算发觉，物体识别的语噪比要远大于行为识别，这意味着遮住较大区域仍可以识别物体，但哪怕遮住一小块区域就无法识别行为。因此，可以得出结论，行为明白的关键是要在极大语义噪声中提取行为明白要素，也就是需要在很大干扰情况下，真正发掘图像的真实语义。而这个工作是无法通过增加深度学习的工作量来达到的。

将行为认知问题分解为感知到学问、学问到推理融合的两个较为容易的阶段，是一个较优的科学路径美股 投资越南。离散语义符号是被不同行为所共享的，比如吃饭、读书和打扫都有着“手-握-某物”的标签，通过对这些共享标签的迁移、复用和组合，可以形成行为原语，从而构造“中间层学问”，这种组合可以有着肯定的泛化能力，即通过原语组合，机器可以做出没见过的行为。

因此，构建海量原语学问以及逻辑规则库是首当其冲的工作。人类明白行为的基础原因，约等于人类各个部件在干什么事情，因此首先得构建大量的基于人类局部情况的原语学问，并能识别它们。其次，有了好的原语检测，之后就需要对它们进行编程，实现逻辑规则引导下的数据驱动学习，但这里简单出的问题是，规则是人类自己认为的，假如规则库错了就会有很大的影响，因此规则学习是解决该问题的方法。具体流程是，在行为原语学问库中随机采样，形成对该行为的推断，然后基于人类给的先验起始点去搜查，规则空间采样，若精确率提高就加上规则，不然就删掉该规则，通过调整后的规则分布形成新规则。卢策吾教授发觉，以“人骑车”图像为例，经过以上技术流程，机器可以在未见过的“骑车规则”中自动识别出“骑车”这个行为，所以该技术路线可以有效靠近行为识别的人类性能。

机器能够明白人类行为需要有科学依据的支撑。因此，科学家需要进一步确定机器视觉行为分类特征跟神经特征之间是否存有稳定映射关系美股 投资越南。假如有稳定关系，视觉定义行为就是有客观依据的。

实验发觉行为从模式到脑信号存有映射，且模型稳定。卢策吾教授联合生物医学团队，搭建了首套大规模视觉明白-神经信号闭环系统，对小鼠的行为模式和神经信号进行了相关性预测。通过实验发觉机器学习得出行为从模式到脑信号存有映射，并可以建立一个稳定模型。其它，通过构建一套基于机器学习的行为相关的神经回路发觉系统，成功发觉解析了“小鼠社会等级”行为的神经回路。综上可以得出结论，通过视觉定义行为是有科学依据的。

不仅仅明白行为，更需要能履行行为，机器能够履行行为才是真正明白行为。通过计算机(512720)视觉以及行为认学问别，让机器能够确认和分辨一个行为仅仅只是第一步，这也只是传统旁观式AI学习所达到的功能水平，例如，传统AI学习可以让机器学习“盒子”概念并在新的场景中说出“盒子”这个标签，但在具身智能学习模式中，机器通过感知环境实体，通过亲身体验完成具身学习，最终明白场景并形成“打开”这个概念美股 投资越南。因此，当机器可以履行该行为才是具身智能的落脚点。

履行行为需要涉及到形态、行为和学习的体系化交互。在基于形态的具身智能中, 形态、行为与学习之间的关系紧密。首先，需要利用形态产生行为，该过程重点强调利用具身智能体的形态特性巧妙地实现特定的行为, 从而达到部分取代“计算”的目的。其次，需要利用行为实现学习，重点强调利用具身智能体的寻求、操作等行为能力主动猎取学习样本、标注信息，从而达到自主学习的目的，此领域当前属于钻研前沿。再者，需要强调利用学习提升行为以及利用行为操纵形态，后者有多种实现方法，但当前利用学习手段来提升行为,并进而操纵形态的工作是现代人工智能(161631)技术进展起来后涌现出来的新型智能操纵方法，特殊是基于强化学习的技术已成为当前的热点手段。最终，具身智能需要利用学习来优化形态，强调利用先进的学习优化技术实现对具身智能体的形态优化设计。

“具身感知”是以履行动作为导向的全概念的交互感知。具身智能首先第一步就得解决具身概念学习的问题，即如何定义、猎取、表达可以被机器人(300024)使用的物理概念美股 投资越南。具身感知和传统计算机(512720)视觉不同，计算机(512720)视觉没有解析全体的学问，而具身感知包含了“全概念感知”和“交互感知”，从而保证机器看到的非标签，而是怎么利用它。例如，可以从人类认知的角度，构建大规模关节体学问库，该学问库涵盖外形、结构、语义、物理属性，同时标注关节体每个部件的质量、体积、惯性等，记录真实世界物体操作力反馈与仿真操作力反馈，在物理属性学问加持下，物体力反馈曲线可以良好拟合出来，这时候仿真物体操作的时候，不再是去检测标签，而是全部学问全体检测出来，检测出来后，可以通过机器履行的精确率，推断感知的精确率。

通过行为的反馈和模式学习的空间压缩，可以实现“具身履行”的肯定泛化性。在交互感知下，机器假如只是看物体，信息量没有增加，但假如交互它，就能迅速减少误差。机器面对物体，初步检测它的学问，但肯定存有学问结构不准的情况，但可以在推测它是怎么做出这个行为的基础上，指导机械去做，如果做完之后跟真实不一样，就证明推测有问题，再反过来优化问题。而且，可以把抓取到的全部特征模式，压缩到可以被学习的空间范围内，通过这种机制，机器在面对没见过的物体时，也能进行相关的行为，因而具备了肯定的通用性。

Tesla Bot功能进展迅速，商业化前景可期。2021年，在“特斯拉AI日”上，马斯克公布了特斯拉的通用机器人(300024)计划，并用图片展示了人形机器人(300024)Tesla Bot的大致形态。但当时的Tesla Bot只是个概念。一年后在2022特斯拉AI日上，人形机器人(300024)擎天柱（Optimus）实体亮相美股 投资越南。2023年5月中旬的特斯拉股东大会上，马斯克又展示了Tesla Bot的最新进展，现在Tesla Bot已经可以通畅行走，并还能灵敏抓取放下物体。马斯克在会上表达“人形机器人(300024)将会是今后特斯拉关键的长期价值来源。假如人形机器人(300024)和人的比例是2比1，则人们对机器人(300024)的需求量可能是100亿乃至200亿个，远超电动车数量”。

最近的Tesla Bot功能突破来源于特斯拉改进的电机扭矩操纵以及环境建模等技术。特斯拉利用一些技术方法改进了人形机器人(300024)的动作和操纵，包含电机扭矩操纵、环境发觉与记忆、基于人类演示训练机器人(300024)。首先，钻研团队使用电机扭矩操纵（motor torque control）操作人形机器人(300024)腿部的运动，让机器人(300024)落脚力度维持轻缓。针对一个机器人(300024)来说，观看或感知四周环境是比较重大的，因此特斯拉为人形机器人(300024)添加了环境发觉与记忆的能力。现在该人形机器人(300024)已经可以对四周环境进行大致建模。特斯拉的人形机器人(300024)具备与人类相似的身体结构，特斯拉的钻研团队使用大量人类演示训练了机器人(300024)，特殊是在手部动作方面，旨在让其具备与人类似的物体抓取能力。

具身智能带来的AI价值远比人形机器人(300024)更大。具身智能最大的特质就是能够以主人公的视角去自主感知物理世界，用拟人化的思维路径去学习，从而做出人类期望的行为反馈，而非被动的等待数据投喂。人形机器人(300024)提供了各种基于人类行为的学习和反馈系统，为实现更复杂行为语义提供了迭代的基础和试验场，因此，人形机器人(300024)的逐步完善也为具身智能的落地提供了方向美股 投资越南。而面向工业等场景的具身智能应用并非肯定假如人形机器人(300024)，因此具身智能背后的技术和方法论才是核心，也意味着具身智能所带来的价值要远远高于人形机器人(300024)本身。换句话说，人形机器人(300024)是具身智能的重大应用场景，也将为具身智能的迭代优化提供方向和空间。

强化学习兴起之后，具身智能受到了更广泛的关心。之前随着Alpha Go的成功，学术界针对强化学习的兴趣大增，随之很多人开端用RL来打通智能体的感知-决策-履行，期望实现具身智能。训练RL是一个不断试错的过程，所以从2017、18年开端，隐藏了很多仿真训练平台，能把一个智能体以具身的形式放进去，然后通过与环境的交互中获得reward，进而学习一个policy。可是因为仿真环境和现实环境总是有差距的（叫sim2real gap），习得的policy不肯定能迁移到现实里。当前能实现技能policy从仿真迁移到现实环境中的，关键還是像移动导航、单步骤的抓取或者操作这类较为单一的技能，而且很难泛化。

最近大语言模型的风头又压过了强化学习。最近业界期望通过大规模sequence to sequence，用一个模型整合视觉、语言、机器人(300024)，也取得了肯定效果美股 投资越南。可是机器人(300024)的履行需要的是4D数据（三维环境和机器人(300024)运动的时序轨迹），它的数据量和丰富度都远不如图片和文本，采集成本也高的多，因此迭代演化的难度相比于大模型高得多。

而多模态大模型为具身智能的技术瓶颈突破提供了重大驱动力。具身智能是人工智能(161631)、机器人(300024)等各技术分支融合进展的必定结局，因为计算机(512720)视觉为图像的采集和处理打开了窗口，图形学也为物理仿真提供了工具支撑，NLP也为人类-机器交互提供了便利性，也为机器从文本中学习学问提供了有效途径，认知科学也为具身智能的行为认知原理提供了科学钻研途径。各类机器人(300024)构件也为智能体与物理环境交互提供了桥梁。因此，人工智能(161631)的技术分支以及机器人(300024)功能性的提升，为具身智能的进一步进展带来了可能，而当前AIGC时代的大模型可以将之前的技术分支更优地集成和创新，已有不少钻研者尝试将多模态的大语言模型作为人类与机器人(300024)沟通的桥梁，即通过将图像、文字、具身数据联合训练，并引入多模态输入，增强模型对现实中对象的明白，从而更高效地帮忙机器人(300024)处理具身推理任务，肯定程度提升了具身智能的泛化水平。所以，GPT等AI大模型为具身智能的自身感知和任务处理的优化升级提供了新的钻研手段。

“算力霸主”英伟达高调布局具身智能。在ITF World 2023半导体材料(512480)大会上，黄仁勋表达人工智能(161631)的下一个浪潮将是具身智能，即能明白、推理、并与物理世界互动的智能系统美股 投资越南。同时，他也介绍了英伟达的多模态具身智能系统Nvidia VIMA，其能在视觉文本提醒的指导下，履行复杂任务、猎取概念、明白边界、乃至模拟物理学，这也标志着AI能力的一大显著进步。

融合传感器模态与语言模型，谷歌推出的视觉语言模型相较于ChatGPT新增了视觉功能。2023年3月，谷歌和柏林工业大学AI钻研团队推出了当时最大视觉语言模型——PaLM-E多模态视觉语言模型（VLM），该模型具有5620亿个参数，集成了可操纵机器人(300024)的视觉和语言能力，将真实世界的连续传感器模态直接纳入语言模型，从而建立单词和感知之间的联系，且该模型能够履行各种任务且无需重新训练，其相较于ChatGPT新增了视觉功能。PaLM-E的关键架构思想是将连续的、具体化的观看（如图像、情况估测或其他传感器模态）注入预先训练的语言模型的语言嵌入空间，因此实现了以类似于语言标记的方式将连续信息注入到语言模型中。

谷歌实现视觉语言与机器人(300024)高水平实时互联，且观看到了类似多模态思维链推理与多图像推理等涌现能力的隐藏。基于语言模型，PaLM-E 会进行连续观看，例如接收图像或传感器数据，并将其编码为一系列与语言令牌大小相同的向量。因此，模型就能再次以处理语言的方式“明白”感官信息美股 投资越南。而且，同一套PaLM-E模型能够达到实时操纵机器人(300024)的水准。PaLM-E 还展示出随机应变的能力，例如虽然只接受过单图像提醒训练，仍可实现多模态思维链推理（同意模型对包含语言和视觉信息在内的一系列输入进行预测）和多图像推理（同时使用多张输入图像进行推理或预测）。但谷歌展示的Demo中的空间范围、物种类类、任务规划复杂度等条件还较为有限，随着深度学习模型愈发复杂，PaLM-E也将打开更多可行性应用空间。

微软正计划将ChatGPT 的能力扩展到机器人(300024)领域，使得能用语言文字操纵机器人(300024)。目前实验已经能够通过给ChatGPT的对话框输入指令，让其操纵机器人(300024)在房间中找到“健康饮料”、“有糖和红色标志的东西”等。微软钻研人员表达，“钻研的目的是看ChatGPT是否能超越生成文本的范畴，对现实世界状况进行推理，从而帮忙机器人(300024)完成任务”。微软期望帮忙人们更轻松地与机器人(300024)互动，而无需学习复杂的编程语言或有关机器人(300024)系统的详细信息。

阿里运用和微软相似的路径，正在实验将千问大模型接入工业机器人(300024)。在近日举行的第六届数字中国建设峰会上，阿里云公布一个演示视频中展示了千问大模型的实际应用场景。其中，千问大模型接入了工业机器人(300024)，工程师通过钉钉对话框向机器人(300024)发出指令后，千问大模型在后台自动编写了一组代码发给机器人(300024)，机器人(300024)开端识别周边环境，从临近的桌上找到一瓶水，并自动完成移动、抓取、配送等一系列动作，递送给工程师美股 投资越南。在钉钉对话框输入一句人类语言即可指挥机器人(300024)工作，这将为工业机器人(300024)的开发和应用带来革命性的变化，其背后意味着大模型为工业机器人(300024)的开发打开了新的大门。因为千问等大模型为机器人(300024)提供了推理决策的能力，从而有望让机器人(300024)的灵敏性和智能性大幅提升。

网友点评：

知足常乐嘛陕西宝鸡
所以美股还要下跌

股友0tbpv1云南昭通
在寻找接盘侠了，下周都可以空仓了

红彤彤99999河南永城
我只想问一下目前这种情况下美国的信用评级下调了吗

高姿态666666江苏无锡
股市暴涨起来说明经济增长

股友hW9x00安徽明光
赶紧跑。

股友nuCMpO河北河间
强者恒强的时代

股友JFzNV0河南汝州
重大利好