美的第二屆遠見者大會：探索AI與能源轉型的未來

，是從認識世界到物理世界的跨越。特別是人工智能大模型驅動機器人后，具身智能就成了機器人理解數(shù)字空間與真實世界的關鍵鑰匙。

中山大學教授、鵬城實驗室多智能體與具身智能研究所所長林倞

大模型驅動具身智能這項技術剛剛起步

，目前面對諸多挑戰(zhàn)。第一個需要解決的難題是空間推理能力，人工智能數(shù)據(jù)常丟失空間和物理信息，這阻礙機器人對空間的深度感知和理解；其次是長程任務規(guī)劃，機器人對話是動態(tài)上下文，不同于語言任務對話，需進行長程任務規(guī)劃；機器人還需要彌補“小腦能力”，需回到大小腦協(xié)同架構完成運動控制和概率模型結合；此外，具身智能需要圍繞著數(shù)據(jù)集、數(shù)據(jù)驅動，建立數(shù)據(jù)集必不可少。

林倞也總結了具身智能的關鍵技術

，分別是：傳統(tǒng)感知技術、交叉方面技術、虛實融合與自主可控生態(tài)。出身計算機視覺的林倞，在感知方面三管齊下，其一是把圖像、文本和 3D 點云對齊，構建走入物理空間的多模態(tài)對齊模型；其二是從被動感知到主動感知，構建模擬環(huán)境并用遞歸神經(jīng)網(wǎng)絡做規(guī)劃和目標搜索；其三是把大語言模型和環(huán)境感知融合做路徑規(guī)劃和導航。

在具身智能的“任務規(guī)劃和決策”“虛實遷移”兩方面

，林倞也有建樹?div id="4qifd00" class="flower right">