努力让具身智能“知行合一”

本报记者 叶 子

参赛马拉松、进工厂“干活”……最近一段时间以来，机器人火热“出圈”，具身智能的概念进入大众视野。作为人工智能领域的前沿热点，具身智能是什么？发展情况如何？其中机器狗又有哪些优势？本报就此采访了北京大学工学院先进制造与机器人系助理教授刘珂。

记者：什么是具身智能？它的核心特点是什么？

刘珂：通俗地说，具身智能是指具有身体的智能。具身智能体本质上是一个机器，这个机器在物理世界中有一个真实的实体，还有一个先进的大脑。它的关键在于实体设备与智能决策的深度融合，能够学习并执行各种任务。

具身智能并不限于特定的形态。人类被视为目前已知唯一的通用具身智能体。然而，具身智能体也可以有其他形态，比如狗、机械臂、无人车等。

记者：比如让机器人去拿咖啡，这个任务如何执行？

刘珂：理想情况下，首先机器人要听懂这句话，提取关键词“咖啡”，找到咖啡在哪，然后运动到咖啡所在的位置，分辨桌子上哪个是咖啡，再把这个咖啡拿回来，路上要保证液体不会洒掉，最后放好。对人来说这是很简单的事情，但对机器人来说其实很难，因为需要机器人理解指令，然后自己做规划。

当下主流的处理方法叫视觉语言动作模型(VLA，Vision-Language-Action)，输入文本和视觉数据，输出可以执行的动作。目前的问题是思考过程有了，即让大语言模型去思考和拆分指令，就像DeepSeek的深度思考功能，但后续机器人的本体如何去执行这个思考过程，还没有特别成熟的方法。因为大语言模型本身没有实体，不知道怎么去移动肢体，胳膊伸出去多远能拿到物体等。

现在我们把从思考到行动的整个流程连在一起去训练机器人，目前为止有一些突破，但无法达到理想中的泛化能力，也就是说，机器人学会了拿咖啡，相似地也会拿可乐、拿水，但还不会搬桌子，因为对它而言这又是另一种任务。

我们说“知行合一”，现在机器人有了“知”，在“行”方面还不太成熟，它无法处理现实生活中的一些问题，更像一个谋士，我们要努力让具身智能“知行合一”。现在的主要挑战还是机器人动作空间太大，我们现有的人工智能算法相较于生物，在探索效率上还非常低。或许除了高级算法之外，更应当关注底层算法和本体结构的设计，这也是我们团队现在重点关注的内容。比如动物有本能行为，还有植物神经，而现在的机器人没有，每一个动作都需要做大量计算。

记者：具身智能体有不同形态，相比其他类型，机器狗主要有哪些优势？

刘珂：四足机器狗的主要好处是兼具灵活性和稳定性。从动力学控制方面来讲，四足要比二足容易得多，因此机器狗的活动幅度比较大。相对于一米多高的人形机器人，机器狗的高度比较低，底盘更稳，运动起来能更好地保持稳定。此外，体积小也是机器狗的一个优势，能在相对低矮狭窄的空间里活动。

记者：当前，机器狗已经被应用到消防巡检、应急救援、搬载重物、娱乐教育等场景中，如何评价它们的表现？未来还有哪些应用可能性？

刘珂：机器狗可以帮忙搬东西、巡检，相对来说已经算比较有用的一种具身智能形态。但还是受限于重量和续航能力，现在机器狗的能量效率不是很高，只能用两三个小时。这其中有电池的限制，还有它本身结构设计的原因，相对于轮子来说，机器狗的四足更加费电。

相比人形机器人，机器狗的应用场景应该会更多。比如，机器狗可以在建筑工地帮忙搬砖、铺地砖等，机器狗还可以进行一些巡查、导盲的工作。如果是动物狗，每一只导盲犬都要经过长时间的专门训练，但如果是导盲机器犬，只要成功一次就可以大规模复制。在家庭服务方面，机器狗可以帮忙取东西。在娱乐教育上，机器狗陪伴老人、小孩，做一些简单的问答，有情感陪伴功能。

不论功能多么复杂的机器狗，它本质上还是一个机器、一个工具。人类使用工具是为了延伸自己的能力，替代人去做一些不想做或做不到的事情。以前的一些机器，比如纺织机只能纺织，车床只能切割，但机器狗更通用一点，能干好几种活。

记者：既然机器狗在未来会承担多种工作，要实现这些功能，技术研发上还面临哪些挑战？

刘珂：从运动控制角度看，主要还是让机器狗能适应复杂地形，能自主判断、决定应该采取什么动作。现在好多机器狗已经能翻跟头，能上、下楼梯，看起来很灵活，但是它的场景切换能力有限，不一定能够在未知的情况下去适应。所以我们需要提前想好机器狗可能会遇到的情况，预设好需要的动作，然后在仿真环境里做强化训练。

感知决策能力超出了训练的范围，必须在实际任务中，确保机器狗能将不同的动作衔接起来，还要提高反应速率。比如机器狗感知到50毫秒之后就要摔倒，可是大模型要100毫秒之后才能算出来下一步该如何行动，那就跟不上了。因此要让机器狗的思考过程和物理世界中的运动速率相匹配。

在电池续航方面，具身智能遇到的问题和电动车类似，即重量重、续航短，仍需要技术突破。

在材料上，其实人体的肌肉、关节里面有很多柔性的东西，来帮忙减震、缓冲，具身智能的身体也需要这种柔性的材料，如人工肌肉等，还有一些仿生的轻量化的材料，能够做到又轻又结实。

单从技术上看，目前具身智能行业还没有达到“涌现”的时刻。

记者：如今，消费级机器狗的价格最低已在万元以下，很多人买来“尝鲜”，离机器狗走进千家万户还有多远？

刘珂：消费级机器狗的推广普及和产量有关，就像汽车行业一样，当技术达到一定水平后，产量提上去，成本就会下降，生产得越多卖得越便宜，也就越容易被更多人购买使用。不过，影响机器狗产量的还有需求，这个赛道目前有很多尝试，但仍需要一个明晰的商业模式。现在随着关注度的增加，研发速度在进一步加快，希望能在不久的将来看到更加智能的机器狗和机器人。

此外，机器人的大量普及可能会引发一系列伦理和社会问题，如隐私保护、就业替代等，同样值得引起关注。

记者：从国际上看，在具身智能领域，中国的发展水平如何？

刘珂：我们国家处在第一梯队，和很多国家齐头并进，因为这个领域都是开源的，仍处在学术探索阶段，还没有到某一家公司去设置专利壁垒的程度。从硬件角度看，机器人本体方面我们应该是领先的，因为我国的产业链配套很完备，硬件价格较低，成本低对于整个行业的发展肯定是有帮助的。现在我们有很多优秀的学生愿意投入具身智能领域，并且留在国内发展，这一定会带动中国未来人工智能和机器人产业的发展。

(钱一苇参与采写)