浙江人形機(jī)器人創(chuàng)新中心：直面具身智能操作挑戰(zhàn)，開啟技術(shù)突破新程

在 2025 年 3 月 13 日舉辦的第三屆具身智能機(jī)器人產(chǎn)業(yè)發(fā)展論壇上，浙江人形機(jī)器人創(chuàng)新中心首席科學(xué)家、浙江大學(xué)求是特聘教授熊蓉分享了關(guān)于機(jī)器人智能操作發(fā)展的深刻見解。

機(jī)器人智能操作從最初簡(jiǎn)單的抓放，發(fā)展到如今的高精度作業(yè)，這一巨大飛躍離不開大模型的融合應(yīng)用，它極大提升了機(jī)器人的行為規(guī)劃與決策能力。隨著數(shù)據(jù)驅(qū)動(dòng)技術(shù)的進(jìn)步，機(jī)器人正從感知智能邁向行為智能，接觸交互的重要性日益突出。但當(dāng)下數(shù)據(jù)獲取與應(yīng)用成為難題，數(shù)據(jù)稀缺制約著發(fā)展。常用的數(shù)據(jù)獲取手段有人工遙控采集和合成數(shù)據(jù)生成。遙控采集對(duì)設(shè)備實(shí)時(shí)性及操作人員經(jīng)驗(yàn)要求高，成本昂貴;合成數(shù)據(jù)在視覺渲染上較成熟，可接觸仿真卻存在明顯缺陷。

從技術(shù)方法看，大模型雖有通用性，但準(zhǔn)確性有待提高，尤其在機(jī)器人高精度、高可靠性和高效率的行為要求下，這一不足更為凸顯。同時(shí)，機(jī)器學(xué)習(xí)領(lǐng)域也面臨可解釋性差、災(zāi)難性遺忘等問(wèn)題，亟需優(yōu)化。盡管挑戰(zhàn)重重，但人形機(jī)器人、大動(dòng)作模型和空間智能等技術(shù)正處于產(chǎn)業(yè)起步階段，資本和研究投入積極活躍。

在機(jī)器人發(fā)展歷程中，操作能力一直是關(guān)鍵。早期機(jī)器人通過(guò)專家離線編程在工業(yè)場(chǎng)景發(fā)揮作用，隨著應(yīng)用場(chǎng)景拓展，機(jī)器視覺技術(shù)興起，基于專家規(guī)則的在線感知及伺服控制推動(dòng)了制造業(yè)發(fā)展。如今，具身智能操作成為研究熱點(diǎn)，從 2011 年起計(jì)算機(jī)領(lǐng)域采用數(shù)據(jù)驅(qū)動(dòng)提升智能可泛化性，在自動(dòng)化和機(jī)器人領(lǐng)域，借助人工智能通過(guò)環(huán)境交互獲取數(shù)據(jù)學(xué)習(xí)操作。2016 年谷歌利用機(jī)器人訓(xùn)練學(xué)會(huì)抓取操作，之后相關(guān)機(jī)構(gòu)不斷融合技術(shù)，推動(dòng)具身智能從簡(jiǎn)單抓放走向復(fù)雜作業(yè)，不過(guò)大模型在動(dòng)作軌跡和力覺信息處理上仍有不足。

具身智能操作面臨數(shù)據(jù)、方法和執(zhí)行體性能等多方面挑戰(zhàn)。數(shù)據(jù)匱乏，遙控采集成本高，合成數(shù)據(jù)接觸仿真薄弱;方法上大模型通用性和準(zhǔn)確性難平衡，機(jī)器學(xué)習(xí)存在可解釋性差等問(wèn)題;執(zhí)行體組件在接觸作業(yè)中的性能無(wú)法滿足具身智能操作需求。

浙江大學(xué)熊蓉團(tuán)隊(duì)在機(jī)器人領(lǐng)域深耕多年。自 2000 年聚焦智能融合，2012 年推動(dòng)自主學(xué)習(xí)。在人形機(jī)器人研發(fā)上成果顯著，研發(fā)出多種類型機(jī)器人。2023 年 12 月注冊(cè)成立浙江人形機(jī)器人創(chuàng)新中心有限公司，專注人形機(jī)器人與具身智能融合，發(fā)布領(lǐng)航者 1 號(hào)和 2 號(hào)樣機(jī)。在操作技術(shù)研究方面，團(tuán)隊(duì)在感知層、行為層、動(dòng)作層和底層控制等方面都探索出獨(dú)特方法，有效提升機(jī)器人操作性能，在多個(gè)領(lǐng)域得到應(yīng)用，顯著提升自動(dòng)化水平。