具身智能技术要点和前沿进展

IT阅读排行榜 2024-07-25 10:29

近年来,随着多模态大模型和强化学习技术的发展,具身智能技术也是日新月异,成为产学研共同关注的热点问题。本文对具身智能的技术要点和前沿进展进行介绍。


1什么是具身智能


在具身智能任务中,人工智能通过视觉传感器、听觉传感器、触觉传感器、力觉传感器等物理传感器来感知环境,并根据感知到的环境来操作机器人、机器狗、机械臂等机械构件,以实现更好的环境感知,并且进行合适的操作以完成各种各样的任务。

具身智能最大的特点是需要依赖机械实体来感知和影响环境,并且机械决策会进一步影响感知的过程。


比如,一个做家务的机器人,它需要自己在家里移动来查阅家里的物品,并且根据观察到的内容决定下一步应该去哪里、应该干什么。这个机器人应该是一个实物,它可以是人形机器人,也可以不是人形机器人。它可以通过摄像头对周围环境进行拍照和观察,也可以通过雷达测距仪来测量各物体的距离,还可以内置麦克风来接收人类指令。它可以用轮子或是机械腿来实现移动,可以用各种机械臂来完成物品吸附、抓取和放置等功能,还有各种机械机构来调整各传感器等位置和朝向。这就是一个具身智能的典型例子。


并不是所有的人工智能都是具身智能。如果一个人工智能不依赖于物理实体,或是它的观测并不会随着物理实体的变化而变化,那么它就不是具身智能。比如,下围棋的AlphaGo和聊天应用ChatGPT都是以软件应用的形式存在,它并不需要操纵什么硬件,所以它们都不是具身智能。

2具身智能的技术要点


具身智能需要在真实的物理世界中做决策。智能可以分为“大脑智能”和“小脑智能”两个部分。

“大脑智能”进行任务理解和规划决策。以家务机器人为例,家务机器人可以决定待做家务的先后次序,比如先洗碗然后擦桌子。在洗碗这个子任务中,它要决定洗碗的次序,比如要用几次洗碗机,每次用洗碗机时洗哪几块碗。每次用洗碗机也有步骤:它需要先打开洗碗机的门,然后把碗放进去,然后关上门,然后启动洗碗机,等洗碗机洗完后还要打开洗碗机的门,把碗拿出来,然后把洗碗机的门关上。这些规划决策都属于大脑智能


“小脑智能”控制机械设备的物理参数。比如为了打开洗碗机的门,需要调节某个可移动设备的移动功率或某个旋转设备的旋转力矩,使得机械设备能将某个机械结构其附着到门把手上然后把门打开到足够大。小脑智能的输出往往是移动设备的移动加速度、旋转设备的旋转力矩、施力设备的力的方向和大小、发声设备的声音波形这些具体的物理量。


由于具身智能涉及到物理设备,而物理设备可能较为昂贵。所以,人们希望物理设备尽可能通用,以降低硬件的均摊成本。比如,很多文学作品中塑造了人形机器人的形象,其中的人形机器人可能有类似人类一样的智慧,能做很多不同事情。这样的具身智能要求大脑智能具有多任务、多模态的处理能力。


具身智能有别于一般人工知智能的最重要特点是它需要操纵物理构件,所以,和物理构件直接打交道道小脑智能是具身智能的重要技术要点。

3多模态大模型赋能具身智能

近年多模态大模型的突破性进展极大地赋能了具身智能。GPT-4o等多模态大模型可以理解音视频输入,并有能力针对各种各样的任务给出解决方案。这样的大模型给了具身智能强大的“大脑”。在这样的背景下,各种各样的具身智能应用如雨后春笋般涌现出来,极大的丰富了具身智能的应用场景。


比如,人类给某个家务机器人发送语音指令:“请先洗碗,然后擦桌子”。机器人可以把采集到的音频信息直接给大模型,然后大模型从语音中识别出任务是“洗碗”和“擦桌子”,然后大模型进一步决策:要先观察环境得到周围图像信息,然后大模型根据得到的图像信息判断哪些是要洗的碗,等等。在这个例子中,多模态大模型听了人类的语音、观察了环境,理解了任务,并为任务做出了合适决策。


多模态大模型还能评估任务的完成情况。比如对于洗碗的任务,机器人可以把洗好的碗的视频发送给大模型,让大模型评估碗是否洗干净,洗好的碗是否摆放妥当了。大模型甚至还能判断做洗碗过程中用了多少水电、总成本是多少。最后,大模型还可以对任务的完成情况做个总结,给出改进建议。

4高自由度机械控制是未来具身智能研究的难点和要点


目前具身智能技术主要受限于“小脑智能”,也就是对物理系统的具体操作上。为了完成现实生活中的常见任务,往往需要机械结构具有多个自由度,并且需要对这些自由度进行精细控制。


以人形机器人的机械结构为例,人形机器人往往有数十个关节,每个关节还会有多个自由度,整个机器人会有数百个自由度。当前学界并没有能够完全掌握这样复杂任务的训练。


小脑智能所解决的任务比大脑智能更少,但是目前表现却比大脑智能要差,原因之一是因为小脑智能的任务是面向现实物理环境的,它的数据少,数据获取成本高。每个机械结构及其所处环境还会略有不同(比如受到部件尺寸误差、机械磨损、环境温湿度等影响),对不同环境下的数据集还略有不同。一般情况下,数据集不足以支持高自由度的训练,常常出现一些没有训练好的情况,造成任务失败。


在小脑智能中的研究中,灵巧手和双足是最受关注的两个机械部件。灵巧手指的是类似于人类手的机械手,它有五个手指,每个手指有2~3个关节,一共有几十个自由度。目前我们可以用灵巧手做一些拾取刚体这样的任务,但是对于高精度的、触觉力觉综合反馈的任务(比如剃头发、叠衣服、做外科手术等)还是有困难。至于双足,目前已经可以进行站立、走、跑等功能,但是要兼容屈膝捡东西、单腿踢球等任务还有难度。由于目前灵巧手和双足能完成的任务和人类的手脚相比有较大的差距,它们可以说是目前具身智能研究的要点和难点。

5模仿学习和强化学习是具身智能研发的重要工具


攻克小脑智能最主要的方法是模仿学习和强化学习。


模仿学习利用已有的成功交互记录来进行学习。比如,人工智能可以观察人类的示例,从这些示例中进行学习。不过,仅仅作为一个旁观者来进行学习往往不能达到学习目的。就像一个人学游泳,如果他永远只看别人游泳,而自己不去尝试、去经历成功和失败,那么他很难学好游泳。


强化学习则是利用奖励信号来进行学习。在强化学习的训练过程中,人工智能试图给出完成任务的解决方案,然后系统会给出一个奖励信号来评价任务的完成质量。人工智能可以不断尝试,通过每次尝试的奖励信号来不断改进,最终较好的完成任务。

不过,如果在现实世界中没有很好的完成任务,成本往往较大。为此,具身智能往往先要在仿真器里虚拟学习,在虚拟世界里学的差不多后,才试图把技能迁移到现实世界中。


多模态大模型可以为强化学习的学习过程赋能。强化学习需要奖励信号来判断任务的完成情况,而多模态大模型可以提供奖励信号。具体而言,当人工智能明确任务后,它可以观察周围环境,建立仿真模型来进行强化学习训练。在训练过程中,它可以把仿真环境中每次完成的情况发送给多模态大模型,由大模型来判断本次完成情况,给出奖励信号。这样,具身智能中实际操作物理机械设备前,已经在大模型的帮助下训练多时了。


除了直接给出奖励信号外,多模态大模型还能给出更多类型的反馈,比如对完成结果进行点评,给出修改意见等等。利用各种各样的反馈信息进行学习,是强化学习的一种拓展形式。



延伸阅读


《强化学习:原理与Python实战》

肖智清 著

介绍强化学习、模仿学习、多模态大模型的技术要点


理论完备,涵盖强化学习主干理论和常见算法,带你参透PPO、RLHF等大模型训练技术要点;

实战性强,每章都有编程案例,深度强化学习算法提供TensorFlow和PyTorch对照实现;

配套丰富,逐章提供阅读导引和知识点总结,章后习题形式丰富多样。还有Gym源码解读、开发环境搭建指南、习题答案等在线资源助力自学。



  • 本文来源:原创,图片来源:原创、pexels

  • 责任编辑:王莹,部门领导:宁姗

  • 发布人:白钰

IT阅读排行榜 技术圈的风向标,有趣,有料,有货,有品又有用
评论 (0)
  • 探针本身不需要对焦。探针的工作原理是通过接触被测物体表面来传递电信号,其精度和使用效果取决于探针的材质、形状以及与检测设备的匹配度,而非对焦操作。一、探针的工作原理探针是检测设备中的重要部件,常用于电子显微镜、坐标测量机等精密仪器中。其工作原理主要是通过接触被测物体的表面,将接触点的位置信息或电信号传递给检测设备,从而实现对物体表面形貌、尺寸或电性能等参数的测量。在这个过程中,探针的精度和稳定性对测量结果具有至关重要的影响。二、探针的操作要求在使用探针进行测量时,需要确保探针与被测物体表面的良好
    锦正茂科技 2025-04-02 10:41 77浏览
  • 据先科电子官方信息,其产品包装标签将于2024年5月1日进行全面升级。作为电子元器件行业资讯平台,大鱼芯城为您梳理本次变更的核心内容及影响:一、标签变更核心要点标签整合与环保优化变更前:卷盘、内盒及外箱需分别粘贴2张标签(含独立环保标识)。变更后:环保标识(RoHS/HAF/PbF)整合至单张标签,减少重复贴标流程。标签尺寸调整卷盘/内盒标签:尺寸由5030mm升级至**8040mm**,信息展示更清晰。外箱标签:尺寸统一为8040mm(原7040mm),提升一致性。关键信息新增新增LOT批次编
    大鱼芯城 2025-04-01 15:02 206浏览
  • 引言随着物联网和智能设备的快速发展,语音交互技术逐渐成为提升用户体验的核心功能之一。在此背景下,WT588E02B-8S语音芯片,凭借其创新的远程更新(OTA)功能、灵活定制能力及高集成度设计,成为智能设备语音方案的优选。本文将从技术特性、远程更新机制及典型应用场景三方面,解析该芯片的技术优势与实际应用价值。一、WT588E02B-8S语音芯片的核心技术特性高性能硬件架构WT588E02B-8S采用16位DSP内核,内部振荡频率达32MHz,支持16位PWM/DAC输出,可直接驱动8Ω/0.5W
    广州唯创电子 2025-04-01 08:38 169浏览
  • 引言在语音芯片设计中,输出电路的设计直接影响音频质量与系统稳定性。WT588系列语音芯片(如WT588F02B、WT588F02A/04A/08A等),因其高集成度与灵活性被广泛应用于智能设备。然而,不同型号在硬件设计上存在关键差异,尤其是DAC加功放输出电路的配置要求。本文将从硬件架构、电路设计要点及选型建议三方面,解析WT588F02B与F02A/04A/08A的核心区别,帮助开发者高效完成产品设计。一、核心硬件差异对比WT588F02B与F02A/04A/08A系列芯片均支持PWM直推喇叭
    广州唯创电子 2025-04-01 08:53 199浏览
  •        在“软件定义汽车”的时代浪潮下,车载软件的重要性日益凸显,软件在整车成本中的比重逐步攀升,已成为汽车智能化、网联化、电动化发展的核心驱动力。车载软件的质量直接关系到车辆的安全性、可靠性以及用户体验,因此,构建一套科学、严谨、高效的车载软件研发流程,确保软件质量的稳定性和可控性,已成为行业共识和迫切需求。       作为汽车电子系统领域的杰出企业,经纬恒润深刻理解车载软件研发的复杂性和挑战性,致力于为O
    经纬恒润 2025-03-31 16:48 95浏览
  • 退火炉,作为热处理设备的一种,广泛应用于各种金属材料的退火处理。那么,退火炉究竟是干嘛用的呢?一、退火炉的主要用途退火炉主要用于金属材料(如钢、铁、铜等)的热处理,通过退火工艺改善材料的机械性能,消除内应力和组织缺陷,提高材料的塑性和韧性。退火过程中,材料被加热到一定温度后保持一段时间,然后以适当的速度冷却,以达到改善材料性能的目的。二、退火炉的工作原理退火炉通过电热元件(如电阻丝、硅碳棒等)或燃气燃烧器加热炉膛,使炉内温度达到所需的退火温度。在退火过程中,炉内的温度、加热速度和冷却速度都可以根
    锦正茂科技 2025-04-02 10:13 78浏览
  • 文/Leon编辑/cc孙聪颖‍步入 2025 年,国家进一步加大促消费、扩内需的政策力度,家电国补政策将持续贯穿全年。这一利好举措,为行业发展注入强劲的增长动力。(详情见:2025:消费提振要靠国补还是“看不见的手”?)但与此同时,也对家电企业在战略规划、产品打造以及市场营销等多个维度,提出了更为严苛的要求。在刚刚落幕的中国家电及消费电子博览会(AWE)上,家电行业的竞争呈现出胶着的态势,各大品牌为在激烈的市场竞争中脱颖而出,纷纷加大产品研发投入,积极推出新产品,试图提升产品附加值与市场竞争力。
    华尔街科技眼 2025-04-01 19:49 216浏览
  • 提到“质量”这两个字,我们不会忘记那些奠定基础的大师们:休哈特、戴明、朱兰、克劳士比、费根堡姆、石川馨、田口玄一……正是他们的思想和实践,构筑了现代质量管理的核心体系,也深远影响了无数企业和管理者。今天,就让我们一同致敬这些质量管理的先驱!(最近流行『吉卜力风格』AI插图,我们也来玩玩用『吉卜力风格』重绘质量大师画象)1. 休哈特:统计质量控制的奠基者沃尔特·A·休哈特,美国工程师、统计学家,被誉为“统计质量控制之父”。1924年,他提出世界上第一张控制图,并于1931年出版《产品制造质量的经济
    优思学院 2025-04-01 14:02 152浏览
  • 文/郭楚妤编辑/cc孙聪颖‍不久前,中国发展高层论坛 2025 年年会(CDF)刚刚落下帷幕。本次年会围绕 “全面释放发展动能,共促全球经济稳定增长” 这一主题,吸引了全球各界目光,众多重磅嘉宾的出席与发言成为舆论焦点。其中,韩国三星集团会长李在镕时隔两年的访华之行,更是引发广泛热议。一直以来,李在镕给外界的印象是不苟言笑。然而,在论坛开幕前一天,李在镕却意外打破固有形象。3 月 22 日,李在镕与高通公司总裁安蒙一同现身北京小米汽车工厂。小米方面极为重视此次会面,CEO 雷军亲自接待,小米副董
    华尔街科技眼 2025-04-01 19:39 225浏览
  • 在智能交互设备快速发展的今天,语音芯片作为人机交互的核心组件,其性能直接影响用户体验与产品竞争力。WT588F02B-8S语音芯片,凭借其静态功耗<5μA的卓越低功耗特性,成为物联网、智能家居、工业自动化等领域的理想选择,为设备赋予“听得懂、说得清”的智能化能力。一、核心优势:低功耗与高性能的完美结合超低待机功耗WT588F02B-8S在休眠模式下待机电流仅为5μA以下,显著延长了电池供电设备的续航能力。例如,在电子锁、气体检测仪等需长期待机的场景中,用户无需频繁更换电池,降低了维护成本。灵活的
    广州唯创电子 2025-04-02 08:34 159浏览
  • REACH和RoHS欧盟两项重要的环保法规有什么区别?适用范围有哪些?如何办理?REACH和RoHS是欧盟两项重要的环保法规,主要区别如下:一、核心定义与目标RoHS全称为《关于限制在电子电器设备中使用某些有害成分的指令》,旨在限制电子电器产品中的铅(Pb)、汞(Hg)、镉(Cd)、六价铬(Cr6+)、多溴联苯(PBBs)和多溴二苯醚(PBDEs)共6种物质,通过限制特定材料使用保障健康和环境安全REACH全称为《化学品的注册、评估、授权和限制》,覆盖欧盟市场所有化学品(食品和药品除外),通过登
    张工13144450251 2025-03-31 21:18 151浏览
  • 职场之路并非一帆风顺,从初入职场的新人成长为团队中不可或缺的骨干,背后需要经历一系列内在的蜕变。许多人误以为只需努力工作便能顺利晋升,其实核心在于思维方式的更新。走出舒适区、打破旧有框架,正是让自己与众不同的重要法宝。在这条道路上,你不只需要扎实的技能,更需要敏锐的观察力、不断自省的精神和前瞻的格局。今天,就来聊聊那改变命运的三大思维转变,让你在职场上稳步前行。工作初期,总会遇到各式各样的难题。最初,我们习惯于围绕手头任务来制定计划,专注于眼前的目标。然而,职场的竞争从来不是单打独斗,而是团队协
    优思学院 2025-04-01 17:29 208浏览
  • 随着汽车向智能化、场景化加速演进,智能座舱已成为人车交互的核心承载。从驾驶员注意力监测到儿童遗留检测,从乘员识别到安全带状态判断,座舱内的每一次行为都蕴含着巨大的安全与体验价值。然而,这些感知系统要在多样驾驶行为、复杂座舱布局和极端光照条件下持续稳定运行,传统的真实数据采集方式已难以支撑其开发迭代需求。智能座舱的技术演进,正由“采集驱动”转向“仿真驱动”。一、智能座舱仿真的挑战与突破图1:座舱实例图智能座舱中的AI系统,不仅需要理解驾驶员的行为和状态,还要同时感知乘员、儿童、宠物乃至环境中的潜在
    康谋 2025-04-02 10:23 110浏览
  • 北京贞光科技有限公司作为紫光同芯授权代理商,专注于为客户提供车规级安全芯片的硬件供应与软件SDK一站式解决方案,同时配备专业技术团队,为选型及定制需求提供现场指导与支持。随着新能源汽车渗透率突破40%(中汽协2024数据),智能驾驶向L3+快速演进,车规级MCU正迎来技术范式变革。作为汽车电子系统的"神经中枢",通过AEC-Q100 Grade 1认证的MCU芯片需在-40℃~150℃极端温度下保持μs级响应精度,同时满足ISO 26262 ASIL-D功能安全要求。在集中式
    贞光科技 2025-04-02 14:50 136浏览
我要评论
0
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦