具身智能机器人操作系统与应用技术_OS2ATC年会v5.pdf

1、牛建伟北京航空航天大学具身智能机器人操作系统与应用技术2025年4月3日OS2ATC 2025 具身智能机器人的特质 具身智能机器人的技术路径 具身智能机器人的本体基础目录目录 具身智能机器人未来应用展望机器人技术的发展3早期发明（1950s-1970s）美国发明家乔治德沃尔设计并申请专利了第一台可编程的工业机械臂Unimate初步发展（1970s-2000s）机器人逐渐被应用于工业生产中执行预设任务，主要体现自动化，智能化程度较低。环境探索（2000s-2015s）美国NASA的探测机器人“勇气号”和“机遇号”成功登陆火星，展示了环境适应能力的进步。垂直应用（2015-现在）能够在运输、餐饮

2、、医疗等领域提供相对灵活的自主服务。智能机器人（未来-）大模型技术的发展可以帮助机器人发展通用智能，在不同的场景中完成各种类型的任务。当代应用机器人4工业机器人已经相对成熟，人们开始探索更多场景、更智能的机器人4HARBIN INSTITUTEOFTECHNOLOGY医疗微创机器人商业清洁机器人物流运输机器人送餐机器人 宾馆服务机器人更好的自主性：应对的场景和任务更复杂，涉及多机器人协调机器人关键技术：机器人智能（机器人的大脑）思考：智能机器人应该具备的特质6HARBIN INSTITUTEOFTECHNOLOGY特性人类自动化机器人智能化机器人智能水平自然智能，情感与创造力预编程，固定任务A

3、I驱动，自主学习与决策适应性适应性极强，灵活应对变化适应性差，仅限特定场景适应复杂环境，动态调整决策能力逻辑、经验、情感综合决策执行预设流程，无决策能力基于概率模型的数据分析，自主决策互动能力语言、情感、文化交流强简单指令或按钮交互自然交流，理解语境自主性完全自主，灵活应对挑战低自主性，依赖外部控制高度自主，独立完成任务自主+通用具身智能机器人：为机器立心，为智能立身离身智能(Disembodied AI)/电脑智能/互联网智能：LLM，精通听说读写只能从人类给出的图像、视频或文本数据中学习：1.用于建立数据到标签的映射。2.缺乏与环境交互学习的能力，缺乏对环境的主动适应性和探索性。3.无法在

4、驱动机器人实体完成特定任务。具 身 智 能(EmbodiedAI)：ALM（Action Large-scale Model）强调感知-动作回路(perception-action loop)：1.使用物理实体来感知和建模环境。2.根据任务目标和实体能力进行规划和决策，3.使用实体的运动能力来完成任务。4.任务的完成结果将作为反馈进一步优化策略。为什么需要具身智能8 LLM有效助力了人类听说读写的能力（language），效率提高了2-5数量级。思考呢？目前还不能完全替代人类，所以还是辅助人类 具身智能大模型将解决人类的动作（action），是辅助人类提高工作效率还是替代？具身智能技术将会深刻

5、改变人类社会的生活和工作方式当今世界的人工智能：敏于言而纳于行AIRobotics智能形体数字空间物理世界为什么具身智能大模型研究难度更大？计算复杂度：LLM VS.ALM LLM本质上是一个二维模型 常见的语言：英语常用单词 5000-6000个，中文常用字4000-5000字 10000字的文章：600010000 ALM本质上是一个更高纬模型 人形机器人 100自由度 每一个自由度包括旋转的角度、角速度、角加速度，每一个值理论都是一个实数（但计算机都量化为有限个状态，精度已足够）三维物理世界*300 LLM可用的训练数据：240TB ALM可用的训练数据呢？具身智能机器人的技术路径人工智

6、能技术赋能具身机器人11 常见应用：语音识别、语音生成、自然语言处理、机器翻译、文本编辑器或自动更正、内容推荐、聊天机器人、数字助理、社交媒体、自动驾驶、计算机视觉（情感识别、目标检测、图像修复等）智能体（Agent）被定义为能够根据环境感知自主地采取行动以实现特定目标的实体。利用人工智能中的各种技术来实现自主决策和行动。多智能体直接的博弈和协作可能会产生意识（大脑海马体）。大语言模型（LLM）生成式AI（Gen AI）深度学习（DL）神经网络（NN）人工智能（AI）智能机器人工作基本原理行动大模型（ALM）大模型的思考方式LLM完全依赖于深度神经网络架构，通过训练学习知识，具备一定的智能。1