意見領(lǐng)袖丨劉玉書

　　在人工智能的世界里，一個(gè)新興的概念正逐漸吸引越來越多的目光，那就是“具身智能”。這個(gè)詞聽起來有些復(fù)雜，但其實(shí)它的核心思想非常簡單：具身智能指的是通過身體的動(dòng)作和感官的體驗(yàn)來幫助智能體（比如機(jī)器人）理解世界并做出決策。也就是說，具身智能不僅僅依靠算法的運(yùn)算來做決策，還要通過與外界的互動(dòng)來感知環(huán)境并作出反應(yīng)。

　　具身智能具有巨大的發(fā)展?jié)摿Γ壳熬呱碇悄苷媾R三大挑戰(zhàn)，這些挑戰(zhàn)使它在實(shí)際應(yīng)用中還顯得有些“不夠好用”。

　　1．具身智能面臨三大挑戰(zhàn)

　　一是感知與多模態(tài)融合的挑戰(zhàn)。想要讓具身智能像人類一樣有效地感知世界，就必須克服一個(gè)難題：如何讓機(jī)器人能夠同時(shí)接收和理解來自不同感官的信息。人類有五種感官——視覺、聽覺、嗅覺、味覺和觸覺。雖然機(jī)器人目前已經(jīng)能夠模擬其中的幾種感知，但要將這些感知信息融合在一起，使其能夠全面地理解環(huán)境，還面臨著巨大的挑戰(zhàn)。

　　以視覺和觸覺為例，當(dāng)前的機(jī)器人能夠通過攝像頭識(shí)別物體，但它們很難像人類一樣在看到物體時(shí)，能夠同時(shí)“感覺”到物體的質(zhì)地和溫度。為了讓具身智能更好地理解世界，必須將視覺、聽覺、觸覺等多模態(tài)的信息進(jìn)行有效融合。這不僅需要強(qiáng)大的硬件支持，還需要先進(jìn)的軟件算法來處理和解析這些信息。

　　例如，當(dāng)機(jī)器人需要搬運(yùn)一個(gè)物體時(shí)，它不僅需要“看到”物體的大小和形狀，還需要“感覺”物體的重量、質(zhì)地、甚至溫度，從而判斷如何以最優(yōu)的方式去抓取和移動(dòng)它。這種跨模態(tài)的數(shù)據(jù)融合技術(shù)，仍然是目前具身智能面臨的一大難題。

　　二是動(dòng)作控制與物理交互的復(fù)雜性。除了感知，具身智能的另一個(gè)巨大挑戰(zhàn)是如何在復(fù)雜的物理環(huán)境中進(jìn)行有效的動(dòng)作控制。相比于虛擬環(huán)境中的簡單操作，現(xiàn)實(shí)世界中的物理交互更加復(fù)雜多變。機(jī)器人如何在不斷變化的環(huán)境中進(jìn)行精準(zhǔn)的動(dòng)作控制？如何在不小心碰到物體時(shí)，能夠快速調(diào)整姿態(tài)并恢復(fù)平衡？這些問題都是具身智能在現(xiàn)實(shí)世界中面臨的關(guān)鍵難題。

　　舉個(gè)例子，想象一下一個(gè)機(jī)器人正在搬運(yùn)一箱玻璃杯。如果它的動(dòng)作稍微不小心，玻璃杯就可能破裂。因此，機(jī)器人不僅要精準(zhǔn)地計(jì)算力量和角度，還要具備一定的自我修正能力，能夠在遇到意外時(shí)進(jìn)行調(diào)整。這種高度復(fù)雜的物理交互，不僅需要機(jī)器人具備強(qiáng)大的感知能力，還需要能夠?qū)崟r(shí)計(jì)算和調(diào)整動(dòng)作的能力。

　　目前，盡管一些機(jī)器人已經(jīng)能夠在簡單的環(huán)境中完成基本任務(wù)，但在更復(fù)雜的物理環(huán)境中，它們?nèi)匀幻媾R著較大的挑戰(zhàn)。如何在動(dòng)態(tài)的環(huán)境中進(jìn)行動(dòng)作控制，如何保證機(jī)器人在執(zhí)行任務(wù)時(shí)的穩(wěn)定性和精確性，是目前具身智能技術(shù)所急需解決的問題。

　　三是數(shù)據(jù)與學(xué)習(xí)的泛化瓶頸。另一個(gè)制約具身智能發(fā)展的瓶頸是“泛化能力”的問題。當(dāng)前的機(jī)器學(xué)習(xí)模型通常是在特定的數(shù)據(jù)集上訓(xùn)練的，因此它們對(duì)特定任務(wù)的表現(xiàn)非常出色。然而，一旦面對(duì)新的、未曾見過的情況，這些模型往往無法做出合理的判斷。

　　例如，如果一個(gè)機(jī)器人在訓(xùn)練過程中只見過一個(gè)固定大小的物體，它可能會(huì)非常熟練地搬運(yùn)這個(gè)物體。但如果物體的大小、形狀、重量等發(fā)生了變化，機(jī)器人可能就無法適應(yīng)。雖然大模型的發(fā)展，目前這個(gè)問題得到了改善，但與人的“具身智能”相比，依然還有很大的差距。換句話說，具身智能系統(tǒng)缺乏足夠的泛化能力，這意味著它們只能在特定環(huán)境下執(zhí)行任務(wù)，而無法應(yīng)對(duì)更加多樣和復(fù)雜的情況。因此，如何讓具身智能系統(tǒng)具備更強(qiáng)的泛化能力，能夠在不同環(huán)境和不同任務(wù)中都能夠表現(xiàn)出色，仍然是一個(gè)亟待解決的問題。

　　2． 好玩是具身智能發(fā)展的關(guān)鍵

　　盡管具身智能面臨著如此多的技術(shù)難題，但在我看來，真正能夠推動(dòng)具身智能發(fā)展的，不僅僅是解決這些技術(shù)問題，更重要的是讓具身智能變得“好玩”。為什么說“好玩”比“好用”更重要呢？

　　從歷史經(jīng)驗(yàn)來看，許多技術(shù)的突破往往源于一種游戲化的體驗(yàn)。比如，虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）技術(shù)，最初發(fā)展的巨大動(dòng)力是為了娛樂和體驗(yàn)。正是因?yàn)檫@些技術(shù)具有很強(qiáng)的互動(dòng)性和沉浸感，它們才能迅速吸引大量用戶，并推動(dòng)技術(shù)的發(fā)展。

　　同樣的道理，具身智能的真正突破也可以從“好玩”開始。我們可以通過創(chuàng)造更加有趣和互動(dòng)的體驗(yàn)，讓用戶參與其中，從而收集更多的數(shù)據(jù)、反饋和改進(jìn)意見。例如，虛擬現(xiàn)實(shí)中的動(dòng)作控制就為具身智能提供了一個(gè)理想的實(shí)驗(yàn)平臺(tái)。在VR游戲中，玩家需要通過手柄或身體動(dòng)作來與虛擬環(huán)境互動(dòng)，這種互動(dòng)不僅讓玩家體驗(yàn)到樂趣，也為研究者提供了大量的真實(shí)數(shù)據(jù)，幫助他們改進(jìn)機(jī)器人在現(xiàn)實(shí)世界中的動(dòng)作控制能力。

　　此外，具身智能在娛樂、教育、健康等領(lǐng)域的應(yīng)用，也能夠帶來更多“好玩”的體驗(yàn)。比如，開發(fā)出可以陪伴孩子一起玩的教育機(jī)器人，或是可以幫助老年人進(jìn)行康復(fù)訓(xùn)練的智能助手。這些有趣的應(yīng)用，不僅能夠吸引更多的用戶，還能幫助我們更好地理解具身智能的實(shí)際應(yīng)用。

　　3． 未來的具身智能：讓“玩”成為創(chuàng)新的源泉

　　“好玩”不僅僅是一個(gè)消費(fèi)層面的需求，它也可以成為技術(shù)創(chuàng)新的源泉。通過讓具身智能變得更加有趣，我們可以激發(fā)更多的創(chuàng)造力和創(chuàng)新思維，從而推動(dòng)技術(shù)的不斷進(jìn)步。

　　未來，具身智能將不再只是冷冰冰的機(jī)器，而是一個(gè)可以與我們互動(dòng)、學(xué)習(xí)和成長的伙伴。無論是在家里還是在工作中，具身智能都能夠通過感知、動(dòng)作和學(xué)習(xí)，幫助我們完成任務(wù)、解決問題，甚至是帶來更多的樂趣和創(chuàng)意。

　　總之，讓具身智能更好玩，這不僅是技術(shù)發(fā)展的方向，更是它實(shí)現(xiàn)“好用”的必經(jīng)之路。通過讓具身智能更具互動(dòng)性和趣味性，我們不僅能夠吸引更多人參與其中，還能夠推動(dòng)技術(shù)不斷進(jìn)步，最終讓具身智能真正成為改變生活的重要工具。

　　(本文作者介紹：中關(guān)村軟件和信息服務(wù)產(chǎn)業(yè)創(chuàng)新聯(lián)盟副秘書長)