加快人工智能等数字智能技术创新，突破基础理论和核心技术，强化算力、算法、数据等高效供给——摘自“十五五”规划建议 今年的实验让实验室里的所有人都喘不过气来。当双臂仿生机器人平稳地将小瓶放入医用光谱探测器时，团队成员松了一口气。双臂仿生机器人首次自主完成样本转移。这个看似简单的任务需要我们像人类一样感知、推理和行动。具体来说，你必须通过多模态系统识别目标，依靠大型模型规划路径，并利用灵巧的仿生手实时精确抓取和调整手臂以避免碰撞。如今，“增加身体智能的大模型”已经从概念走向现实，机器人具有自主决策的能力。回顾研发历程，团队首先专注于机器视觉，让工业设备能够精准看到，随后自主研发了高速医疗光谱检测设备，实现精准测量。然而，这些系统各自独立，如何将它们串联起来成为一个紧迫的问题。近年来，我们攻克了柔性“机器人躯体”与精密“分析仪器大脑”相结合的挑战，引入了智能中心等大型模型，实现了全流程自主化，并超越了“仿生驱动集成轻量化设计”和“大规模模型驱动的分层决策控制”两项前沿技术。“生物动力集成轻量化设计”是我们要攻克的第一个技术挑战。实验室空间有限，精确工作需要很多时间。传统机械臂失败由于它们的重量很重，惯性很大。我们借鉴人体肌肉和骨骼的协同机制建立模型，并提出集成单个关节的驱动、传感和控制的模块化解决方案。同时，通过优化材料分布，我们能够显着减轻机器的总重量，并将响应速度和抓握精度提高到毫米级。解决了机器人“身体”的灵活性问题后，接下来的挑战就是如何赋予“大脑”智能决策的能力。基于大规模模型的大量电力架构构建闭环理解-规划控制。在最初的测试中，机器人经常因为规划的轨迹不合理而崩溃。我们创新性地构建了“物理反馈学习”机制，自动记录碰撞点坐标、握力等重要参数。通过将这些“失败把“经验”转化为学习数据，反馈到大规模模型中，不断修正认知，提高成功率。我们“十五五”的目标很明确。一是通过引入软质材料、刚柔关节设计，继续推进集成仿生结构。二是深化大规模模型与嵌入式智能的融合，克服我的长期规划和多模态实时决策能力。三是构建仿生智能系统示范。 《大模型-仿生本体-精密仪器》形成适用于实验室自动化、精密作业等场景的通用解决方案（湖南大学人工智能与机器人系主任、本刊记者孙超编译） ■延伸阅读 让机器人变得更聪明 具身智能是一项前沿技术，可以让机器人变得更聪明。机器人在现实世界中像人类一样感知、思考和行动。与只能执行预设程序的传统工业机器人不同，嵌入式智能系统需要将解剖设计和决策能力深度集成到大规模模型中，才能“准确地看到、理解和执行”。仿生结构赋予机器人灵活的“身体”，大模型赋予机器人智能的“大脑”，两者缺一不可。人体的骨骼和肌肉协同工作。如何使用机械结构来模拟这种复杂的协作需要许多领域的进步，例如材料科学和拓扑优化。二是了解大模型的问题。大型模型可以流畅地交流，但它们对物理世界的理解仍然停留在文本层面。如今的一个核心挑战是如何让大型模型通过与真实环境的交互来学习物理定律。面对w针对这些问题，湖南大学机器人视觉感知与控制技术国家工程研究中心组建了跨学科团队，通力合作，共同推动嵌入式智能在更广泛的应用场景中不断进步。 （撰文：记者 孙超）人民日报（2025年11月14日第6版）
