回顾 | 王鹤主讲“北京大学博雅人工智能讲堂”第十五期“大模型赋能的人形机器人”

讲座伊始，王鹤回顾了人形机器人发展的三个时代——以日本本田 ASIMO 和波士顿动力 Atlas 为代表的雏形时代、以强化学习技术为核心的宇树等为代表的运动时代，以及以特斯拉和银河通用为代表、正在到来的生产力时代。他以今年春晚机器人舞蹈和特斯拉机器人拾取放置电池等为例，指出 AI 赋能的机器人目前已初步实现在复杂环境下稳定运动以及一定范围内泛化操作的能力。他强调，真正具有产业价值的机器人必须具备视觉闭环反馈与动作控制协调能力，以实现实时、自主的复杂任务操作。

在训练机器人的数据与范式方面，王鹤指出，“合成仿真数据+少量真实数据”训练范式能有效降低数据采集及训练成本，是当前大模型赋能的机器人训练的重要方法。他详细介绍了银河通用研发的全球首个完全基于合成数据预训练的具身大模型 GraspVLA，该模型在视觉、语言和动作三大层面展现出显著的泛化能力。王鹤还展示了机器人在实际工作场景中的应用案例，包括24小时无人药店自动售药、工厂货品分拣搬运及复杂环境下碎玻璃自主清理等，展示了人形机器人的实际商用潜力。

在交流环节，王鹤同师生围绕算力限制下的人形机器人发展趋势、机器人在实际场景中的落地路径与应用前景、具身智能的技术挑战及未来研究方向等问题展开讨论，并一一作出回应。

他表明，快速反应的具身大模型对算力要求相对较低，当前国产芯片已初步具备支撑能力；在三至五年的中短期内，人形机器人虽难以达到千万台级的普及规模，但已在工业、物流等领域逐步实现商业部署，并有望在短期内实现万台级的应用。他还强调，当前具身智能尚处于1.0阶段，未来的发展涉及材料、触觉、能耗等多维挑战，期待更多跨学科专业背景的青年力量共同推动通用机器人的发展。