具身智能发展遇瓶颈？MIT教授：关键在双手

近期，时代基金会与麻省理工学院（MIT）在中国台湾地区联合举办年会，聚焦半导体、医疗及人工智能等重塑全球竞争力的核心技术。在生成式人工智能迅猛发展的当下，大语言模型和视觉语言模型已深刻改变了传统工作模式。然而，具身智能（Physical AI）整体依然处于发展初期。

针对具身智能这一备受瞩目的领域，MIT电气工程与计算机科学专家、Eka Robotics联合创始人Pulkit Agrawal，以及英伟达（NVIDIA）机器人产品线经理黄胜斌在公开场合均指出，当前人形机器人面临的最大技术障碍并非下肢行走，而是上肢的“双手”操作。尽管市面上已有众多能够完成奔跑、舞蹈等高难度动作的人形机器人，但在具备实际商业价值的精细操作方面，行业公开的技术突破依然有限。

Pulkit Agrawal分析称，相较于大语言模型的快速迭代，具身智能的落地难度更为复杂。虽然视觉语言模型已能帮助机器人解析人类指令并拆解任务，但真正的难点在于具体动作的执行。目前，大多数机器人系统主要依赖“位置智能”（Position Intelligence），即通过摄像头识别目标位置并规划运动轨迹。为了避免碰撞和设备损坏，系统必须保持较低的运行速度，这导致机器人普遍缺乏足够的泛化能力和物理交互能力。

为突破上述瓶颈，Pulkit Agrawal提出了“力量智能”（Force Intelligence）理念。他认为，人类在执行任务时并非单纯依赖视觉，而是通过接触物体并利用触觉和力反馈来实时纠正偏差。因此，未来的控制架构应将力量与接触作为核心感知来源。无论是抓取物品还是与人交互，机器人都需要根据阻力、接触力等触觉信息动态调整动作，而不是仅仅依靠位置数据。这一思维转变被视为具身智能下一阶段发展的关键。

除了控制架构的升级，训练数据的获取方式也亟待优化。目前，通过人类在线遥控来收集示范数据的成本极其高昂。据估算，若要积累媲美GPT-4规模的训练数据，可能需要投入数十亿甚至上百亿美元（约合人民币68.04亿至680.37亿元）。为此，Pulkit Agrawal的研究团队转向采用仿真环境结合强化学习的方法，让机器人在虚拟场景中通过不断试错来积累经验，随后将模型部署到物理世界。目前，该技术路线已在四足机器人冰面奔跑测试中得到验证。

鉴于手部操作涉及高频控制、力反馈及高分辨率触觉感知，其技术门槛远超步态控制。目前，该团队正致力于开发集成了柔顺控制、高分辨率触觉传感和力反馈功能的新型机械手，旨在通过软硬件协同设计，构建更契合具身智能发展需求的新一代硬件平台。

注：按1美元≈6.80人民币计算