加快人工智能等數(shù)智技術創(chuàng)新，突破基礎理論和核心技術，強化算力、算法、數(shù)據(jù)等高效供給。

——摘自“十五五”規(guī)劃建議

今年的一次實驗，讓實驗室所有人都屏息凝視：當玻璃瓶被仿生雙臂機器人穩(wěn)穩(wěn)放置在醫(yī)藥光譜檢測儀上時，團隊成員長舒了一口氣。仿生雙臂機器人首次自主完成樣本轉移，這個看似簡單的任務，卻要求它像人一樣感知、推理、執(zhí)行。具體來說，需要通過多模態(tài)系統(tǒng)識別目標，依靠大模型規(guī)劃路徑，用仿生靈巧手精準抓取，實時協(xié)調雙臂避免碰撞。這一刻，“大模型賦能具身智能”從概念變?yōu)楝F(xiàn)實，機器人具備了自主決策能力。

回顧研發(fā)過程，團隊先是深耕機器視覺，讓工業(yè)設備“看得準”，后又自主研發(fā)醫(yī)藥光譜快速檢測儀器，實現(xiàn)“測得精”。然而，這些系統(tǒng)相互獨立，如何將它們串聯(lián)起來成為亟須解決的難題。近年來，我們攻克了將靈活的“機器人身體”與精密的“分析儀器大腦”結合的難題，并引入大模型作為智能中樞，實現(xiàn)全流程自主化，突破了“仿生驅動的一體化輕量化設計”與“大模型驅動的分層決策控制”兩項前沿技術。

“仿生驅動的一體化輕量化設計”是我們首先要攻克的技術難題。實驗室空間有限，而且需要長時間精密操作，傳統(tǒng)機械臂因自重大、慣性強而難以勝任。我們借鑒人體肌肉—骨骼協(xié)同機制構建模型，提出單關節(jié)集成驅動、傳感與控制的模塊化方案。同時優(yōu)化材料分布，使整機重量大幅減輕，在提升響應速度的同時，實現(xiàn)毫米級的抓取精度。

解決了機器人“身體”的靈活性，如何賦予“大腦”智能決策能力成為下一個挑戰(zhàn)。我們提出大模型驅動的分層決策控制策略，構建“理解—規(guī)劃—控制”閉環(huán)。初期測試中，機器人常因規(guī)劃路徑不合理導致碰撞。我們創(chuàng)新構建了“物理反饋學習”機制，自動記錄碰撞點坐標、抓取力度等關鍵參數(shù)，將這些“失敗經(jīng)驗”轉化為訓練數(shù)據(jù)反饋給大模型，使其不斷修正認知，提升了成功率。

展望“十五五”，我們的目標很清晰。一是在仿生一體化結構上持續(xù)突破，引入軟體材料與剛柔耦合設計；二是深化大模型與具身智能的融合，攻克長時序任務規(guī)劃、多模態(tài)實時決策能力；三是構建“大模型—仿生本體—精密儀器”的智能系統(tǒng)示范，形成適用于實驗室自動化、精密作業(yè)等場景的通用解決方案。

（作者為湖南大學人工智能與機器人學院院長，本報記者孫超采訪整理）

如何讓機器人更智能

具身智能是讓機器人在物理世界中像人一樣感知、思考與行動的前沿技術。與傳統(tǒng)工業(yè)機器人只能執(zhí)行預設程序不同，具身智能系統(tǒng)需要“看得見、想得通、做得準”，這要求仿生結構設計與大模型決策能力深度融合。仿生結構為機器人提供靈活的“身體”，大模型賦予機器人智慧的“大腦”，兩者缺一不可。

人體的骨骼和肌肉能夠協(xié)同工作，如何用機械結構模擬這種復雜協(xié)同，需要在材料科學、拓撲優(yōu)化等多領域取得突破。其次是大模型的理解難題。盡管大模型能流暢對話，但它對物理世界的理解仍停留在文字層面。如何讓大模型通過真實環(huán)境交互學會物理規(guī)律，是當前的核心挑戰(zhàn)。面對這些難題，湖南大學機器人視覺感知與控制技術國家工程研究中心組建了跨學科團隊，共同攻關，不斷推動具身智能走向更廣闊的應用場景。

（本報記者孫超整理）