具身智能走进现实，还要攻克哪些技术难关？

  机器人打乒乓球、搬运货物、在流水线上精准操作零件……这些画面已经不再是科幻电影的专属。今天，具身智能正以肉眼可见的速度从实验室走向现实。

  但另一面是：许多机器人走一段路就发热停机；灵巧手做不了扣纽扣这种精细动作；一旦让它执行超过十几步的连续任务，系统就开始出错。

  在热潮与振奋之外，有一些真实的挑战需要被看清楚。

  挑战一：数据，具身智能的“粮荒”

  数据，是现代AI的根基。大语言模型依赖海量文本训练，图像识别模型依赖海量图像标注。但具身智能所需要的数据，远比这两者更难获取。

  具身智能需要的是“具身数据”——机器人在真实物理环境中与世界交互的过程记录：手部的力度变化、摄像头捕捉的三维空间信息、每一步动作与结果之间的对应关系。这类数据无法从互联网上简单下载，每一条都需要通过真实的机器人操作来采集，成本极高。

  现有的高质量机器人操作数据集，与训练大语言模型所用的文本数据相比，规模仍相差数个数量级。如何高效采集、合理利用人类示范数据，以及通过仿真平台生成高质量合成数据，是具身智能数据问题的三条主要出路，但每条路都仍在攻关之中。

  挑战二：环境认知——真实世界太“乱”

  实验室里的机器人往往表现优秀：环境干净、光线稳定、物体摆放可预期。但真实世界是截然不同的，光线随时间变化，物品被随意移动，地面高低不平，人群拥挤嘈杂。

  具身智能面临的环境认知挑战，主要体现在三类场景：

  不确定性复杂场景：外部条件的随机变化，可能使训练好的模型在部署后完全失效。一扇突然打开的门、一个突然出现的儿童，都可能成为“超出分布”的意外输入。

  非结构化环境：工厂的流水线是高度结构化的，但家庭、医院、户外场所是非结构化的，没有固定规则，物体形态千变万化，机器人需要更强的泛化能力才能应对。

  未知场景的迁移：一个在某一环境中训练好的模型，到了新环境往往需要重新适应，甚至重新训练。如何让具身智能真正具备“举一反三”的能力，是根本性难题。

  挑战三：决策规划——长任务会“崩溃”

  “把冰箱里的苹果拿出来放到桌上”，这个任务对人类是举手之劳，但对机器人却意味着：找到冰箱→判断门的位置→拉开门（手部力度控制）→扫描内部→识别苹果→伸手抓取（避开其他物品）→取出→关门→找到桌子→放下。十几个子任务，任意一步出错，整体就会失败。

  目前的大模型在处理长序列任务时，往往会出现“累积误差”，前期的小偏差在后续步骤中不断放大，最终导致任务失败。如何让机器人在漫长的任务执行过程中保持稳定，维持上下文理解而不“崩溃”，是当前具身智能的核心技术瓶颈之一。

  此外，自主因果关系的发现（机器人能否理解“推这个会导致那个倒”这类物理因果逻辑）、不只是执行模式匹配以及持续学习能力的开发，也是决策规划层面亟待突破的方向。

  挑战四：高效执行——硬件跟不上智能

  即便AI算法足够聪明，物理层面的执行效率仍然是瓶颈。

  驱动系统：现有电机和驱动器在能量密度、响应速度、小型化方面还有较大提升空间。许多机器人运行一段时间后就发热明显，续航也成问题。更高能量密度、更小型精密、刚柔结合的新型驱动系统，是执行层的迫切需求。

  灵巧手：人类手指能轻松完成扣纽扣、穿针引线、捏鸡蛋等极精细的动作，这些动作要求在毫米级的空间内进行毫牛顿级的力控操作。目前的机器人灵巧手，在这类精细操作上仍有相当大的差距。如何设计更接近人手自由度和感知精度的仿生结构，是硬件领域的重要攻关方向。

  挑战五：其他系统性问题

  除了以上四类核心挑战，具身智能在走向大规模应用的过程中，还面临一系列系统性问题：

  评估基准：如何公正、全面地衡量一个具身智能系统的能力，目前仍缺乏统一的测试标准，使得不同系统之间的横向比较困难。

  系统安全：在工厂、医院、家庭等与人密切接触的场景中，具身智能系统的可靠性和安全性必须达到极高标准。因为一次抓取力度失控或路径规划失误，都可能造成人身伤害。

  集群控制：未来大量机器人协同工作的场景，需要高效的多机调度和协作机制，这既是技术问题，也是系统架构问题。

  人机协同：如何让机器人真正理解人类意图、以自然的方式与人合作，而不只是执行指令，是具身智能走进日常生活的关键一环。

  在热潮中保持清醒

  当下，具身智能正处于一个令人兴奋的快速发展期：大模型赋予了机器人前所未有的语义理解能力，传感器技术的进步让感知更加精细，仿真平台的完善降低了训练成本。

  然而，从实验室演示到真实场景的大规模部署，这中间仍有相当的距离。数据的匮乏、环境的复杂、任务的连贯性、硬件的局限，每一项都需要长期的、耐心的、跨学科的硬核攻关。

  正视挑战，才是具身智能加速突破、走向通用化应用的起点。

  本文系浙江大学教授、博士生导师、浙江大学具身智能感知与控制实验室（ZEAL Lab）负责人、中国仪器仪表学会科普专家、浙江省仪器仪表学会监事长侯迪波在“智感世界·仪创未来”系列科普直播之从感知到控制：读懂具身智能新科技的主题分享，光明网记者肖春芳整理