天娛數(shù)科首席數(shù)據(jù)官出席具身智能大會，深度解析具身智能體通用化之路
2025-03-29
今日，第二屆中國具身智能大會（CEAI2025）在北京成功召開。大會吸引了國內(nèi)外科研院所、高校及企業(yè)代表逾千人參與，共同探討具身智能領(lǐng)域的前沿技術(shù)與產(chǎn)業(yè)應(yīng)用。20余場專題論壇，涵蓋大模型與具身智能、人形機(jī)器人、深空探測等前沿領(lǐng)域。天娛數(shù)科首席數(shù)據(jù)官吳邦毅受邀出席此次盛會，圍繞“感知-決策-行動閉環(huán)，具身智能體的通用化之路”核心命題，系統(tǒng)闡釋了具身智能體通用化技術(shù)路徑的創(chuàng)新范式。
演講中，吳邦毅直指行業(yè)痛點(diǎn)：“當(dāng)前階段具身智能產(chǎn)業(yè)還有很多亟待突破的瓶頸，在數(shù)據(jù)獲取、算法開發(fā)、標(biāo)準(zhǔn)認(rèn)證等方面仍存在諸多挑戰(zhàn)。比如在數(shù)據(jù)層面，3D數(shù)據(jù)匱乏且獲取成本高，嚴(yán)重制約了具身智能的深度訓(xùn)練；算法層面，多數(shù)企業(yè)需從0到1獨(dú)立研發(fā)，導(dǎo)致資源浪費(fèi)和效率低下；標(biāo)準(zhǔn)認(rèn)證不統(tǒng)一，硬件接口、通信協(xié)議和數(shù)據(jù)格式等缺乏統(tǒng)一標(biāo)準(zhǔn)，具身智能難以跨本體應(yīng)用等等。”
天娛數(shù)科將具身智能通用AI Agent列為研發(fā)重點(diǎn)，以Behavision命名的AI Agent整合了“算法+數(shù)據(jù)+算力”，致力于打造通用的大腦和小腦開發(fā)平臺。Behavision通過云邊端協(xié)同的創(chuàng)新架構(gòu)，形成了形成完整的智能閉環(huán)。
吳邦毅表示：“通過自建的3D數(shù)據(jù)采集基地，集成高精度動捕系統(tǒng)與光場掃描技術(shù)，天娛數(shù)科已整合120萬組3D場景數(shù)據(jù)、50萬組多模態(tài)數(shù)據(jù)，覆蓋工業(yè)、家庭、醫(yī)療等不同場景，并借助Sim2Real仿真數(shù)據(jù)智能泛化技術(shù)顯著提升數(shù)據(jù)訓(xùn)練效率，實(shí)現(xiàn)多模態(tài)決策與世界模型構(gòu)建。
不止如此，吳邦毅還提到：“由天娛數(shù)科參股公司——專注空間計算及人工智能芯片及產(chǎn)品設(shè)計的高科技企業(yè)芯明開發(fā)的3D雙目立體算法芯片及深度視覺模組，單芯片集成實(shí)時3D立體視覺感知、AI人工智能、SLAM實(shí)時定位建圖等多項功能，具備1毫秒運(yùn)動到顯示延時、3.5TOPS超低功耗、12nm先進(jìn)制程等優(yōu)勢，為機(jī)器人在復(fù)雜環(huán)境下的穩(wěn)定運(yùn)行提供了強(qiáng)大的感知算力支持，為機(jī)器人裝上了‘空間之眼’。”
當(dāng)前，具身智能正經(jīng)歷從“機(jī)械控制”到“認(rèn)知涌現(xiàn)”的質(zhì)變。早期機(jī)器人依賴預(yù)設(shè)程序執(zhí)行單一動作（1.0階段），大模型時代通過模仿學(xué)習(xí)掌握技能（2.0階段），而真正的通用化必須跨越到3.0階段——讓機(jī)器建立對物理世界的因果推理能力。
決策層是具身智能體的“大腦”，決策邏輯本質(zhì)上是對人類經(jīng)驗(yàn)的統(tǒng)計學(xué)習(xí)，天娛數(shù)科提出“云、邊、端”通用AI Agent架構(gòu)，通過多模態(tài)大模型與擴(kuò)散算法的融合，實(shí)現(xiàn)決策層的智能化升級。公司自研的天星基座大模型以及面向3D智能領(lǐng)域的“智者千問”行業(yè)大模型和智慧廣告大模型已通過中央網(wǎng)信辦備案，形成了協(xié)同互驅(qū)、優(yōu)勢疊加的模型矩陣。這些模型結(jié)合先進(jìn)的數(shù)據(jù)訓(xùn)練策略，如Action Chunking with Transformers（ACT）算法，讓機(jī)器人能夠快速學(xué)習(xí)復(fù)雜的動作序列和操作邏輯。
吳邦毅表示：“基于大模型的模仿學(xué)習(xí)技術(shù)正引領(lǐng)人形機(jī)器人進(jìn)入智能化新階段段。通過構(gòu)建多模態(tài)感知系統(tǒng)，機(jī)器人可實(shí)時捕捉人類示范的運(yùn)動軌跡、力量控制等關(guān)鍵參數(shù)，結(jié)合強(qiáng)化學(xué)習(xí)算法自主優(yōu)化動作序列，實(shí)現(xiàn)從觀察到執(zhí)行的端到端能力遷移。”
隨著多模態(tài)大模型與物理引擎的深度耦合，具身智能體將具備更高級別的決策能力，通過實(shí)時環(huán)境語義分割、動作意圖預(yù)測等技術(shù)，不僅能完成指定任務(wù)，更能根據(jù)場景變化自主調(diào)整策略在工業(yè)、醫(yī)療、家居等不同場景中展現(xiàn)出更強(qiáng)的環(huán)境適應(yīng)力。這種認(rèn)知能力的躍升，標(biāo)志著機(jī)器人正從單純的工具型設(shè)備向智能體形態(tài)加速演進(jìn)。
“真正的智能，是在行動閉環(huán)中涌現(xiàn)”。吳邦毅表示在演講中詳細(xì)解析了天娛數(shù)科創(chuàng)新構(gòu)建的云邊端協(xié)同架構(gòu)，通過云端百萬級3D數(shù)據(jù)集與多模態(tài)大模型的深度訓(xùn)練，邊緣側(cè)集成SLAM算法與3D空間計算芯片的實(shí)時決策，以及終端深度視覺模組實(shí)現(xiàn)精準(zhǔn)執(zhí)行，形成三位一體的智能閉環(huán)。云端依托Behavision通用具身智能AI Agent，實(shí)現(xiàn)復(fù)雜場景的全局規(guī)劃與數(shù)據(jù)迭代；邊緣端以單芯片毫秒級響應(yīng)能力處理實(shí)時感知數(shù)據(jù)，完成常規(guī)任務(wù)的自主決策；終端通過毫米級3D掃描和多模態(tài)交互，實(shí)現(xiàn)虛實(shí)場景的無縫銜接。
