「一脑多形」圆桌：世界模型、空间智能在具身智能出现了哪些具体进展？｜GAIR 2025

65 0 0

文章摘要

在第八届GAIR全球人工智能与机器人大会的圆桌讨论中，三位学者围绕具身智能、世界模型和空间智能等前沿议题展开深度对话。具身智能的技术路线尚未收敛，仍处于探索阶段，高飞认为这波热潮的核心期待在于AI与本体结合带来的智能飞跃，但需警惕领域最终回归工业自动化的风险。金鑫强调高校应聚焦交互、人机协同等核心问题突破，而王靖博更关注软硬件协同设计对产业化的推动作用。

关于世界模型在自动驾驶中的应用，金鑫指出生成式AI能力的提升使得仿真数据达到真假难辨的程度，特斯拉等企业通过闭环测试优化决策链路。但世界模型的定义尚未统一，李飞飞与LeCun在表征方式上存在分歧——前者强调像素级重建，后者主张潜在空间表达。在具身智能领域，世界模型与视觉语言动作（VLA）的结合有望解决长程任务预测难题，但现有方案距通用智能仍有差距。

空间智能的讨论揭示了技术演进的连续性。高飞指出SLAM技术正与learning-based方法融合，形成对空间几何、纹理等信息的更高级表征。王靖博发现语义信息的关注度显著提升，而金鑫认为复杂空间关系描述仍是当前机器人的薄弱环节。多模态数据的补充（如深度信息）和专用数据集的构建成为突破方向。

在商业化层面，三位学者呈现了理想与现实的张力。无人机领域99%的空中作业场景尚未开发，高飞指出智能不足是最大瓶颈，AI驱动的决策能力将拓展应用边界。金鑫观察到工业自动化需求与技术创新存在鸿沟，而王靖博坦言人形机器人的硬件迭代仍面临负载能力、运动稳定性等挑战。关于中美估值体系差异，高飞强调”做好中国路径”的务实态度，金鑫则认为资本热度与技术创新需辩证看待。

数据获取策略的讨论呈现多元化视角。合成数据与真机数据的价值取决于具体任务需求，金鑫提出数据金字塔分层理论，王靖博以足式控制为例说明某些任务可完全依赖仿真环境。视频生成模型虽能提高数据相似度，但模态选择应服务于任务本质。这场对话揭示了技术发展中的关键矛盾：通用智能的远大理想与行业落地的现实约束，而突破点可能存在于跨领域的技术融合与任务导向的创新路径中。