Token导航 LogoToken导航

AI 资讯 · Aike

76页具身智能白皮书:通用性看任务适配而非人形

更新 2026-11-22Aike正文 1314字阅读约 5分钟4 张图片

这份 76 页白皮书由安富利、国家地方共建人形机器人创新中心、古月居合写。它没押某一种本体,而是把「从专用到通用」拆成五域六模块和四个阶段,逐段问同一件事:这一步到底多了什么能力。

全书最要紧的一句在摘要里:通用不是长得像人,是任务、对象、工具、环境四类覆盖能在评测里扩,且适配成本在降。

图片

七块内容依次是产业与架构、技术演进、落地挑战、芯片与硬件方案、未来观察、结语与附录。第四章占了全书一半,把七个功能域逐项拆开,每项给三个可选方案。下面顺着「阶段、五域、场景、器件」走一遍。

图片

01 四个阶段,每一阶段看的东西都不一样

自动化阶段靠固定工位和预设程序,任务一变就要重新编程或改工装。感知增强阶段把视觉、定位、状态估计接进闭环,能应付有限的对象和位置变化,迁移成本主要花在重采数据上。

具身自主阶段开始用多模态模型和学习型策略处理多步骤任务,同时保留确定性控制、安全状态机和人工接管。关键变化不是模型多大,而是理解、动作与反馈接成了可迭代的闭环。可扩展通用阶段看覆盖能不能扩大、适配成本能不能降。

图片

02 五域六模块:能力最后卡在电、热、实时性和互连

硬件分五个系统域:感知与交互、计算与控制、执行、能源、连接与互连。计算域里大脑管模型推理和任务调度,小脑管运动控制与多轴协同,中间还有实时网关做协议接入和状态汇聚。

这五域之上压着一层系统保障,功能安全、网络安全、热管理、诊断、OTA、版本管理和供应链都算在里面。器件能力不等于交付能力,中间隔着的就是这层保障。白皮书反复提醒一句:没有脱离任务的统一优劣,峰值算力只有绑上模型、拓扑和功耗才有比较意义。

03 场景排序:任务清不清楚,比本体像不像人更重要

白皮书给了四个维度来排场景:任务定义清晰度、环境开放度、失败后果、支付与运维能力。工业和物流里的特定任务最容易建基线;家庭、医疗和开放环境需要分级权限、冗余保护和人工兜底。

落到具体环节上,工业制造要过人员进入、工件偏移、网络重载这一串边界,失败了可能停线;仓储物流怕的是动态障碍、弱网和货物变化;医疗康养难在高人机接触和敏感数据。所谓通用,是在同一套安全与评价框架下,慢慢把任务和环境加进来。

图片

04 最厚的那一章:每个功能域给三个方案,挑的是余量不是峰值

大小脑融合给了三条路:AMD X100 走自适应 SoC,DEEPX DX-M1 走低功耗加速,D-Robotics RDK S100 直接做融合计算。实时控制也有三条:恩智浦 i.MX 95 做异构运动控制小脑,RT1189 做多协议网关,瑞萨 RZ/V2H 做多核异构小脑。

关节驱动的三种给法更能看出取向:一种走 TSN 和单对以太网的分布式关节,一种走 EtherCAT 一体化关节,一种用 STM32G4 加双编码器做精密关节。三者的差别不在谁更快,而在布线、同步和量产一致性之间怎么取舍。

通用能力往上走,最先不够用的往往不是模型,是功率余量、散热和通信的确定性。

写在最后

这份白皮书把「通用」从外观之争拉回到可测的事:任务、对象、工具、环境四类覆盖有没有扩大,适配成本有没有降下来。四阶段给路线,五域给底盘,场景给排序,第四章给选型方法。

真正的通用,是换一个任务不用从头再来一遍。

2026具身智能技术演进与产业落地白皮书76页.pdf

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。