摘要：近日，佛山智能装备技术研究院与佛山华数机器人有限公司在具身智能工业机器人领域的最新研究成果“Advancing general robotic manipulation with Multimodal Foundation Models: an embodie

近日，佛山智能装备技术研究院与佛山华数机器人有限公司在具身智能工业机器人领域的最新研究成果“Advancing general robotic manipulation with Multimodal Foundation Models: an embodied AI paradigm”（基于多模态基础模型迈向通用机器人化操作：一种具身智能范式）正式刊登于中科院一区TOP级SCI期刊《SCIENCE CHINA Technological Sciences》。

研究成果刊登于中科院一区TOP级期刊。

《SCIENCE CHINA Technological Sciences》是由中国科学院主管、中国科学院和国家自然科学基金委员会共同主办的自然科学综合性学术刊物，主要报道材料科学、机械工程、工程热物理、光学工程等领域基础研究和应用研究方面具有重要意义的创新性成果。

该研究由黄石峰博士领衔，中国工程院外籍院士张建伟教授担任指导，联合北京大学、德国汉堡大学等国内外顶尖科研机构共同完成，标志着佛山在具身智能与工业机器人融合领域取得具有国际领先水平的重要突破。

多模态基础模型赋能机器人“智能大脑”

今年，具身智能首次被写入国务院《政府工作报告》。具身智能究竟是什么？它如何与机器人技术相结合？

模块化框架：大脑-小脑耦合、复杂任务拆解、元技能组合、融合建模学习。

研究团队创新性地提出基于多模态基础模型的“大脑-小脑耦合、复杂任务拆解、元技能组合、融合模型学习”具身智能技术框架，突破传统工业机器人三大局限：

·操作门槛降低：通过自然语言交互（包括语音、文本和图像等），机器人能够直接理解人类意图，无需复杂的编程操作。

·自主决策增强：融合视觉、触觉、本体感知等多种模态数据，实现对复杂任务的自主拆解与规划。

·技能水平提升：提出“元技能”组合机制，将复杂动作分解为可复用的原子性技能（如抓取、移动、放置等），显著提升机器人的灵巧性和环境适应性。

首创“大脑-小脑”轻量级模型强化学习

针对现有端到端AI模型的局限性，研究团队设计了一种创新性的轻量级模型强化学习方法：

典型的端到端架构。

“大脑”层：多模态基础模型负责环境感知、任务推理与分解，为实现自然的人机交互提供支持。

“小脑”层：轻量化策略模型（结合数据驱动方法与经典控制理论）实现高精度动作控制，例如在精密装配中优化力控与运动学协同。

这一创新方法在保证实时性和可解释性的同时，提升了系统的安全性，为工业应用场景提供了一种低成本、高可靠的解决方案。

布局下一代智能机器人生态

研究团队在文章中还提出了具身智能机器人未来发展的六大重点领域：

1.开发高性能人工智能芯片及面向具身智能的网络架构，实现在终端平台实时部署大型模型。

2.探索多具身智能的认知演化与协作，构建安全、具有因果关系且值得信赖的环境模型。

3.实现基于词元化的多模态集成优化，发展用于透明决策的可解释人工智能理论，减少模型幻觉。

4.利用真实与合成数据，为各领域创建高质量训练数据集。

5.构建具有可扩展功能和长期记忆的领域专用模型，支撑垂直化应用场景。

6.通过零样本模拟到真实环境的迁移学习，提升复杂技能的学习效率。

文、图 | 佛山市新闻传媒中心记者王靓

来源：佛山新闻