Zincorporovaná inteligence je chytrý systém, který integruje vnímání, poznání, rozhodování a akci prostřednictvím reálné interakce mezi fyzickými entitami a prostředím, zahrnující různé formy, jako jsou humanoidní roboti, bionické roboti a vestavěné environmentální systémy.
Embodied intelligence je inteligentní systém, který integruje vnímání, poznávání, rozhodování a akci prostřednictvím reálné interakce mezi fyzickými entitami a prostředím; zahrnuje různé formy, jako jsou humanoidní roboti, bionické roboti a vestavěné environmentální systémy. V současné době se embodied intelligence neustále vyvíjí prostřednictvím opakované interakce s prostředím, což výrazně zlepšuje schopnost kognitivního rozhodování i ontologický praktický výkon a urychluje její vývoj směrem k autonomnější a univerzálnější inteligenci překračující jednotlivé scénáře. Přesné pochopení globálního technologického inovačního trendu embodied intelligence a aktivní reakce na hluboké výzvy mají velký význam pro využití příležitostí a získání iniciativy v novém kole průmyslové transformace.
Globální vývoj technologií embodied intelligence ukazuje pět hlavních trendů
V současné době se globální technologie inkorporované inteligence vyvíjí zrychleným tempem, přičemž došlo k průlomům v pěti dimenzích: vnímání a interakce, rozhodování a poznání, řízení a provádění, fúze dat mezi virtuálními a reálnými doménami a integrace systémů, což posouvá inkorporovanou inteligenci z laboratoří k rozsáhlým aplikacím.
Jedním z klíčových prvků je začlenění světových modelů a přechod k interakci na základě vnímání. Poháněný světovými modely a technologiemi multimodálního vnímání výrazně posílil inteligentní systém schopnost porozumět fyzickému prostředí a s ním interagovat, čímž došlo k paradigmatu přesunu od „podnět-reakce“ k „deduktivnímu rozhodování“ a od restrukturalizace dat k pochopení vzorů. Společnost Meta spustila světový model V-JEPA2, který dokáže předpovídat důsledky různých chování a řadit je podle jejich cílů, čímž výrazně zvyšuje přesnost akcí. Pekingská univerzita navrhla architekturu vícesmyslového jazykového akčního modelu MLA, která zavádí komplexní vícesmyslovou modalitu a poskytuje spolehlivější základ pro rozhodování integrací heterogenních signálů.
Za druhé existuje trend od konce ke konci a změna paradigmatu v rozhodování. Hierarchická architektura rozhodování u ztělesněné inteligence „mozek + mozeček“ dospěla a stále častěji se uplatňuje; model od konce ke konci s výhodami širokého pokrytí, nízké latence, vysoké autonomie a silné spolupráce prokázal velký potenciál při průzkumu ztělesněné inteligence směřující k obecné generalizaci. Gemini Robotics od Google DeepMind spoléhá na architekturu VLA od konce ke konci a disponuje vynikající schopností generalizace napříč ontologiemi; model DOBOT-VLA nezávisle vyvinutý společností Yuejiang v Číně integruje vizuální, jazykové a řídicí schopnosti a byl optimalizován prostřednictvím posíleného učení ve skutečném světě. Vybaven humanoidním robotem ATOM dosáhl hromadné výroby v roce 2025 a je schopen plnit složité úkoly, jako je chůze, dynamická rovnováha a přesná montáž.
Za třetí vedly průlomy v oblasti pružných materiálů k výskytu schopnosti samoléčení. Materiálová revoluce podporuje vývoj ztělesněné inteligence od „tuhého koncového článku pro provedení úkolu“ k „ontologii inteligentní adaptace“. Dotykové senzory připomínající kůži a elektronická kůže umožňují ztělesněné inteligenci vysoce citlivé vnímání prostředí, zatímco biomimetická pružná struktura uděluje ztělesněným inteligentním životním formám multimodální pohybové schopnosti, jako jsou plazení, valení a peristaltika, čímž efektivně přizpůsobují a rozšiřují možné oblasti nasazení. Samoopravující se materiály dosahují aktivních průlomů v oblasti samoléčení. Po poškození těla je možné za působení světla a tepla dosáhnout reverzibilní rekombinace chemických vazeb. Tyto materiály integrují funkce detekce poškození, lokalizace poškození i samoléčení, čímž výrazně zvyšují trvanlivost a spolehlivost ztělesněné inteligence v komplexních a náročných prostředích a zajišťují dlouhodobý autonomní provoz.
Čtvrtým bodem je integrace virtuálních a reálných dat a sjednocení standardů pro data. Vysoké náklady a malý rozsah sběru dat z reálných strojů, stejně jako slabá schopnost zobecnění do dosud neviděných prostředí, se staly úzkými hrdly vývoje „inkarnované inteligence“. Generativní zdroj dat je simulační prostředí vytvořené z velkého modelu, které poskytuje velké množství dat s vysokým stupněm strukturovanosti a dokáže tak levně vyplnit mezeru v datech. V kombinaci s omezeními danými fyzikálními zákony, smíšenými datovými paradigmaty a kalibrací pomocí dat z reálných strojů lze významně zmenšit rozdíl mezi simulací a realitou. Čínská společnost 51Sim nasbírala scénáře pro asistované řízení od konce do konce a syntetizovaná data na platformě Nvidia, která byla úspěšně využita při tréninku robotů ve složitých scénářích, například v přístavech a dolech. Platforma "Dome DOME" sjednotí rozhraní pro data a specifikace formátů, odstraní datové ostrovy, vytvoří univerzální jazyk pro průmysl a efektivně podporuje interoperabilitu napříč scénáři i dodávku vysoce kvalitních dat.
Pátým krokem je dosažení heterogenní spolupráce a vytvoření bezpečného základu. Oddělení softwaru od hardwaru a modulární integrace urychlují rozvoj tělesných inteligentních operačních systémů, čímž umožňují kompatibilitu napříč ontologiemi a heterogenní spolupráci. Architektura OpenRMF sjednocuje „pravidla silničního provozu“ a „komunikační jazyk“ robotů, což umožňuje společnou činnost heterogenních strojových shluků; OM1, který představila společnost OpenMind, podporuje funkci plug and play i vývoj pro různé ontologie pomocí rozhraní API hlavních velkých modelů. Systémová integrace posiluje základ projektu a zajišťuje bezpečnost, důvěryhodnost a dodržování základních omezení. Adversarialní trénink, diferenciální soukromí a další technologie soukromého výpočtu umožňují spolupráci mezi institucemi bez nutnosti zveřejňování nezpracovaných dat a tak vytvářejí aktivní a bezpečný systém obrany v hloubce pro škálovatelné aplikace tělesné inteligence.
Použít několik opatření ke zvýšení konkurenceschopnosti čínské inkorporované inteligence
V současné době se čínská inkorporovaná inteligence nachází v kritickém stadiu koordinace technologických průlomů, průmyslového zavádění a rozvoje ekosystému. Lokalizace klíčového hardwaru se urychlila a výkon velkých modelů byl výrazně zlepšen. Domácí výpočetní výkon dokáže efektivně provozovat složité modely a v některých oblastech již vznikly základní aplikační schopnosti. Avšak s rostoucí mezinárodní soutěží nelze přehlížet hluboké výzvy inkorporované inteligence.
Za prvé je třeba zlepšit autonomní ovladatelnost klíčových komponent, neboť závislost na dovozu servomotorů, reduktorů a senzorů vyšší třídy je stále vysoká. Výdrž energetického systému je nedostatečná a celková schopnost vlastního vývoje všech vrstev technologie je stále slabá. Za druhé je třeba zlepšit standardizační systém i průmyslovou ekosystémovou infrastrukturu: rozhraní hardwaru, komunikační protokoly i softwarové standardy kompatibility jsou nekonzistentní, data jsou často izolována v uzavřených systémech (data silos), otevřené komunity mají omezený vliv a chybí dostatek interaktivních dat vysoce kvalitního typu. Za třetí je třeba posílit systém bezpečnostní správy: obtížně se stanovuje rozdělení odpovědnosti za nehody autonomních systémů. Trvalé shromažďování citlivých údajů může snadno vést k rizikům, jako je únik dat či porušení soukromí, a důvěryhodný mechanismus pro spolupráci mezi institucemi je stále nedostatečný.
Před tváří výše uvedených výzev by Čína měla využít období rozvojového okna, za jádro vzít nezávislou inovaci, za výchozí bod vytváření standardů a za základní hranici řízení bezpečnosti, urychlit vytváření tělesné inteligentní průmyslové ekologie a poskytnout silný impuls rozvoji nové kvality produktivity a budování technologicky silné země.
Jedním z cílů je posílit strategické technologické kapacity a upevnit základy nezávislé inovace. Využitím nového národního systému budeme posilovat strategické vědeckotechnické kapacity národních klíčových laboratoří v oblasti „zhmotněné inteligence“ a uskutečňovat organizovaný výzkum zaměřený na hranové směry, jako jsou tříoblastní fúzní model „informační-fyzikálně-kognitivní“, architektura rozhodování „od konce do konce“ a biomimetické pružné materiály. Prohlubujeme integraci průmyslu, akademie a výzkumu pod vedením podniků, podporujeme přední technologické firmy, aby vedly vytváření inovačních konsorcií, soustředíme výhodné zdroje na překonání bariér lokalizace klíčových komponent – např. servomotorů, reduktorů a planetových válečkových šroubů – a propojíme celý řetězec „základní výzkum – technologický rozvoj – průmyslové využití“, čímž odstraníme omezení průmyslového rozvoje již od jeho zdroje.
Druhým krokem je vytvořit otevřený a spolupracující průmyslový ekosystém, který bude vést k vysoce kvalitnímu rozvoji na základě přísných norem. Zrychlit vývoj hardwarových rozhraní, komunikačních protokolů a norem softwarové kompatibility mezi jednotlivými odvětvími a podporovat nezávislé a ovladatelné základní softwary, jako jsou operační systémy a middleware. Prozkoumat možnost zřízení organizací pro agregaci a řízení dat na vysoké úrovni, vyvinout normy pro sběr a anotaci multimodálních dat, vytvořit simulační referenční testy a otevřené datové platformy pro klíčové scénáře, jako je chytrá výroba a činnosti s vysokým rizikem, a odstranit překážky volného toku dat. Důrazně podporovat místní ekosystém open source, povzbuzovat univerzity, výzkumné ústavy a podniky k společnému budování systémů sdílení výpočetního výkonu pro algoritmy, snižovat bariéry pro výzkum a vývoj, urychlovat technologickou iteraci a vést k kvalitnímu zvyšování úrovně průmyslu prostřednictvím vysoké úrovně standardizace a open source.
Třetí je zavedení účinného systému bezpečnostní správy a vytvoření pevného základu pro důvěryhodný rozvoj. Vytvořte hierarchický ochranný mechanismus pokrývající algoritmy, data a fyzickou bezpečnost a jasně vymezené hranice práv a povinností všech stran zapojených do výroby, využívání, dodávky algoritmů a dozoru. Proaktivní výzkum určování odpovědnosti za nehody, mezinstitucionální spolupráce a pravidla pro vzájemně důvěryhodnou správu, stejně jako bezpečnostní a etické směrnice pro konkrétní navigaci, skupinovou spolupráci a jiné chování. Prozkoumejte inkluzivní a opatrné regulační modely, provádějte hodnocení bezpečnostních a etických aspektů po celém životním cyklu, zaveďte proaktivní a bezpečné obranné systémy na více úrovní a zajistěte institucionální záruky pro rozsáhlé nasazení a dlouhodobý zdravý rozvoj tělesné inteligence.
EN
