Følg den globale teknologiske udviklingstendens og udnyt muligheden for udvikling af kropsbaseret intelligens

Kropslig intelligens er et intelligent system, der integrerer opfattelse, kognition, beslutningstagning og handling gennem realtidsinteraktion mellem fysiske enheder og omgivelserne og dækker forskellige former som humanoidrobotter, bioniske robotter og indlejrede miljøsystemer. I dag udvikler kropslig intelligens sig konstant gennem gentagne interaktioner med omgivelserne, hvilket betydeligt forbedrer dens evne til kognitiv beslutningstagning og dens ontologiske praktiske ydeevne samt accelererer dens udvikling mod mere autonom og tværsaglig generel intelligens. At forstå den globale teknologiske innovationsretning inden for kropslig intelligens præcist og aktivt reagere på dybtliggende udfordringer er af stor betydning for at udnytte mulighederne og sikre initiativet i den nye industrielle omstilling.

　　Den globale udvikling inden for kropslig intelligens-teknologi viser fem store tendenser

I øjeblikket viser den globale teknologi for kropsbåret intelligens en accelereret udviklingstendens med gennembrud inden for fem dimensioner: opfattelse og interaktion, beslutningstagning og kognition, kontrol og udførelse, datafusion mellem virtuelle og reelle domæner samt systemintegration – hvilket driver kropsbåret intelligens fra laboratoriet til omfattende anvendelser.

Én er integrationen af verdensmodeller og overgangen fra perception til interaktion. Drevet af verdensmodeller og multimodal perceptionsteknologi har kropsbåret intelligens betydeligt forbedret sin evne til at forstå og interagere med fysiske miljøer, hvilket har resulteret i en paradigmeskift fra »stimulus-respons« til »deduktiv beslutningstagning« samt fra dataomstrukturering til mønsterforståelse. Meta har lanceret V-JEPA2-verdensmodellen, som kan forudsige konsekvenserne af forskellige adfærdsmønstre og rangordne dem ud fra deres mål, hvilket markant forbedrer præcisionen af handlinger. Peking University har foreslået arkitekturen MLA (Multi-Sensory Language-Action), en fler-sanselig sprog-og-handlingsmodel, som introducerer en komplet fler-sanselig modalitet og giver et mere pålideligt grundlag for beslutningstagning ved integration af heterogene signaler.

For det andet findes der en end-to-end-tendens og en paradigmeskift i beslutningstagningen. Den hierarkiske beslutningsarkitektur for kropsbåret intelligens med »hjerne + lillehjerne« er modne og bliver i stigende grad anvendt; End-to-end-modellen, som har fordele som bred dækning, lav ventetid, høj autonomi og stærk samarbejdsevne, har vist stor potentiale i udforskningen af kropsbåret intelligens mod generel generalisering. Google DeepMinds Gemini Robotics bygger på en end-to-end VLA-arkitektur og har fremragende evne til tværgående ontologisk generalisering; DOBOT-VLA-modellen, som Yuejiang i Kina selvstændigt har udviklet, integrerer visuelle, sproglige og kontrolfunktioner og er blevet optimeret gennem forstærkningslæring i den virkelige verden. Udstyret med dens humanoidrobot ATOM er den gået i masseproduktion i 2025 og kan udføre komplekse opgaver såsom gang, dynamisk balance og præcisionsmontage.

Tredje, gennembrud inden for fleksible materialer har ført til fremkomsten af selvreparerende egenskaber. Materialerevolutionen driver udviklingen af indleget intelligens fra »stiv udførelsesenhed« til »intelligent tilpasningsontologi«. Taktile sensorer i hudlignende materiale og elektronisk hud giver indleget intelligens meget følsomme evner til at opfange omgivelserne, mens biomimetiske fleksible strukturer udstyrer indleget intelligente levende former med multimodale bevægelsesevner såsom krybning, rulning og peristaltiske bevægelser – hvilket effektivt muliggør tilpasning til og udvidelse af anvendelsesscenarier. Selvreparerende materialer opnår aktive selvrepareringsgennembrud: Når legemet er beskadiget, kan der opnås reversibel genforening af kemiske bindinger ved påvirkning af lys og varme. Det integrerer funktioner til skadedetektering, lokalisering og selvreparation, hvilket betydeligt forbedrer holdbarheden og pålideligheden af indleget intelligens i komplekse og krævende miljøer og sikrer langvarig autonom drift.

Den fjerde er integrationen af virtuelle og reelle data samt unifikationen af datastandarder. De høje omkostninger og den lille skala for indsamling af data fra reelle maskiner samt den svage generaliseringskapacitet til usete miljøer er blevet flaskehalse i udviklingen af kropsbåret intelligens. Den generative datakilde er en simulationsmiljø, der er oprettet ud fra den store model, med en stor mængde og en høj grad af struktur, hvilket kan udfylde datagabet til lav omkostning. I kombination med fysiklovbaserede begrænsninger og blandede dataparadigmer samt kalibrering med data fra reelle maskiner kan det betydeligt mindske forskellen mellem simulation og virkelighed. Det kinesiske virksomhed 51Sim har samlet end-to-end-scenarier for understøttet kørsel og syntetisk data baseret på Nvidia-platformen og har succesfuldt anvendt dem til robottræning i komplekse scenarier som havne og miner. Platformen "Dome DOME" unificerer datagrænseflader og formatspecifikationer, nedbryder datasilos og opbygger et fælles sprog for branchen, hvilket effektivt fremmer tværscenariointeroperabilitet og levering af højkvalitetsdata.

Den femte er at opnå heterogen samarbejdsevne og bygge et sikkert fundament. Afkoblingen af software og hardware samt modulær integration driver accelerationen af fysiske intelligente operativsystemer for at opnå tværgående ontologikompatibilitet og heterogen samarbejdsevne. OpenRMF-arkitekturen unificerer robotternes »trafikregler« og »kommunikationssprog«, hvilket muliggør samarbejdsmæssige operationer mellem heterogene maskinklynger; OM1, der er lanceret af OpenMind, understøtter plug-and-play samt tværgående ontologiudvikling af almindelige store model-API'er. Systemintegration styrker projektets fundament og sikrer sikkerhed, pålidelighed samt overholdelse af minimumskrav. Modangrebstræning, differentialprivatliv og andre privatlivsbeskyttende beregnings-teknologier kan muliggøre tværinstitutionelt samarbejde uden udslip af rådata og opbygge et aktivt og sikkert fordybningsforsvarssystem til skalerede anvendelser af fysisk intelligens.

　　Indtage flere foranstaltninger for at forbedre Kinas konkurrenceevne inden for embodied intelligence

I øjeblikket befinder Kinas embodied intelligence sig i en kritisk fase, hvor teknologiske gennembrud, industrielle introduktioner og økologisk udvikling skal koordineres. Lokaliseringen af kernehårdvarer er accelereret, og ydeevnen for store modeller er betydeligt forbedret. Dansk beregningskraft kan effektivt køre komplekse modeller, og der er dannet første applikationsmuligheder inden for nogle områder. Men med den stigende internationale konkurrence kan de dybere udfordringer inden for embodied intelligence ikke ignoreres.

For det første skal den autonome kontrollabilitet af kernekomponenter forbedres, da der er stor ekstern afhængighed af servomotorer, reduktorer og højtkvalificerede sensorer. Vedvarendevirkningsevnen i energisystemet er utilstrækkelig, og der er stadig svagheder i evnen til at udvikle hele software- og hardwarestakken selv. For det andet skal standardiseringsystemet og den industrielle økosystem stadig forbedres, idet der er inkonsistente hardwaregrænseflader, kommunikationsprotokoller og softwarekompatibilitetsstandarder, udbredte datavægge, begrænset indflydelse fra open-source-fællesskaber og utilstrækkeligt udbud af højkvalificerede interaktive data. For det tredje skal sikkerhedsstyringssystemet stadig forbedres, og ansvarsfordelingen ved ulykker med autonome systemer er svær at definere. Vedvarende indsamling af følsomme data kan nemt føre til risici som dataudslip og krænkelse af privatlivets fred, og den pålidelige mekanisme til tværinstitutionel samarbejde skal forbedres.

Over for de ovennævnte udfordringer bør Kina udnytte udviklingsvinduet, placere selvstændig innovation i centrum, anvende standardisering som udgangspunkt og sikkerhedsstyring som minimumskrav, fremskynde opbygningen af en integreret intelligent industriøkologi og skabe kraftig dynamik for udviklingen af ny kvalitetsproduktivitet samt opbygningen af et stærkt teknologisk land.

Det første er at styrke opbygningen af strategiske teknologiske kræfter og konsolidere grundlaget for uafhængig innovation. Ved at bygge på det nye nationale system vil vi styrke de strategiske videnskabelige og teknologiske kapaciteter i de nationale nøglelaboratorier inden for kropsliggjort intelligens og udføre organiseret forskning inden for banebrydende retninger såsom »informations-, fysik- og kognitionsdomæne-fusionsmodellen«, end-to-end-beslutningsarkitekturen og biomimetiske fleksible materialer. Fordyb integrationen af industri, akademi og forskning ledet af virksomheder, støt ledende teknologivirksomheder i at danne innovationskonsortier, koncentrér fordelagtige ressourcer til at bryde gennem lokaliseringens flaskehals for kernekomponenter såsom servomotorer, reduktorer og planetrulleskruer, forbind hele kæden fra »grundforskning, teknologisk udvikling til industrielle anvendelser« og bryd løs fra begrænsningerne for industriudvikling allerede ved kilden.

Det andet er at opbygge et åbent og samarbejdsmæssigt industrielt økosystem, der leder den højkvalitetsmæssige udvikling med høje standarder. Accelerer udviklingen af tværgående hardwaregrænseflader, kommunikationsprotokoller og softwarekompatibilitetsstandarder, og fremme selvstændige og kontrollerbare grundlæggende software som operativsystemer og middleware. Udforsk oprettelsen af avancerede dataindsamlings- og styringsenheder, udvikl standarder for flermodal dataindsamling og annotering, opbyg simulationsreferencer og åbne dataplatforme for centrale scenarier såsom intelligent produktion og risikorige operationer, og nedbryd barrierer for dataudveksling. Fremmærk kraftigt et lokalt open-source-økosystem, opfordr universiteter, forskningsinstitutioner og virksomheder til fælles at opbygge systemer til deling af algoritmeberegningsevne, sænk barrierer for forskning og udvikling, accelerer teknologisk iteration og leder branchens kvalitetsforbedring med avanceret standardisering og open source.

Det tredje er at etablere et solidt sikkerhedsstyringssystem og skabe et solidt grundlag for pålidelig udvikling. Opbyg en hierarkisk beskyttelsesmekanisme, der dækker algoritmer, data og fysisk sikkerhed, og afgræns tydeligt rettigheder og ansvarsområder for alle parter involveret i produktion, anvendelse, algoritmeforsyning og tilsyn. Fremadrettet forskning i fastlæggelse af ulykkesansvar, tværinstitutionel samarbejde og gensidig tillidsstyringsregler samt sikkerheds- og etiske retningslinjer for specifik navigation, gruppesamarbejde og andre adfærdsmønstre. Udforsk inkluderende og velovervejede reguleringsmodeller, udfør sikkerheds- og etiske vurderinger gennem hele livscyclen, etabler proaktive og dybdegående sikkerhedsforsvarssystemer og sikr institutionelle garantier for den omfattende implementering og den langsigtede sund udvikling af kropsbaseret intelligens.