Hõlma globaalne tehnoloogiline arengutrend ja kasutada võimalust kehalise intelligentsuse arendamiseks

Kehastatud intelligentsus on intelligentne süsteem, mis integreerib tajumise, mõtlemise, otsustamise ja tegevuse läbi reaalajas toimuva interaktsiooni füüsiliste objektide ja keskkonna vahel, hõlmates erinevaid kujundeid, näiteks inimese kujulisi robotid, bioloogiliselt inspireeritud robotid ja keskkonda sisseehitatud süsteemid. Hetkel areneb kehastatud intelligentsus pidevalt keskkonnaga korduvate interaktsioonide kaudu, parandades oluliselt oma kognitiivset otsustusvõimet ja tegelikku rakenduslikku jõudlust ning kiirendades oma evolutsiooni suunas autonoomsemat ja mitmesuguste stsenaariumide üle ulatuva üldist intelligentsust. Globaalse kehastatud intelligentsuse tehnoloogilise innovatsiooni trendi täpne mõistmine ja sügavate väljakutsetega aktiivne toimetulek on väga tähtis võimaluste ära kasutamiseks ja uue tööstusliku teisenduse järgmises voorus algatusõiguse saamiseks.

　　Globaalne kehastatud intelligentsuse tehnoloogia areng näitab viit suurt trendi

Hetkel näitab globaalne kehalise intelligentsuse tehnoloogia kiirendatud arengut, milles on saavutatud läbimurdeid viies mõõtmes: tajumis- ja suhtlusvõime, otsustus- ja tunnetusvõime, juhtimis- ja täitmismehhanism, virtuaalsete ja reaalsete domeenide andmete sulandumine ning süsteemi integreerimine, mis kõik aitavad kehalist intelligentsust liikuda laborist laias mahus rakendustesse.

Üks on maailmamudelite süstitamine ja tajutegelikkuse interaktsiooni üleminek. Maailmamudeli ja mitmemoodulise tajutegnoloogia toel on kehalise intelligentsuse võime mõista ja suhelda füüsiliste keskkondadega oluliselt paranenud, saavutades paradigmamuutuse „stimumi-vastuse“ kujult „deduktiivse otsustamise“ poole ning andmete ümberkorraldamiselt mustri mõistmise poole. Meta on käivitanud V-JEPA2 maailmamudeli, mis suudab ennustada erinevate käitumisviiside tagajärgi ja neid eesmärkide põhjal hinnata, parandades seeläbi tegevuste täpsust oluliselt. Pekingi Ülikool on pakkunud välja MLA mitmetajuva keele- ja tegevusmudeli arhitektuuri, mis sisaldab täielikku mitmetajuva taju moodust ja pakub usaldusväärsemat otsustusalust heterogeensete signaalide integreerimisel.

Teiseks on olemas lõpust-lõpuni suundumus ja otsustamisprotsessis paradigmate muutus. Kehtivate intelligentsuste hierarhilise otsustamisarhitektuuri „aju+väikeaju“ areng on täiustunud ja seda rakendatakse üha enam; lõpust-lõpuni mudel, mille eelised on lai ulatus, madal viivitus, kõrge autonoomia ja tugev koostöövõime, on näidanud suurt potentsiaali kehtivate intelligentsuste uurimisel üldisele üldistusele liikumisel. Google DeepMindi Gemini Robotics toetub lõpust-lõpuni VLA-arhitektuurile ja omab erinat ristontoloogilist üldistusvõimet; DOBOT-VLA-mudel, mille Hiinas Yuejiang iseseisvalt arendas, integreerib visuaalsed, keeleliselt põhinevad ja juhtimisvõimed ning on optimeeritud reaalmaailmas toimuvas tugevdusõppes. Selle inimese kujulise roboti ATOMiga on saavutatud massitootmine 2025. aastal ja see suudab täita keerukaid ülesandeid, nagu käimine, dünaamiline tasakaaluhoid ja täpselt kokkupanemine.

Kolmandaks on paindlike materjalide valdkonnas saavutatud läbimurdeid, mis on viinud kaasa enesehoiukujutuste tekkimise. Materjalirevolutsioon juhib kehalise intelligentsuse arengut „kõva täitmislõpuni“ kuni „targani kohandumisontoloogiani“. Nahale sarnane taktiilne sensor ja elektrooniline nahk võimaldavad kehalisel intelligentsusel olla väga tundlik keskkonna tajumise suhtes, samas kui biomimeetiline paindlik struktuur annab kehalistele tarkadele eluvormidele mitmepoolse liikumisvõime – näiteks rippumine, pöörlemine ja peristalsis – ning võimaldab nii tõhusalt kohanduda erinevatele rakendussituatsioonidele kui ka neid laiendada. Enesehoiukujutused saavutavad aktiivse enesehoiuga seotud läbimurdeid: pärast keha kahjustumist saab keemiliste sidemete pöörduv taasühendumine toimuda valguse ja soojuse mõjul. See ühendab kahjustuste tuvastamise, lokaliseerimise ja enesehoiufunktsioonid, suurendades oluliselt kehalise intelligentsuse vastupidavust ja usaldusväärsust keerukates ja harshides keskkondades ning tagades pikaajalise autonoomse töö.

Neljas on virtuaalsete ja reaalsete andmete integreerimine ning andmestandardite ühtlustamine. Reaalsete masinatega kogutavate andmete kõrge hind ja väike mahutäit, samuti nende nõrk üldistusvõime nähtamatutes keskkondades on muutunud kehastatud intelligentsi arengu takistusteks. Generatiivne andmeallikas on suure mudeli põhjal loodud simuleerimiskeskkond, mille andmemahud on suured ja struktuur tugevalt organiseeritud, mis võimaldab madala kuluga täita andmelükke. Füüsikaliste seaduste piirangute ja segatud andmepraktikatega koos ning reaalsete masinatega kogutud andmetega kalibreerituna suudab see oluliselt vähendada simuleerimise ja reaalsuse vahelist vahekaart. Kodus asuv ettevõte 51Sim on kogunud Nvidia platvormil põhineva lõpuni integreeritud abistatud juhtimise stsenaariumide ja sünteesitud andmete baasi, mida on edukalt kasutatud robotite treenimiseks keerukates stsenaariumides, näiteks sadamates ja kaevandustes. "Dome DOME" platvorm ühtlustab andmesisendite liideseid ja vorminguspesifikatsioone, lagundab andmeüksildusi, loob tööstusele universaalse keele ning soodustab tõhusalt erinevate stsenaariumide vahelist ühilduvust ja kõrgkvaliteedilist andmetevarustust.

Viies on saavutada heterogeense koostöö ja ehitada turvaline alus. Tarkvara ja riistvara lahutamine ning moodulne integreerimine kiirendavad kehaliste intelligentsuste operatsioonisüsteemide arengut, et saavutada ristontoloogiline ühilduvus ja heterogeenne koostöö. OpenRMF-i arhitektuur ühtlustab robotite „liiklusreeglid“ ja „suhtluse keele“, võimaldades heterogeensete masinaklastrite vahelist koostööd; OpenMind’i välja toodud OM1 toetab pistik-ja-mängi funktsionaalsust ja peamiste suurte mudelite API-de ristontoloogilist arendust. Süsteemi integreerimine tugevdab projekti alust, tagades ohutuse, usaldusväärsuse ja põhitingimuste järgimise. Vastassuunatud treenimine, diferentsiaalne privaatsus ja muud privaatsusteabe töötlemise tehnoloogiad võimaldavad asutuste vahelist koostööd ilma algandmete lekkimiseta, loodes aktiivse ja turvalise sügavkaitse süsteemi kehaliste intelligentsuste skaala rakendustele.

　　Rakendada mitmeid meetmeid Hiina kehalise intelligentsi konkurentsivõime tugevdamiseks

Hetkel on Hiina kehaline intelligentsus kriitilises etapis, kus koordineeritakse tehnoloogilisi lähtumisi, tööstuslikku sisseviimist ja ekosüsteemi arendamist. Tuumakomponentide kohalik tootmine on kiirenud ja suurte mudelite jõudlus on oluliselt parenenud. Kodus saadaval olev arvutusvõimsus suudab tõhusalt käivitada keerukaid mudeleid ning mõnes valdkonnas on juba tekkinud esmased rakendusvõimalused. Kuid rahvusvahelise konkurentsi üha karmimaks muutumisega ei saa kehalise intelligentsi sügavamaid väljadeid ignoreerida.

Esimesena tuleb parandada tuumakomponentide autonoomset juhitavust, kuna servo mootorite, reduktorite ja kõrgklassi sensorite suhtes on väga suur väline sõltuvus. Energiasüsteemi tööaeg on piisamatu ja täispakendatud isearendatavuse võimekus on endiselt nõrk; Teiseks tuleb parandada standardisüsteemi ja tööstuslikku ekosüsteemi – riistvaraliideste, suhtluspõhimõtete ja tarkvaraliste ühilduvusstandardite puhul puudub ühtlustatus, andmesildid on laialdaselt eraldatud, avatud lähtekoodiga kogukondade mõju on piiratud ja kvaliteetse interaktiivse andmevaru pakkumine on ebapiisav; Kolmandaks tuleb parandada turvalisuse valitsemise süsteemi – autonoomsete süsteemide õnnetuste vastutuse jagamine on keeruline. Täpselt tundlike andmete pidev kogumine võib lihtsasti põhjustada riske, nagu andmete lekkmise ja privaatsuse rikkumise, ning usaldusväärse mehhanismi arendamine ristasutuselisel koostööl on vajalik.

Nende ülalmainitud väljakutsete ees peaks Hiina kasutama arengu aknaperioodi, põhjustama iseseisvat innovatsiooni, alustama standardite loomisega ja tagama ohutuse valitsemise kui aluspõhimõtte, kiirendama tervikliku intelligentsel tööstuslike ökosüsteemi kujunemist ning andma tugevat impulsssi uue kvaliteediga tootlikkuse arengule ja tugeva tehnoloogilise riigi ehitamisele.

Üks on strateegiliste tehnoloogiliste jõudude paigutuse tugevdamine ja iseseisva innovatsiooni aluste kindlustamine. Toetudes uuele riiklikule süsteemile tugevdame riiklike võtmetähtsusega laboratooriumite strateegilisi teadus- ja tehnoloogilisi võimekusi kehalise intelligentsuse valdkonnas ning viime läbi korraldatud teadusuuringuid tipptasemel suundumuste ümber, nagu "informatsioon-füüsika-tunnetus" kolme domeeni sulandumismudel, lõpust lõppu otsustusarhitektuur ja biomimeetilised paindlikud materjalid. Süvendame ettevõtete juhitavat tööstus-, akadeemilise ja teadusuuringute integreerimist, toetame juhtivaid tehnoloogiaettevõtteid nende innovatsioonikonsortsiumite moodustamisel, keskendume eelisresursside rakendamisele servo- ja reduktorite ning planeetaarsete rullkruvide põhikomponentide kohaliku tootmise kitsaskohtade ületamisele, ühendame terve ahela "põhiteaduslikud uuringud – tehnoloogiaarendus – tööstuslik rakendus" ja purustame tööstusliku arengu kitsaskohad alguspunktist.

Teine on ehitada avatud ja koostööpõhine tööstuslik ekosüsteem, mille abil juhtida kvaliteetset arengut kõrgtehnoloogiliste standarditega. Kiirendada risttööstuslike riistvaraliideste, suhtlusprotokollide ja tarkvarakompatiibelsuse standardite arengut ning edendada iseseisvaid ja kontrollitavaid põhitarkvaralahendusi, näiteks operatsioonisüsteeme ja vahendtarkvara. Uurida kõrgtasemeliste andmekogumise ja andmete valitsemise struktuuride loomist, arendada mitmepoolseid andmete kogumise ja märkmise standardeid, luua simuleerimislahendused ja andmete avatud platvormid oluliste stsenaariumide jaoks, nagu nutikas tootmine ja kõrgriskiga tegevused, ning kaotada takistused andmete ringlusele. Tugevdada kohalikku avatud lähtekoodiga ekosüsteemi, soodustada ülikoolide, teadusinstituutide ja ettevõtete ühiselt loodavaid algoritmide ja arvutusvõimsuse jagamise süsteeme, vähendada teadusuuringute ja arenduste takistusi, kiirendada tehnoloogilist uuendust ja juhtida tööstuslikku kvaliteedi täiustamist kõrgtasemelise standardiseerimise ja avatud lähtekoodiga lahendustega.

Kolmas on luua tugev turvalisuse juhtimissüsteem ja põhjustada usaldusväärse arengu kindel alus. Looge hierarhiline kaitsemehhanism, mis hõlmab algoritme, andmeid ja füüsilist turvalisust, selgitades selgelt kõigi osapoolte õigusi ja vastutusi tootmisel, kasutamisel, algoritmide tarnimisel ja järelevalvel. Tulevikku suunatud uurimist õnnetuste vastutuse määramise, ristasutusliku koostöö ja vastastikuse usalduse valitsemisreeglite ning konkreetsete navigatsiooni-, rühmatöö- ja muude käitumisviiside turvalisus- ja eetikajuhistete kohta. Uurige kaasavaid ja ettevaatlikke reguleerimismudeleid, viige läbi täieliku elutsükli turvalisus- ja eetikahinnanguid, looge proaktiivsed ja sügavalt turvalised kaitse süsteemid ning tagage institutsionaalsed garantiid kehastatud intelligentsi laias mahus rakendamisele ja pikaajalisele tervislikule arengule.