A testi intelligencia egy olyan intelligens rendszer, amely az érzékelést, a megismerést, a döntéshozatalt és a cselekvést integrálja a fizikai entitások és a környezet közötti valós idejű interakció révén, és különféle formákat ölel fel, például humanoid robotokat, bioinspirált robotokat és beágyazott környezeti rendszereket.
A testi intelligencia egy olyan intelligens rendszer, amely az érzékelést, a megismerést, a döntéshozatalt és a cselekvést integrálja a fizikai entitások és a környezet közötti valós idejű interakció révén, és különféle formákat ölt, például humanoid robotokat, bioinspirált robotokat és beágyazott környezeti rendszereket. Jelenleg a testi intelligencia folyamatosan fejlődik a környezettel való ismétlődő interakció útján, jelentősen javítva a megismerési döntéshozatali képességet és az ontológiai gyakorlati teljesítményt, valamint gyorsítva evolúcióját az autonómabb és több forgatókönyvre kiterjedő általános intelligencia irányába. A testi intelligencia globális technológiai innovációs irányzatainak pontos megértése és a mélyebb kihívásokra való aktív reagálás nagy jelentőséggel bír az új ipari átalakulás lehetőségeinek megragadása és kezdeményezési jog elérésének biztosítása szempontjából.
A globális testi intelligencia-technológia-fejlesztés öt fő irányzatot mutat
Jelenleg a globális testesített intelligencia technológia gyorsuló fejlődési irányt mutat, öt dimenzióban értek el áttörést: érzékelési interakció, döntéshozási kogníció, vezérlési végrehajtás, virtuális és valós tér adatintegrációja, valamint rendszerintegráció – ezek együttesen segítik a testesített intelligencia laboratóriumi szintjéről a nagy léptékű alkalmazásokra való áttörést.
Az egyik a világmodellek beépítése és az érzékelési interakció átalakulása. A világmodell és a multimodális érzékelési technológia által meghajtva az inkarnált intelligencia jelentősen javította a fizikai környezetek megértésének és velük való interakciójának képességét, így egy paradigmaváltás következett be a „inger-válasz” rendszerről a „deduktív döntéshozatalra”, illetve az adatok újraszervezéséről a minták megértésére. A Meta bevezette a V-JEPA2 világmodellt, amely képes előre jelezni különböző viselkedések következményeit, és céljaik alapján rangsorolni őket, ezzel jelentősen növelve a cselekvések pontosságát. A Pekingi Egyetem egy MLA többszenzoros nyelvi-cselekvési modellarchitektúrát javasolt, amely egy teljes többszenzoros módust vezet be, és megbízhatóbb döntési alapot biztosít a heterogén jelek integrálásával.
Másodszor, egy végponttól végpontig tartó irányzat és egy paradigmaváltás figyelhető meg a döntéshozatalban. Az inkarnált intelligencia hierarchikus döntéshozatali architektúrája („agy + agykéreg”) éretté vált, és egyre gyakrabban alkalmazzák; a végponttól végpontig működő modell – előnyei közé tartozik a széles lefedettség, az alacsony késleltetés, a magas autonómia és az erős együttműködési képesség – nagy potenciált mutatott az inkarnált intelligencia általános általánosítás felé történő fejlesztésében. A Google DeepMind Gemini Robotics egy végponttól végpontig működő VLA-architektúrára támaszkodik, és kiváló keresztonológiai általánosítási képességgel rendelkezik; a kínai Yuejiang által függetlenül fejlesztett DOBOT-VLA modell integrálja a látási, nyelvi és vezérlési képességeket, és valós világban zajló megerősítéses tanulással optimalizálták. Az ATOM humanoid robotjával felszerelve 2025-ben tömeggyártásba került, és összetett feladatokat, például járást, dinamikus egyensúlyozást és precíziós összeszerelést is el tud végezni.
Harmadszor, az új rugalmas anyagok felfedezése lehetővé tette az öngyógyuló képességek megjelenését. Az anyagforradalom elősegíti az „inkarnált intelligencia” fejlődését a „merev végrehajtó végpont”-ról az „intelligens adaptációs lény”-re. A bőrhöz hasonló tapintásérzékelők és az elektronikus bőr lehetővé teszik az inkarnált intelligenciának, hogy rendkívül érzékeny környezeti érzékelési képességgel rendelkezzen, miközben a biomimetikus rugalmas szerkezet többféle mozgási képességet biztosít az inkarnált intelligens lények számára – például mászást, gördülést és perisztaltikus mozgást –, így hatékonyan alkalmazkodnak a különböző felhasználási területekhez és kibővítik azokat. Az öngyógyuló anyagok aktív öngyógyulási áttöréseket értek el: sérülés esetén a test képes a kémiai kötések reverzibilis újracsatlakozására fény és hő hatására. Ez az anyag integrálja a károsodás észlelését, lokalizálását és öngyógyulását, jelentősen növelve az inkarnált intelligencia tartósságát és megbízhatóságát összetett és nehéz környezetekben, és biztosítva hosszú távú autonóm működését.
A negyedik a virtuális és valós adatok integrációja, valamint az adatszabványok egységesítése. A valós gépek adatainak gyűjtése magas költséggel jár, kis méretű, és gyenge általánosítási képességgel rendelkezik ismeretlen környezetekre, ami akadályt jelent az inkarnált intelligencia fejlesztésében. A generatív adatforrás egy nagymodellből létrehozott szimulációs környezet, amely nagy mennyiségű, erősen strukturált adatot biztosít alacsony költséggel, így kitölti az adathiányt. A fizikai törvényekre épülő korlátozásokkal, a kevert adatparadigmákkal és a valós gépadatokkal történő kalibrálással jelentősen csökkenthető a szimuláció és a valóság közötti rést. A hazai 51Sim vállalat az Nvidia-platformon alapuló, végponttól végpontig terjedő segített vezetési forgatókönyveket és szintetizált adatokat gyűjtött össze, amelyek sikeresen alkalmazhatók robotok tanítására összetett környezetekben, például kikötőkben és bányákban. A „Dome DOME” platform egységesíti az adatfelületeket és a formátum-specifikációkat, megszünteti az adatszigeteket, létrehoz egy univerzális nyelvet az iparág számára, és hatékonyan elősegíti a forgatókönyvek közötti interoperabilitást és a minőségi adatellátást.
Az ötödik cél a heterogén együttműködés elérése és egy biztonságos alap megteremtése. A szoftver és a hardver szétválasztása, valamint a moduláris integráció gyorsítja az inkarnált intelligens operációs rendszerek fejlődését, lehetővé téve a különböző ontológiák közötti kompatibilitást és a heterogén együttműködést. Az OpenRMF architektúra egységesíti a robotok „közlekedési szabályait” és „kommunikációs nyelvét”, lehetővé téve a heterogén gépcsoportok közös működését; az OpenMind által bemutatott OM1 támogatja a plug-and-play funkciót és a főbb nagy nyelvi modellek API-inak különböző ontológiák közötti fejlesztését. A rendszerintegráció megerősíti a projekt alapját, biztosítva a biztonságot, megbízhatóságot és a legalsó szintű korlátozások betartását. Az ellenséges tanítás, a differenciális adatvédelem és egyéb adatvédelmi számítási technológiák lehetővé teszik a szervezeti határokon átnyúló együttműködést nyers adatok kiszivárgása nélkül, így aktív és mélyreható biztonsági védelmi rendszert építenek az inkarnált intelligencia nagyléptékű alkalmazásai számára.
Több intézkedést kell meghozni Kína testesített intelligenciájának versenyképességének növelése érdekében
Jelenleg Kína testesített intelligenciája egy olyan kritikus szakaszban van, amelyben technológiai áttörések, ipari bevezetés és ökológiai fejlesztés koordinálása szükséges. A kulcsfontosságú hardverek hazai gyártása felgyorsult, és a nagy modellek teljesítménye jelentősen javult. A hazai számítási kapacitás hatékonyan képes bonyolult modelleket futtatni, és néhány területen már kialakultak kezdeti alkalmazási képességek. Azonban az egyre hevesebb nemzetközi verseny mellett a testesített intelligencia mélyreható kihívásait nem lehet figyelmen kívül hagyni.
Először is javítani kell a kulcskomponensek önálló irányíthatóságát, mivel a szervomotorokra, a fogaskerekes hajtóművekre és a nagyfokú érzékenységű érzékelőkre gyakorolt külső függőség továbbra is magas. Az energiaellátó rendszer üzemideje elégtelen, és továbbra is hiányzik a teljes szoftveres és hardveres verem saját fejlesztésének képessége. Másodszor, a szabványrendszer és az ipari ökoszisztéma további fejlesztésre szorul: a hardveres interfészek, a kommunikációs protokollok és a szoftverkompatibilitási szabványok egységesítése hiányzik, elterjedtek az adatszigetek, korlátozott a nyílt forráskódú közösségek befolyása, és hiányzik a minőségi interaktív adatok megfelelő ellátása. Harmadszor, a biztonsági kormányzati rendszer további fejlesztésre szorul: nehéz meghatározni a felelősséget autonóm rendszerek balesetei esetén. A folyamatosan gyűjtött érzékeny adatok könnyen vezethetnek adatbázis-szivárgáshoz vagy adatvédelmi jogsértésekhez, és javítani kell a megbízható mechanizmusokat a szervezetek közötti együttműködéshez.
A fent említett kihívásokkal szemben Kína ki kell használja a fejlődési időablakot, az önálló innovációt kell központi elemként kezelnie, a szabványalkotást kiindulási alapként, a biztonságos irányítást pedig alapvető feltételként, és gyorsítania kell az intelligens ipari ökológia kialakítását, erős lendületet adva az új minőségi termelékenység fejlesztésének és egy erős technológiai ország építésének.
Az egyik cél a stratégiai technológiai erők elrendezésének erősítése és a független innováció alapjainak megerősítése. A új nemzeti rendszerre támaszkodva erősítjük a testes intelligencia területén működő nemzeti kulcsfontosságú laboratóriumok stratégiai tudományos-technológiai képességeit, és szervezett kutatásokat folytatunk az „információ-fizika-megismerés” három tartományt összekapcsoló modell, a végponttól végpontig történő döntéshozatali architektúra, valamint a biomimetikus rugalmas anyagok irányában. Mélyítjük az ipar, a tudományos élet és a kutatás vállalatvezette integrációját, támogatjuk a vezető technológiai vállalatokat abban, hogy innovációs konzorciumokat hozzanak létre, és koncentrálják előnyös erőforrásaikat a szervomotorok, csökkentők és bolygókerekes orsók példáján keresztül a kulcskomponensek hazai gyártásának akadályainak leküzdésére; összekötjük az egész láncot: „alapkutatás – technológiafejlesztés – ipari alkalmazás”, és a fejlődés forrásából oldjuk fel az ipari fejlődés korlátozásait.
A második cél egy nyitott és együttműködő ipari ökoszisztéma kialakítása, amely magas színvonalon vezeti a minőségi fejlődést. Gyorsítsuk fel a különböző iparágak közötti hardverfelületek, kommunikációs protokollok és szoftverkompatibilitási szabványok fejlesztését, és támogassuk az önállóan irányítható alapszoftverek – például operációs rendszerek és köztes szoftverek – fejlesztését. Vizsgáljuk meg a felső szintű adatgyűjtési és adatkezelési szervezetek létrehozásának lehetőségét, dolgozzunk ki többmódszeres adatgyűjtési és annotációs szabványokat, építsünk szimulációs referenciarendszereket és adatnyitott platformokat kulcsszcenáriókra, mint például az intelligens gyártás és a magas kockázatú műveletek, valamint törjük le az adatáramlás akadályait. Erősen támogassuk a helyi nyílt forráskódú ökoszisztéma kialakítását, bátorítsuk az egyetemeket, kutatóintézeteket és vállalatokat, hogy közösen építsenek algoritmus-számítási teljesítmény-megosztási rendszereket, csökkentsék a kutatás-fejlesztés akadályait, gyorsítsák a technológiai fejlődést, és magas színvonalú szabványosítással és nyílt forráskóddal vezessék az ipar minőségi fejlődését.
A harmadik cél egy megbízható biztonsági kormányzati rendszer létrehozása és egy szilárd alap megteremtése a megbízható fejlődéshez. Egy hierarchikus védelmi mechanizmus kialakítása, amely lefedi az algoritmusokat, az adatokat és a fizikai biztonságot, valamint az érintett felek – gyártás, felhasználás, algoritmus-szolgáltatás és felügyelet területén – jogainak és felelősségeinek egyértelmű meghatározása. Előretekintő kutatás a balesetekért való felelősség megállapításáról, a szervezetek közötti együttműködésről és kölcsönös bizalomra épülő kormányzati szabályokról, valamint a konkrét navigációs, csoportos együttműködési és egyéb viselkedési formákra vonatkozó biztonsági és etikai irányelvekről. Inkluzív és óvatos szabályozási modellek feltárása, a teljes életciklusra kiterjedő biztonsági és etikai értékelések végzése, proaktív és mélyszintű biztonsági védelmi rendszerek kialakítása, valamint intézményi garanciák biztosítása az inkarnált intelligencia nagy léptékű bevezetéséhez és hosszú távú, egészséges fejlődéséhez.
EN
