上周末，全球首個(gè)以人形機(jī)器人為參賽主體的綜合性體育盛會(huì)“2025世界人形機(jī)器人運(yùn)動(dòng)會(huì)”在國(guó)家速滑館“冰絲帶”正式開幕。

來自16個(gè)國(guó)家的280支參賽隊(duì)伍齊聚北京，為大家展現(xiàn)了當(dāng)代人形機(jī)器人的未來黑歷史發(fā)展盛況。（多gif預(yù)警~）

古風(fēng)小機(jī)器人來也

5v5足球賽也會(huì)疊羅漢嗎

疊羅漢和再起不能

機(jī)器人撞人事件

哎呦這地兒是不是不平啊

我頭呢我頭呢

我倒了 大家加油

在田徑、足球、拳擊等項(xiàng)目中，最引人注目的無疑是百米短跑。當(dāng)發(fā)令槍響，一臺(tái)名為“具身天公Ultra”的人形機(jī)器人從起跑線上沖出，它由北京人形機(jī)器人創(chuàng)新中心自主研發(fā)的機(jī)器人，最終以21.50秒的成績(jī)奪冠。而在所有硅基運(yùn)動(dòng)員中，“天公Ultra”是唯一一臺(tái)采用全自主導(dǎo)航系統(tǒng)，全程無需人工遙控在賽場(chǎng)奔跑的選手。

宇樹科技王興興賽后總結(jié)

相信大家在看完運(yùn)動(dòng)會(huì)中機(jī)器人的諸多洋相精彩表現(xiàn)之后，會(huì)產(chǎn)生和小編相似的疑問：

為什么學(xué)會(huì)奔跑——這個(gè)人類幼童即可掌握的技能——對(duì)機(jī)器人而言如此困難？為什么不讓輪胎機(jī)器人參賽，著重于“人形”機(jī)器人？

這些問題，將我們引向一個(gè)重新審視“智能”本質(zhì)的概念：具身智能。這意味著AI試著從虛擬的數(shù)字空間回歸物理現(xiàn)實(shí)，從抽象的符號(hào)處理走向與世界互動(dòng)的真實(shí)存在。

莫拉維克悖論

要理解機(jī)器人奔跑的意義，我們必須首先面對(duì)人工智能領(lǐng)域一個(gè)基本難題，即 “莫拉維克悖論”（Moravec's Paradox）。

這是由人工智能和機(jī)器人學(xué)者所發(fā)現(xiàn)的一個(gè)和常識(shí)相左的現(xiàn)象，在1980年代提出，其核心是：人類所獨(dú)有的高階智慧能力只需要非常少的計(jì)算能力，例如推理，但是無意識(shí)的技能和直覺卻需要極大的運(yùn)算能力。

如莫拉維克所說，要讓電腦如成人般地下棋是相對(duì)容易的，但是要讓電腦有如一歲小孩般的感知和行動(dòng)能力卻是相當(dāng)困難甚至是不可能的。

莫拉維克曾經(jīng)根據(jù)自己的研究，繪制了一張“人類能力景觀圖”。

在這張圖中，被海洋所淹沒的部分就是當(dāng)時(shí)已經(jīng)可以被人工智能和機(jī)器人所取代的工作，而隨著海平面的上升，岸邊、平原和高原的技能對(duì)AI來說難度逐漸上升。

莫拉維克悖論的根源來自于生物演化的漫長(zhǎng)歷史。人類引以為傲的抽象推理能力，如邏輯和數(shù)學(xué)，從演化的時(shí)間尺度上看，是最近幾千年才發(fā)展出的新能力。莫拉維克將其形容為“人類思想最薄的一層表皮” 。

與之相反，感知和運(yùn)動(dòng)控制這些我們幾乎不假思索就能完成的“簡(jiǎn)單”技能，是歷經(jīng)數(shù)億年自然選擇精心雕琢和優(yōu)化的結(jié)果。大腦皮層中，有大量區(qū)域用于視覺、聽覺、運(yùn)動(dòng)控制等感知與行動(dòng)。我們低估了這些任務(wù)的復(fù)雜性，正是因?yàn)樗鼈冄莼梅浅８咝В灾劣诖蟛糠诌^程在我們無意識(shí)時(shí)就已完成了。

不是這個(gè)，后空翻小編也做不到

但隨著深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和傳感器技術(shù)的發(fā)展，某些“莫拉維克難題”已經(jīng)被部分攻克，“具身智能”也逐漸在現(xiàn)實(shí)世界嶄露頭角。

具身智能

具身智能（Embodied Intelligence）是一種強(qiáng)調(diào)智能系統(tǒng)必須擁有物理身體，并通過這個(gè)身體與動(dòng)態(tài)、復(fù)雜的真實(shí)環(huán)境進(jìn)行實(shí)時(shí)交互，從而在交互中學(xué)習(xí)、優(yōu)化并展現(xiàn)其智能的理論。

具身智體的典型架構(gòu)

其實(shí)質(zhì)是人工智能與機(jī)器人技術(shù)的深度融合：AI為機(jī)器人提供“大腦”，使其具備感知、思考和決策的能力；而機(jī)器人則為AI提供“身體”，使其能夠與真實(shí)世界互動(dòng)，獲取經(jīng)驗(yàn)和知識(shí) 。

AI領(lǐng)域著名大佬李飛飛曾指出：“具身的含義不是身體本身，而是與環(huán)境交互以及在環(huán)境中做事的整體需求和功能?！?/p>

具身智能的體系架構(gòu)

早在1950年，艾倫?圖靈發(fā)表了經(jīng)典的《Computing Machinery and Intelligence》一文，標(biāo)志著人工智能理論的奠基。

在這篇論文的最后兩個(gè)段落里，圖靈展望了人工智能未來可能的兩種發(fā)展途徑。一種是比較抽象的、比如算術(shù)所需的智能，一種則是擁有感官、能學(xué)習(xí)甚至能說英語的智能。而后者，正是具身智能。

1986年，美國(guó)計(jì)算機(jī)科學(xué)家羅德尼?布魯克斯從控制論角度出發(fā),強(qiáng)調(diào)智能是具身化 (Embodied) 和情境化的。換言之,智能體必須擁有“身體”才能由虛擬世界進(jìn)入到真實(shí)世界,并通過與真實(shí)世界的交互來發(fā)育或進(jìn)化出智能。

1991年，布魯克斯提出了“行為智能”，認(rèn)為智能系統(tǒng)應(yīng)直接通過與環(huán)境互動(dòng)來體現(xiàn)其高度的適應(yīng)性，而非依賴內(nèi)部模型。這一工作引導(dǎo)研究者從計(jì)算能力轉(zhuǎn)向身體與環(huán)境的交互。

羅德尼?布魯克斯

2023年，英偉達(dá)創(chuàng)始人黃仁勛在半導(dǎo)體大會(huì)上指出，具身智能是能夠理解、推理并與物理世界互動(dòng)的智能系統(tǒng)，預(yù)示著其將成為人工智能的下一波浪潮。

2025年，“具身智能”首次被寫入政府工作報(bào)告，成為未來產(chǎn)業(yè)發(fā)展的重點(diǎn)方向之一。

今年舉辦的全球機(jī)器人馬拉松、世界機(jī)器人大會(huì)、世界人形機(jī)器人運(yùn)動(dòng)會(huì)，都讓最新的機(jī)器人乃至具身智能“幼兒”們一個(gè)亮相的機(jī)會(huì)。

沒斷奶也可以來比賽！

具身認(rèn)知

如前文所言，圖靈對(duì)人工智能未來的展望，除了具身智能，它的對(duì)立面則是我們更為熟悉的——離身智能（Disembodied Intelligence）。

像ChatGPT或AlphaGo這樣的模型，就是離身智能的典型代表。它們存在于服務(wù)器的虛擬世界中，處理的是抽象的符號(hào)數(shù)據(jù)（文字、圖片、棋盤狀態(tài)），能夠輸出信息，但無法直接作用于物理世界。

AlphaGo雖然精于棋局推演，但面對(duì)真實(shí)的棋盤，它可能連一顆棋子都拿不穩(wěn)。

但具身智能與離身智能并不相互排斥, 特別是在方法層面上, 包括深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等方法都已成為解決離身智能和具身智能問題的重要工具。

具身智能的核心機(jī)制，是感知-行動(dòng)循環(huán)。

這與傳統(tǒng)AI線性的“輸入數(shù)據(jù)-輸出答案”模式截然不同。具身智能體在一個(gè)持續(xù)不斷的閉環(huán)中運(yùn)作：它通過傳感器（如攝像頭、觸覺傳感器）感知世界；這種感知信息經(jīng)過處理，形成決策，并驅(qū)動(dòng)執(zhí)行器（如馬達(dá)、機(jī)械臂）產(chǎn)生行動(dòng)；行動(dòng)改變了智能體自身以及環(huán)境的狀態(tài)；這種改變又立刻被智能體感知到，形成新的輸入，從而開始下一輪循環(huán)。

在這個(gè)循環(huán)中，感知與行動(dòng)互為因果，智能體不再是被動(dòng)的決策器，而是能夠主動(dòng)干預(yù)物理世界并實(shí)時(shí)適應(yīng)變化的能動(dòng)主體。

具身形態(tài)計(jì)算的典型信息論分析方法結(jié)構(gòu)

這一循環(huán)，與認(rèn)知科學(xué)中的具身認(rèn)知不謀而合。

具身認(rèn)知主張，人類的思維、感知、語言和情感等認(rèn)知活動(dòng)與身體的物理結(jié)構(gòu)、感官體驗(yàn)和動(dòng)作密切相關(guān)。認(rèn)知不僅僅是大腦內(nèi)的信息處理，而是身體與外部世界動(dòng)態(tài)互動(dòng)的產(chǎn)物。其包含了幾個(gè)概念：

1.具身認(rèn)知：認(rèn)知不是抽象的符號(hào)操作，是通過身體和環(huán)節(jié)的互動(dòng)實(shí)現(xiàn)的。身體不僅是認(rèn)知的工具，更是認(rèn)知內(nèi)容的塑造者。

2.感知-行動(dòng)循環(huán)：認(rèn)知過程不僅依賴大腦的計(jì)算，還與身體的動(dòng)作和感官反饋形成動(dòng)態(tài)循環(huán)。若感知和行動(dòng)被人為分離，認(rèn)知能力會(huì)顯著下降。

3.身體形態(tài)：身體的物理結(jié)構(gòu)和動(dòng)作模式在認(rèn)知中起著至關(guān)重要的作用，人類的思維和概念受到身體形態(tài)的深刻影響。比如“抓握”這一概念就是來源于人類手指形態(tài)。

4.情景化：認(rèn)知活動(dòng)并非孤立，而是嵌入在具體的身體和環(huán)境背景中的。同樣的動(dòng)作在不同文化中可能具有不同的涵義。

在生物學(xué)驗(yàn)證上，通過著名的“小貓實(shí)驗(yàn)”（kittens experiment），驗(yàn)證了視覺、發(fā)展和運(yùn)動(dòng)之間的關(guān)系。

科學(xué)家把兩只小貓放進(jìn)了圓筒內(nèi)，圓筒內(nèi)壁上畫著豎條紋，兩只小貓都在圓筒內(nèi)部繞圈，稱作“小貓旋轉(zhuǎn)木馬”，得到了相同的視覺輸入。但它們的區(qū)別是——第一只小貓是自己走的，第二只小貓則被放在與中心軸相連的盒子里，被盒子帶著移動(dòng)。

結(jié)果發(fā)現(xiàn)，主動(dòng)移動(dòng)的小貓能夠發(fā)展出正常的感官-運(yùn)動(dòng)系統(tǒng)，而被動(dòng)移動(dòng)的小貓則表現(xiàn)出嚴(yán)重的感官-運(yùn)動(dòng)障礙。這說明了自我運(yùn)動(dòng)與環(huán)境主動(dòng)互動(dòng)在視覺感知和協(xié)調(diào)的關(guān)鍵作用。

隨著新的具身認(rèn)知的發(fā)展，認(rèn)知科學(xué)也能幫助具身智能更好的描摹這個(gè)世界，認(rèn)識(shí)這個(gè)世界。

競(jìng)爭(zhēng)對(duì)手也可以抱一抱~

最后，讓我們回到開頭的世界人形機(jī)器人運(yùn)動(dòng)會(huì)，試想，為什么要用人形機(jī)器人？

（說起來，今年舉辦的機(jī)器人大會(huì)中，只有“運(yùn)動(dòng)會(huì)”的名字里加上了“人形”呢）

首先，我們的世界——從建筑、工具到社會(huì)規(guī)范——都是為人類的身體形態(tài)量身定做的。因此，制造人形機(jī)器人，擁有兩只手兩條腿，讓它們能夠無縫地融入我們的環(huán)境，是一個(gè)非常務(wù)實(shí)的選擇。

人 不要阻擋我的跳舞之魂

其次，機(jī)器人學(xué)習(xí)現(xiàn)實(shí)世界中的技能，能夠直接學(xué)習(xí)現(xiàn)成的人類行為。比如對(duì)機(jī)器人學(xué)習(xí)打打乒乓球，可以直接觀察人類動(dòng)作進(jìn)行多模態(tài)學(xué)習(xí)，分析人類的技巧、速度、肌肉等等。

還有，人們對(duì)具有人形的機(jī)器人有更多親近感，也能更好理解彼此的動(dòng)作信號(hào)——比如點(diǎn)頭、比ok等等。

good！

當(dāng)然，這些并不意味著非人形機(jī)器人的弱勢(shì)。無論是宇樹的四足機(jī)器人，還是場(chǎng)景賽中的分揀機(jī)器人，都以非人的方式呈現(xiàn)。根據(jù)具體的需要，能夠以不同的形態(tài)更好地滿足。

真正的、通用的、擁有常識(shí)并能適應(yīng)我們這個(gè)混亂且不可預(yù)測(cè)的世界的智能，不可能在純粹抽象的數(shù)字真空中誕生。它需要被具身化、它需要擁有一個(gè)身體，去與世界互動(dòng)，去將其知識(shí)植根于物理經(jīng)驗(yàn)，去在永不停歇的感知與行動(dòng)的循環(huán)中學(xué)習(xí)和進(jìn)化。

機(jī)器人，幸會(huì)

參考資料

[1]陳思維(2024). 具身認(rèn)知研究進(jìn)展綜述.心理學(xué)進(jìn)展, 14(1), 387-394. DOI: 10.12677/ap.2024.141054

[2]https://zhuanlan.zhihu.com/p/1920853960635450532

[3]https://www.simplypsychology.org/held-and-hein-1963.html

[4] Huaping Liu, Di Guo, and Angelo Cangelosi. 2025. Embodied Intelligence: A Synergy of Morphology, Action, Perception and Learning. ACM Comput. Surv. 57, 7, Article 186 (March 2025), 36 pages.

[5] https://www.zhihu.com/question/398460589

[6] https://news.qq.com/rain/a/20250821A03OGO00

[7] https://mp.weixin.qq.com/s/lZH4oM3WJPfpsFG8D6hrtA

[8] https://mp.weixin.qq.com/s/Sw6FPYlVM6DCWTCCInKgyA

[9] https://mp.weixin.qq.com/s/aNbIV7sa7G-97axStFtE7Q

編輯：花卷