当前大模型对具身智能的影响边界清晰,可部分取代“想”的认知环节,但无法取代“摸”的物理执行环节,中间层功能正逐步压缩。大模型在通用认知环节可完全替代,但传感器信号表征、物理预测、安全执行仍需具身公司负责。目前大模型学习触觉信号效果差,能否将触觉数据转化为自身可理解的语言特征是关键卡点。未来两到三年需验证的技术问题包括触觉表征能否跨越本体、因果预训练能否替代视频预训练、异步推理速度能否提升,单纯扩大模型参数量无法解决这些问题。
具身智能技术路线分为三类:Anthropic等仅做通用大模型,规避触觉数据;派等用通用底座补真机执行最后一公里;Skilled等完全推倒重做具身模型。最优技术形态为四层分工结构:通用认知由大模型负责,传感器信号表征、物理预测、安全执行由具身公司负责。目前最优形态下,大模型仅在通用认知环节可完全替代,其他环节仍需具身公司技术支撑。
具身智能行业正逐步形成大模型与具身公司分工协作的模式。大模型负责通用认知,具身公司负责传感器信号表征、物理预测、安全执行。未来两到三年,行业需解决触觉表征、因果预训练、异步推理等技术问题。若机器人能在物理环境中持续学习,可形成无需依赖大模型的独立具身模型,与大模型形成区隔。目前大模型学习触觉信号效果差,能否将触觉数据转化为自身可理解的语言特征是关键卡点。
具身智能市场正经历技术路线探索期,目前最优技术形态为四层分工结构,但大模型学习触觉信号效果差,能否将触觉数据转化为自身可理解的语言特征是关键卡点。未来两到三年需验证的技术问题包括触觉表征能否跨越本体、因果预训练能否替代视频预训练、异步推理速度能否提升。目前最优形态下,大模型仅在通用认知环节可完全替代,其他环节仍需具身公司技术支撑。
具身智能研报提示的关键风险在于大模型能否将触觉数据转化为自身可理解的语言特征,目前实验显示大模型学习触觉信号效果差。未来两到三年需验证的技术问题包括触觉表征能否跨越本体、因果预训练能否替代视频预训练、异步推理速度能否提升。单纯扩大模型参数量无法解决这些问题。若机器人不能在物理环境中持续学习,则无法形成独立具身模型,仍需依赖大模型支撑。