张正涛：具身智能的价值在于着实场景中创造可测度的后果

专题：2025寰宇机器东说念主大会：AI大模子赋能机器东说念主与具身智能产业新范式调换行为

　　“2025寰宇机器东说念主大会”于8月8日至12日在北京经济时期开发区开幕，“AI 大模子赋能机器东说念主与具身智能产业新范式调换行为”手脚2025寰宇机器东说念主大会的专题行为于8月8日同期召开。灵宝CASBOT独创东说念主兼董事长张正涛出席并演讲。

　　

　　以下为演讲实录：

　　相称运道有这么一个契机和诸君优秀的同业进行调换，我来自灵宝CASBOT，证明注解的题目是《聚焦场景落地-通用东说念主形机器东说念主》。　　

　　已往两年，东说念主形机器东说念主行业资格了从迷濛到快速发展的历程。2023年工信部发布《东说念主形机器东说念主立异发展提示观点》时，咱们还在不雅望时期阶梯和买卖模式；到了2024年，产业链顷刻间纯熟起来，就像被按下加快键一样。

　　战术文献里提到的“大脑+小脑+肢体”环节时期冲破，咱们深有体会。咱们在大小脑性能、资本、壮健性上得到了强大的提高。另外战术内部也建议了，东说念主形机器东说念主在特种、制造、民生得到了示范应用。　

　　灵宝CASBOT机器东说念主的中枢本性之一是，咱们聚焦工业具身。之前的创业资格我走过200多家工场，在工业鸿沟，中国的东说念主口结构变化和产业链挪动，让具身智能成为新式工业化的贫困握手；而在老龄化社会，机器东说念主的需求更是近在咫尺。　　

　　刚才全球反复谈到的东说念主形机器东说念主内部濒临的最大问题就是数据，咱们讲有着实数据、合成数据，这是全球沟通最多的问题，包括在香港学术圈调换最顺利的联统统据的问题。

　　　　我最早作念手机和半导体的工业检测设备作念了近十年，在早期检测大模子莫得出来的时候，中枢的难点亦然数据问题。那时咱们用的亦然基于扩散模子的数据生成，咱们也作念了很万古分的畸形检测，包括本年在CVPR针对与畸形检测的赛题，中枢简直齐是数据生成的问题。

　　　　客不雅来讲，在某些相对容易进行传神建模和仿确实任务中，仿真数据对均衡模子性能、匡助模子冷启动具有很大价值。但在泛化性上，高质料着实数据的作用不行替代。具身智能从二维到三维，再加上触觉、力觉等多模态信息，可能需要达到B级限制的数据量才气充分赈济模子发展。　　

　　我将“构建面向着实通达场景的具身智能数据体系”分为几个门径：

　　第一步，通过合成数据让模子尽快上线，镌汰从研发到可用的时分；

　　第二步，通过在限制化工业场景中应用，罢了从高资本的遥操作向低资本无感数据汇聚的调换，这才是罢了L0至L2级买卖化的可行旅途。但面前的数据汇聚仍濒临一些挑战：仿真场景与本体场景存在各异；高质料数据（触觉、滑觉、力觉）汇聚困难；动作描摹谈话单一。这些问题齐会导致汇聚数据的灵验率偏低，亦然亟需惩办的瓶颈。

　　国外案例中，一些头部企业的作念法值得咱们想考鉴戒。特斯拉将高质料的遥操作数据与FSD系统深度勾通，变成了与国内很大的各异。常有东说念主质疑遥控器操作模式，但环节是能否用端到端的模式在工场中着实完成任务，而不是依赖传统的“视觉+四解放度机械臂”模式。特斯拉哄骗多数高强度的数据汇聚，即即是看似浅近的动作，也能处理举例极小罅隙的安装，并在出错时进行自主收复。如若用端到端模子罢了，这种才气极具冲破意旨。

　　波士顿能源在当代工场的自主性阐扬相似出色，额外是在低层任务中，举例保持下肢均衡搬运当代汽车部件，这些自主化功课亮点值得眷注。但必须承认，在非结构化环境下，机器东说念主举座效果仍有差距，这亦然全球具身智能产业期待冲破的里程碑。

　　FigureAI建议的快慢Helix模子在行业中产生了积极影响，将云表“慢想考”和VLA土产货快速功课勾通，变成了一种值得参考的模式。

　　接下来为全球先容下咱们公司的情况。灵宝CASBOT设备于2023年8月30日，中枢团队来自中国科学院自动化筹备所。咱们的打算是将科研后果连合承载在一个东说念主形机器东说念主系统中，鼓动科研后果的应用更始落地。现在，咱们有三条中枢居品线：全尺寸双足东说念主形机器东说念主、轮臂式东说念主形机器东说念主及奢睿手，主要应用在工业质检、矿山功课、文旅耕种、买卖办事以及家庭场景。

　　居品形态方面，全尺寸双足东说念主形主要应用于文旅、展厅、市集等交互场景；轮臂式东说念主形更合乎工业功课；奢睿手则具备精致化操作才气。CASBOT SE在本年的东说念主形机器东说念主半程马拉松比赛中上完成了8公里无诞妄行进。咱们于2024年11月发布的首款全尺寸东说念主形机器CASBOT 01身高1.79米，分量80多公斤，春节时代在五棵松的机器东说念主庙会上与公众作念“剪刀石头布”游戏互动，也在本年中关村论坛上接连承担迎宾、控制等任务，全场地展现了其深度感知、东说念主机交互和全身通顺截止的壮健内核。

　　本年6月，咱们发布了第二代全尺寸双足东说念主形机器东说念主居品CASBOT 02，定位为双足轻量化机型。其身高约163cm，体重约55kg，搭载275tops大算力芯片；同期，硬件端配备有RGBD相机、IMU传感器及麦克风阵列，通过视觉与听觉的双重感知，令机器东说念主具备东说念主脸跟踪与声纹识别时期，可罢了“专属陪伴”与“听声辨东说念主”，即使是嘈杂环境下也能壮健识别用户指示，提高交互千里浸感，适用于多种东说念主机交互场景，隐秘用户群体更庸碌。在场景应用方面，面向科技馆、展厅、市集、4S店等场景交互文娱、耕种科研及个东说念主时期酷好者打造，CASBOT 02可担任导览老师、迎宾管待、互动展示等扮装，并赈济翌日多场景多模态的应用场景拓展。

　　中枢时期才气上，咱们将具身智能才气拆解为六个中枢要津：高质料的多模态数据集、轻量化VLA模子、VLA+强化学习后磨砺、多模态大模子后磨砺、生成抵抗师法学习+强化学习通顺截止模子、导航大模子。现在已勾通多种汇聚策略，汇聚约50万条真机数据、800万条东说念主类视频数据及1亿条仿真数据，构建了高质料多模态基础数据集。咱们的数据集尽力于于惩办以下三方面问题：

　　1）罢了出产与数据汇聚同步，责问东说念主工汇聚筛选的资本与效能弃世。

　　2）罢了千里浸式数据汇聚，具备主动视觉、打算搜索与东说念主眼慎重点捕捉才气，赈济谈话与视觉多模态标注，提高标注效能（二维弧线数据已罢了谈话交互标注与自标注）。

　　3）开发轻量化土产货可运行的VLA模子。面前选用的模态分辨多阶段轻量化VLA模子在测试集榜单排行第一。

　　针对精致操作（如牵线搭桥）的挑战，咱们在硬件极限基础上，领先罢了了VLA模子勾通强化学习后磨砺的时期阶梯。通过优化强化学习策略与奖励函数，勾通东说念主类开动勾引与在线微调，真机强化磨砺40-90分钟后，在八项精致任务中告成率接近100%。在长程复杂任务仿真中，大模子勾通强化学习后磨砺的惩办决议相似位居前线。通顺截止上，咱们勾通师法学习与强化学习，罢了了拟东说念主直膝行走与户生手走才气。自主导航方面，咱们集成了自2013年以来的环节时期，包括自主式场景数据赢得、圆善化三维几何重建等，并应用在CASBOT 02上。

　　在东说念主形机器东说念主的应用落地上，咱们主要聚焦三个标的：

　　第一，具身质检。依托十年的仿生视觉时期积蓄，勾通亿级高质料数据和VLA操作范例，罢了对弧线与细小劣势的精确识别，显赫提高检测效能和一致性。

　　第二，矿山安全。针对地下两千米的高危环境，咱们建议了“井下具身机器东说念主+智能装备+智能开采平台”的无东说念主化总体架构，为200多万矿工的人命安全提供保险。

　　第三，买卖及家庭办事。咱们的最终愿景尽力于于让每台东说念主形机器东说念主走进每个家，办事于东说念主。

　　我永久折服，具身智能的价值，不在于舞台上炫技，而在于着实场景中创造可测度的后果。灵宝CASBOT会接续在具身质检、具身矿工、买卖及家庭办事三大标的长远布局，鼓动产业化进度，并以科技向善为理念，办事社会发展与产业升级。

　　谢谢全球！

　　新浪声明：统统会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之宗旨，并不虞味着赞同其不雅点或证据其描摹。

海量资讯、精确解读，尽在新浪财经APP

职守剪辑：李想阳