人工基础及其应用 3

具身智能第6章授课人：FundamentalsandApplicationsofArtificialIntelligence目录CONTENTS发展历程PART-02技术体系PART-03应用领域PART-04PART-01具身智能概述人形机器人PART-05OverviewofOfficeAutomationPART01具身智能概述TRAININGONTHEUSEOFOFFICESOFTWARE具身智能（EmbodiedIntelligence）是指具有物理形态的智能系统通过与真实环境的持续交互来获取知识、发展认知能力并完成复杂任务的新型智能范式。这一概念突破了传统人工智能“离身”（Disembodied）的局限，强调智能体必须拥有身体并在与环境的互动中涌现出智能行为。具身智能的核心观点是：认知、感知和行动是不可分割的整体，智能不仅存在于“大脑”中，也产生于身体与环境的动态耦合过程中。PART01具身智能概述1.具身智能基本框架具身智能的基本框架包含三个核心要素：感知、决策和行动，形成闭环交互系统。感知模块通过视觉、听觉、触觉等多种传感器获取环境信息。决策模块进行信息处理、任务规划和决策生成。行动模块则执行具体动作并影响环境变化，进而产生新的感知输入。PART01具身智能概述具身智能的“三要素”概念内涵示意图PART01具身智能概述表

具身智能与传统人工智能的主要区别具身智能的发展方向：（1）从模仿学习向强化学习演进，使智能体能够通过自主探索和试错不断提升能力；（2）开发更强大的视觉-语言-动作模型（VLA），实现多模态信息的深度融合与转换；（3）构建通用具身智能体，具备记忆、反思和长期规划等高级认知功能；四是促进模型、数据和硬件的协同发展，突破当前的技术瓶颈；（4）随着这些方向的不断突破，具身智能有望在服务、制造、医疗等领域带来革命性变革，真正实现人工智能从数字世界向物理世界的跨越。PART01具身智能概述具身智能研究面临的主要挑战：非结构化环境的适应性、实时性要求下的计算效率、安全与可靠性保障，以及从有限交互数据中学习通用技能的样本效率问题。物理世界的复杂多变特性使得具身智能系统需要具备强大的泛化能力和鲁棒性，这远超过数字世界中人工智能系统所面临的挑战。PART01具身智能概述DocumentProcessingPART02发展历程TRAININGONTHEUSEOFOFFICESOFTWARE具身智能与离身智能相互补充、协作发展共同促进了对智能的理解、模拟与扩展，从具身智能与离身智能两类研究范式在历史上多次交锋的角度出发，结合人工智能的演进历程，具身智能的发展大致可以分为三个阶段，即早期萌芽阶段（1950s-1990s）、技术积累阶段（1990s-2022），以及技术突破阶段（2022年至今）。第一阶段：早期萌芽阶段（1950s-1990s）第二阶段：技术积累阶段（1990s-2022）第三阶段：技术突破阶段（2022-至今）PART02发展历程1,第一阶段：早期萌芽阶段（1950s-1990s）（1）1956年达特茅斯会议之后的一段时期内，符号主义主导了AI早期发展，试图用逻辑规则、符号、知识工程来模拟人类思维。（2）1954年麻省理工学院生产第一台能够预先编程控制的机械臂，具备了机器人的雏形。（3）1960s机器人学诞生。（4）1960年首台工业机器人Unimate投入使用，在美国通用汽车公司（GeneralMotors）的一条生产线上进行焊接工作。例如1968年，斯坦福研究院（SRI）人工智能中心研制了世界上第一台移动机器人Shakey。（5）1973年，日本早稻田大学研发了会对话的人形机器人WABOT-1。（6）1990年，麻省理工学院制作一款模仿人头部的机器人Kismet，具有听觉，视觉和本体感受等能力。PART02发展历程2,第二阶段：技术积累阶段（1990s-2022）（1）1990年，麻省理工学院制作一款模仿人头部的机器人Kismet，具有听觉，视觉和本体感受等能力。（2）1999年提出模仿学习，聚焦让机器人模仿人类行为的研究，通过让机器人直接模仿专家行为，可以快速、稳定地使其掌握技能。（4）2002年，丹麦iRobot公司推出第一款家用扫地机器人Roomba，获得当时的市场认可。（5）2004年CPaul提出形态计算，聚焦双足运动形态和控制研究。关注“行为主义”架构的仿生机器人研发和“人工智能+机器人”的智能化水平提升。（6）2016年，基于深度强化学习和蒙特卡罗树搜索的AlphaGo击败了人类顶尖职业棋手。PART02发展历程3，第三阶段：技术突破阶段（2022-至今）（1）2022以来，以ChatGPT为代表大模型的通用知识和智能涌现能力为机器人实现智能感知、自主决策乃至拟人化交互方面带来巨大潜力。（2）2023年半导体大会上，英伟达创始人黄仁勋表示EAI是能理解、推理、并与物理世界互动的智能系统，是人工智能的下一个浪潮。（3）2024年，人形机器人集中爆发，其他形态的本体如协作机械臂、移动操作机器人、仿生灵巧手、无人驾驶出租车等也显现出智能升级趋势。（4）2024年3月OpenAI与人形机器人初创公司Figure合作推出了Figure01机器人，能听、会说、能与人类对话交流并且可以执行多样化任务。（5）2024年8月推出的Figure02凭借GPT-4o的大脑升级和本体的巧妙设计，如配有全方位摄像头、仿生灵巧手等，在感知、移动和操作能力上取得进一步突破。PART02发展历程PART02发展历程TableProcessingPART03技术体系TRAININGONTHEUSEOFOFFICESOFTWARE具身智能技术体系结构，分为“感知-决策-行动-反馈”四个模块四个模块形成一个闭环，在与环境的不断交互中，实现对环境的重构映射、自主决策和自适应行动，并从经验反馈中不断学习进化。目前，具身智能正在围绕“感知+决策”、“感知+决策+行动”等并行探索多条有潜力的技术路径，探索如何打造具备通用智能的具身智能基础模型。PART03技术体系PART03技术体系1.感知模块感知模块是具身智能的“信息采集和处理器”，建立对外部环境的感知和理解，为可靠的决策和成功完成行动提供支持，为赋予机器感官，实现多模态感知泛化。感知模块主要任务包括对象识别、位置定位、场景理解、环境重建和状态监测等，感知实时性和精度将直接影响决策的可靠性和行动的准确度。感知模块的具体实现从集成不同的AI算法，逐渐转向使用多模态模型来处理和融合多维传感数据。PART03技术体系PART03技术体系具身智能感知模块基本组成PART03技术体系机器人感知模块示例2.决策模块决策模块是具身智能的“指挥中心”，接受环境感知信息后，完成高级任务规划和推理分析，并生成逐步决策指令来控制行动，提升机器脑力，实现人类思维模拟。决策模块的主要任务包括任务规划和推理分析等。决策模块的具体实现从依靠人工知识的编程决策、专用任务的算法设计，转为以大模型为核心的机器智能决策。决策模块负责接收来自感知模块的各种信息，结合任务目标做进一步处理后，制定具体的行动策略PART03技术体系PART03技术体系具身智能决策模块基本组成PART03技术体系具身智能决策模块示例3.行动模块行动模块是具身智能的“执行单元”，负责接收决策模块指令，并执行具体动作，提升机器自主行动能力，实现精细动作执行。行动模块的主要任务包括导航、物体操作和物体交互PART03技术体系具身智能行动模块基本组成在真实环境中，机器人行动能力受到复杂环境以及环境动态变化的限制。环境中温度、湿度、摩擦力、障碍物、部件磨损等环境属性和条件的动态变化，均会导致感知观测误差和决策准确性，而影响任务执行的成功率PART03技术体系行动模块动作控制组成PART03技术体系机器人行动模块示例PART03技术体系机器人行动模块示例4.反馈模块反馈模块是具身智能的“调节器”，拓展机器交互通道，实现自主学习演进。通过多层交互不断接收来自环境的反馈经验并进行调整和优化，提高对环境的适应性和智能化水平。反馈模块将环境交互的经验用于优化感知、决策和行动模块，实现感知增强，策略优化和行动适应PART03技术体系PART03技术体系反馈模块基本组成TableProcessingPART04技术体系TRAININGONTHEUSEOFOFFICESOFTWAREPART04应用领域具身智能作为人工智能与物理世界交互的前沿领域，正在深刻改变人类社会的多个方面。具身智能在各领域的创新应用，包括工业制造与物流自动化、医疗健康与服务机器人、家庭服务与智慧生活、特殊环境作业与应急救援，以及教育与科研领域。具身智能的发展将会解决各行业痛点，提升效率与安全性，并创造新的价值，具有广阔的应用前景。PART04应用领域1.工业制造与物流自动化工业制造与物流领域是具身智能技术落地最快、应用最成熟的领域之一。随着制造业向柔性化、智能化方向发展，传统的固定编程工业机器人已难以满足小批量、多品种的生产需求，而具身智能系统凭借其感知能力、学习能力和适应能力，正在重塑现代工厂的运作模式。PART04应用领域2.医疗健康与服务机器人医疗健康领域对精确性、安全性和适应性有着极高要求，这是具身智能技术能够发挥优势的方向。从手术辅助到康复训练，从病房服务到远程医疗，具身智能正在重塑医疗服务的提供方式，提高医疗质量的可及性，同时降低医护人员的体力负担和职业风险。PART04应用领域机器人医院病房消毒机器人远程临场查房检查PART04应用领域3.全庭服务与智慧生活清洁机器人已从早期的随机碰撞式发展为具备空间认知能力的智能体。iRobot的J7+系列搭载了具身智能系统，不仅能构建家庭地图，还能识别并分类地面杂物（如电线、玩具、宠物粪便等），自主决定清洁路线和方式扫拖一体机PART04应用领域机器狗陪伴儿童学习PART04应用领域4.特殊环境作业特殊环境作业领域包括人类难以进入或危险系数极高的场景，如核电站、深海、太空等，这些场所对设备的自主性、可靠性和适应性要求极高，正是具身智能技术最能发挥价值的用武之地。同时，在自然灾害和突发事故的应急救援中，具身智能体能够率先进入危险区域，为后续救援行动提供关键信息和支持，大幅提高救援效率并降低人员风险PART04应用领域机器人核环境检测“海斗”号全海深自主遥控水下机器人PART04应用领域机器人火灾救援iRobot的PackBot机器人（排爆机器人）WPSandLargeLanguageModelsPART05人形机器人TRAININGONTHEUSEOFOFFICESOFTWAREPART05人形机器人1.人形机器人的发展现状人形机器人的技术进化，本质是对“类人能力”的精准复刻与超越，其核心突破体现在运动控制的极限突破、环境感知的全域覆盖，以及决策系统的智能升级。PART05人形机器人2025世界人形机器人运动会PART05人形机器人特斯拉人形机器人PART05人形机器人2.人形机器人的未来趋势（1）大模型与控制层的深度耦合大模型与机器人控制的结合正在改写传统交互逻辑。例如OpenAI与Figure的合作模式，将GPT级语言理解能力直接接入底层控制，实现了“感知-理解-执行”的端到端闭环。（2）认知架构的类人化革新传统机器人依赖固定规则，而新一代认知架构正走向分层智能。DeepMind的“机器人Transformer（RT-X）”框架通过跨机器人数据训练，实现了策略的跨平台迁移（如从机械臂技能迁移至四足机器人）。（3）材料科学的形态重塑硬件革新正在突破传统机械局限。哈佛大学的液态金属电路可在断裂后自主修复，有望解决柔性关节的耐久性难题；MIT研发的“机械神经元”将传感器、处理器与执行器集成于单一材料，响应速度较传统电子系统提升1000倍。PART05人形机器人3.商业化破局从“实验室”到“生活场景”人形机器人的普及，成本与生态是关键。（1）成本控制

规模化生产：年产能达百万台后，单位制造成本可下降60%以上。

部件复用：直接采用汽车级电机、电池等成熟供应链，降低研发与采购成本。

设计简化：通过算法优化减少冗余自由度（2）应用场景的分化与适配

工业领域：衍生出物流版（强化负重与自主导航）、装配版（高精度手部操作）、巡检版（多传感器融合）等专用变体。

家庭场景：可能采用“基础硬件+服务订阅”模式，类似智能手机生态——硬件保持标准化配置，高级技能（如烹饪、护理）通过云端按需加载。PART05人形机器人4.社会规则和伦理人形机器人的普及将倒逼社会规则、伦理与教育体系的革新（1）社会规范的建立与完善：人机共处需明确权责边界。欧盟已启动“机器人权利宪章”研究，探讨其法律地位与事故责任划分；机器人需明确标示能力边界，避免人类产生不切实际的期望。（2）伦理设计的人性化转向：最新研究表明，“适度缺陷”的机器人（如偶尔迟疑或小失误）比完美表现的机器人更易获得人类信任。（3）教育体系的同步迭代：人机协作能力将成为未来职场核心技能。MIT已开设“人形机器人协作”课程，教授如何高效指挥与配合机器人；世界经济论坛预测，到2030年，约30%的工作岗位将要求掌握不同程度的机器人协作技能，甚至可能涌现“机器人主管”等新职业，负责优化人机团队分工与效能评估WPSandLargeLanguageModelsPART06实验13机器人语音识别TRAININGONTHEUSEOFOFFICESOFTWAREPART06实验13机器人语音识别（一）实验目的1.了解语音识别的基本概念2.掌握Python环境的搭建3.掌握语音识别的API使用4.掌握语音识别程序的编程技能（二）实验原理基于Python编程语言，通过调用UGOT语音函数接口，使UGOT变形车能够识别“前进”、“后退”、“左转”、“右转”、“跳舞”等指令，并执行对应的动作。PART06实验13机器人语音识别（三）实验器材要求（1）电脑（2）UGOT变形车1台（变形车由UGOT仿真平台通过选择变形车组件方式提供，不需要配置硬件设备。）（3）Python安装包（4）Pycharm安装包备注：通过仿真平台ugot组件可以拼成变形车形态，即根据不同的组件可以拼成不同形态的UGOT变形车，不需要提供硬件设备。PART06实验13机器人语音识别（四）实验步骤1.编程环境准备（1）UGOT变形车搭建步骤一：打开ucode4web页面（网址：/），点击【搭建】进入到搭建页面，然后点击【UGOT】，找到“变形车”，按照搭建过程完成变形车的搭建。

图变形车搭建页面PART06实验13机器人语音识别步骤二：将变形车开机并完成配网，然后点击ucode4web页面右侧窗口【硬件】标签卡，点击右侧【添加硬件】标签卡，点击【UGOT】，添加UGOT硬件，点击【链接】图标。

图UGOT添加硬件页面PART06实验13机器人语音识别步骤三：根据实际需要选择设备连接方式完成设备连接。图UGOT设备连接方式Wi-Fi：设备与电脑在同一无线网络下热点：UGOT开启热点，电脑进行连接IP：“设置”-“本机信息”查看IPPART06实验13机器人语音识别如连接成功，右侧界面“链接”图标会显示绿色，表示连接完成，可以开始编程使用。图UGOT连接成功页面PART06实验13机器人语音识别（2）Python安装步骤一：电脑桌面鼠标右键点击【此电脑】，然后点击【属性】查看电脑的操作系统详情。图查看电脑系统详情PART06实验13机器人语音识别步骤二：登录Python官方网站（网址为：/）,点击【Downloads】，点击【Windows】。图Python官方网站页面PART06实验13机器人语音识别步骤三：请找到Python相对应的版本，并选择与您电脑系统类型相匹配的版本进行下载，下载3.9.1版本且操作系统类型为64位的Python。图下载Python版本页面PART06实验13机器人语音识别步骤四：双击下载的Python安装包，在执行安装向导的时候，记得勾选“AddPython3.xtoPATH”选项，这个选项会将Python的解释器添加到PATH环境变量中，然后直接点“InstallNow”。图Python安装页面PART06实验13机器人语音识别步骤五：安装结束后，通过按下键盘上的“win+R”组合快捷键，在命令搜索框中输入“cmd”命令，点击回车键，在出现的页面中输入Python，若未报错，则说明Python环境安装成功。

图cmd命令窗口图Python环境验证页面PART06实验13机器人语音识别（3）PyCharm安装步骤一：登录PyCharm官网（/pycharm/download/?section=windows），找到PyCharm社区版，点击下载即可。

图PyCharm下载页面令PART06实验13机器人语音识别步骤二：双击安装文件界面开始安装，如下图所示。安装完成后，Pycharm的主窗口。

图PyCharm下载页面令图PyCharm主窗口页面PART06实验13机器人语音识别（4）打开UGOTSDK文档页面打开浏览器，输入网址（/ugot/#/），即可进入到UGOTSDK页面。

图UGOTSDK页面PART06实验13机器人语音识别2.程序实施（1）安装ugot模块步骤一：打开cmd命令窗口，直接输入pipinstallugot，安装ugotPythonSDK。pipinstallugot如果在安装的过程中，多次安装失败，可以将镜像源切换成国内的，输入如下指令：pipinstallugot-i/simple步骤二：在cmd页面，输入piplist指令后，即可查看ugot模块安装后的具体信息。

图ugot模块安装后的页面PART06（2）机器人语音识别API介绍PART06（3）语音识别程序设计思路PART06实验13机器人语音识别（4）Python编程实现变形车语音识别功能步骤一：新建get_asr_info.py文件，初始化UGOT机器人，具体代码如下所示：fromugotimportugot#导入ugot模块importtimegot=ugot.UGOT()#创建UGOT对象gotgot.initialize("4")#初始化ugot机器人的IP地址步骤二：定义主函数，创