从 ChatGPT 开始，全世界都为生成式 AI 疯狂不已，当大模型开始有能力「像人一样思考」，那么造一台真正智能的机器的时代，是否也已经到来。
从伊隆·马斯克的特斯拉，再到 OpenAI、微软和亚马逊，几乎所有 AI 巨头都对人形机器人行业押下重注。
不过，具身智能在真正进入千万家庭之前，他们的第一个真正的应用场景，反而可能是工厂——让工业机器人因为 AI 而具备更高的智能，才可能是具身智能发展起来的根本。而人们头脑中想象的人形机器人，可能并不是具身智能工业机器人的最佳形态。
为此，微亿智造科技有限公司 CTO 赵何博士、上海捷勃特机器人有限公司 CTO 贺岩，前者主攻工业 AI+机器人智能控制，后者是专业的工业机器人研发及制造商，两位深耕在 AI 和机器人领域的专家，从机器人智能的历史出发，撰文论述为什么具身智能工业机器人的时代，已经到来。
具身智能理论根源于「具身认知」(Embodied Recognition)，包括人类在内的一切智能体的认知能力是由智能体自身结构决定的，并在此基础上构建自己的世界模型。而这种认知又直接影响智能体的高级心理活动，诸如：推理，决策等。
从认知产生的机制到智能体决策依赖的世界模型，均受制于智能体具体的物质形态。具身智能理论挑战了包括笛卡尔二元论在内的诸多认知理论，建立起了将「身」与「智」统一的理论框架，将智能体和周围环境看作一个系统，通过「躯体」与外界环境进行互动，再从外界对智能体的动作产生的反馈获取信息，建立对环境的认知。整个认知过程遵循「探索-利用」（exploration-exploitation）的范式。
具身智能理论强调了智能体与环境之间的强关联，「智能」本质上是这两个实体的总和。以建立这个总和为共同目的，具身智能体一定要有一些最基本的通用能力。包括：
空间认知能力是这样一个世界里智能体的基本能力之一，这样的一个过程其实是智能体对外部物理世界的实体先进行「解构」，然后用抽象的几何模型在心理层面对外部世界进行「建构」的过程。
如果空间认知能力是智能体对宏观世界的抽象，那么移动导航能力则是智能体对自身所处的微观环境的适应。通过「探索-利用」的学习范式发现知识，积累经验，提高智能，在自然进化中胜出。
长期以来，人工智能的发展主要致力于如何在通用的硬件上实现更好的智能，而没有最大限度地考虑如何以智能需求为导向驱动新型硬件的开发。也许，将「硬件为智能而生」提升到具身智能发展应秉持的原则高度并不为过。从近些年的行业发展来看，这种趋势其实已经初见端倪。能预见，具身智能的发展会将这一原则扩散到所有硬件的设计生产中，促使应用从「自发」走向「自觉」。
以具身智能为共同理论基础的硬件，它们在基本功能的要求上存在共性，归纳起来表现：在多模态的环境认知及通过语言、视觉方式的交互能力；智能的任务学习和理解能力，并基于内部世界模型把任务转化成内部结构化表示；在自身软硬件系统上，实现高度自主的智能决策能力，以应对全新、突发的情况；智能高效的单任务执行能力，基本不需要、或仅偶尔需要非常少量的人工干预；以及智能的多任务切换能力。
具身智能理论明确了智能与躯体之间的耦合，论述了智能体和环境之间的关系。因此，在设计具身智能产品时，不能把它从任务环境中剥离出来孤立地考虑。
早期工业机器人大多数都用在重复性、单一性的任务。随着新技术的发展，逐渐实现自动化，能执行更复杂、精细的任务。然而发展到今天，工业机器人正遭遇技术发展瓶颈，面临成本、复杂性、灵活性和人机协作等困难和挑战。
与此同时人工智能技术迅猛发展，深度学习技术在语音及图像识别、自然语言处理等任务上取得了突破性的进展。近两年多模态大模型技术的发展，更是奠定了实现人机自然交互的技术基础。「人工智能+」成为积极探索的领域。
一边是早已发展成熟、遭遇瓶颈、苦苦寻找新发展的行业；一边是如日中天、带着变革、颠覆的光环急于寻找用武之地的新兴技术。人类固有的敏感和直觉告诉我们，历史到了一个迫切地需要将两者融合的时刻，结出最惊艳的果实：你好，具身智能工业机器人！
以具身智能理论作为指导，将成熟的工业机器人与新兴的人工智能技术融合，诞生了「具身智能工业机器人」（Embodied Intelligent Industrial Robots, EIIR）。
EIIR 的生存环境就是工业生产环境。充分考察 EIIR 的生存环境能够在一定程度上帮助我们识别其应该具有的形态。由此我们大家可以得出结论：人形机器人不是 EIIR 的形态。相对于自然环境，生产环境是一个闭合、简单的环境。从逻辑上讲，「人形」作为开放环境下的产物天然不会是闭合环境最佳的躯体形态。其次，生产环境是人为设计制造出来的，若能由机器自主完成而不需要人的参与，那么对应的生产环境可以设计成对机器更加友好，而完全不用考虑人类体形的局限，从而让生产的全部过程更高效可靠。
EIIR 需要替代的是人在生产的全部过程中被异化后的投影，不是人的本质，更不是人的外形。进一步，EIIR 还需要把替代的人类能力在生产环境中放大、强化，充分的利用 EIIR 作为机器的同时，发挥出超出人类的性能，使得将人类从生产活动中解放出来成为可能和必要。相比精确的自动化控制，EIIR 可以越来越好的实现真正的无人化生产，正是因为：
从定性角度来看，工业场景在宏观上是闭合有界的。但在微观层面，工业场景下也存在诸多不确定因素，是一个定量上开放的环境，这就需要有灵巧的智能能力来应对这类不确定性。
不同的生产任务都有与之对应确定的生产环境，它们之间闭合的边界是不一样的。生产任务间切换的可能性是开放、近乎无限的，这就要求足够高的智能水平或在少量人类帮助下，完成这种环境的切换和适应。
标准产品具有一定水平的标准智能，使得它在被部署到具体的生产场景时，可以较低的时间、人力成本学会具体的生产任务，尽可能适用不同的生产场景，使大规模应用成为可能。
如果对 EIIR 的本质没有过多的疑问，不妨想象一下 EIIR 的模样。具身智能理论认为智能体由感知系统、运动系统和世界模型三部分所组成，这个论述对于 EIIR 仍然适用。为了更好的说明，我们以微亿智造的技术探索实践为例，进一步展开探讨。微亿智造作为工业 AI 领域先行者，长期布局「视觉 AI+机器人智能控制」全栈技术，深耕工业场景，持续技术创新。
通过合理选型、配置，辅以高效智能的数据算法，建立起比人类强大得多的感知系统，无论是旁边的环境还是 EIIR 自身，都将进行连续、不间断的状态感知，为决策提供精准的信息。如在工业检测中挑战最大的外观缺陷检验测试领域，微亿智造树立了机器感知的典范：识别和分析对象姿态和特征，自主生成检测序列，以高精度的图像传感器来追踪形态不定、位置不定的缺陷，实现柔性的、超越人类的缺陷检验测试能力。并在此基础上，基于动力学原理进行建模，通过信息反馈「认知」自身能力，并实时更新。
打通、融合上下层系统，实现状态反馈和控制的联合处理、合并计算，共同优化、协作以满足灵活、精准、快速的要求。以「关节电机」为例，其「视觉伺服」系统由多个控制器、按层级嵌套组合而成，每一层都有自身要优化的控制指标与对象。从整体到局部逐层细化，实现闭环控制。比如微亿智造自研的整套多轴实时控制管理系统，结合动力学和运动学算法，计算时间和状态最优的运动轨迹，并以毫秒级速度闭环运动控制，以 10 毫秒级别的速度使用图像模型完成闭环运动的规划。
世界模型是智能体依据自己结构特点构建起来、用于解释世界的认知框架。它是动态变化的，智能体与环境的每一次互动都在不同程度上影响着它。而大模型技术结合工业数据又为世界模型提供了一个共享的基础版本，故且称之为「基础世界模型」。当然，这个「基础世界模型」赋予了 EIIR 强大的理解能力，可以通过人类习惯的模式与人类进行信息交换。而人类训练 EIIR 的方式也发生了根本性变化，只需通过自然语言、图片、视频、动作示教等，就可与 EIIR 建立起「示教-学习-反馈」的互动模式，通过多轮对话将知识进行传递。这样的持续学习会一直贯穿在 EIIR 整个生命周期里。
如何让标准、通用的 EIIR 产品很快具备执行具体生产任务的能力，或者如何把人类的专业技能轻便地转移到 EIIR 上，核心在于通过「人机交互」实现「智能化柔性适配」。以 ChatGPT 为例，它第一次在人和机器之间建立起了一种高效的沟通方式，从根本上打破了人机交流的障碍，变革了人机交互范式。
而大模型加持下的 EIIR 将彻底逆转人机关系。人类可以用自身习惯的方式与 EIIR 沟通，如自然语言、身体语言、动作、行为示范等，从根本上打破人与机器间的语义隔离。软件方面，大模型的加持使得 EIIR 具备了快速学习的能力，保证了智能上的柔性。随着芯片技术的发展，软硬件的功能边界将变得模糊，「软件硬化」的趋势将会慢慢的明显。伴随更强大的运算能力及集成密度，EIIR 的算力密度也将实现质的提升。机械构型方面，新材料、新技术的广泛应用将为 EIIR 提供更多不同的外部形态，甚至根据任务的要求实时调整机械结构。这种能力最忠实地还原了具身智能理论的根本要求，实现了智能和机体最深程度的融合。
EIIR 的诞生和历史使命就是接管人类社会物质资料的生产，为人类的发展提供持续的物质支持，这也是它唯一的历史归宿。作为机器，随技术的进步，EIIR 的发展势必将循序渐进。前期阶段，它将长期和人类共处在同一生产环境下。伴随技术的发展，其智能化程度会慢慢的高，越来越多时候将不需要与人协作就可独立达成目标。而发展的高级阶段，将会实现真正的「无人工厂」。
到这个阶段，工厂、产线的组织形式将完全不同于现在，而人类也将实现从使之异化的物质生产中彻底解放出来。这对人类社会的发展所起的作用是无法估量的，将极大加快人类自我解放的步伐。诚然，这会是一个漫长的过程，但可以让我们期待，可以让我们努力，因为它终将到来！
