智源学者研讨会聚焦具身智能 探讨技术演进与产业落地路径

【环球网科技综合报道】8月27日，“智源学者·具身智能学术研讨会”在北京举办。来自北京大学、清华大学、北京航空航天大学、中国科学院自动化研究所等高校及科研院所的20余位专家学者参会，围绕世界模型、具身智能架构及灵巧操作三大核心议题展开研讨，旨在推动人工智能从数字空间向物理世界延伸，探索具身智能规模化落地的可行路径。

世界模型：补齐物理感知与策略学习闭环

在世界模型专题研讨中，与会专家指出，当前该领域范式多元，已在视频生成、JEPA系列及3D空间表达等方向取得进展，但尚未形成统一标准或显著落地效果。专家认为，世界模型服务具身智能的关键在于补齐“物理感知”与“策略学习”的能力闭环，解决预测状态对行动指导的缺口。在数据层面，“交互性”与“多样性”被视为训练核心标准，需合理配置第一视角、仿真及互联网数据比例。除具身智能外，AI for Science、医疗、游戏及数字孪生等领域也被视为重要应用方向，业界期待以快速泛化与上下文学习能力为标志的技术突破。

具身智能：突破物理理解瓶颈 建立统一标准

针对具身智能从实验室走向规模化部署的挑战，与会学者认为，制约发展的关键并非本体硬件，而是对物理空间的结构化理解与推理能力，以及本体、模型、数据间缺乏统一标准导致的高迁移成本。在技术架构上，分层式架构及大模型、世界模型与VLA模块的协同成为主流探索方向。关于数据建设，专家呼吁补齐长尾交互行为等高质量数据，并建立分类筛选机制。在商业化节奏方面，工业等垂直场景有望率先落地，通用智能的实现仍需数年时间，安全体系与生态建设需同步推进。

在灵巧操作研讨环节，学者们指出当前机械手与人类手部能力仍存在显著差距，材料科学与传感器技术是主要瓶颈。尽管驱动器性能差距缩小，但主端遥操作设备普遍缺乏力触觉反馈，采集频率难以满足精细作业需求。数据方面，面向泛化任务的高维动作空间数据匮乏，抓取及不同材质处理等基础动作仍是难点。视触觉技术虽在带宽与帧率上有所提升，但在标准化、稳定性及耐久性方面仍待突破。

构建全栈技术体系 打造学术交流平台

据悉，智源研究院已构建自底向上的具身智能全栈技术体系，发布了悟界·RoboBrain和悟界·RoboOS。目前正研发以预测下一个物理状态为核心的悟界·RoboBrain Orca，通过融合第一视角交互数据强化世界模型的具身表征。

本次研讨会由智源研究院主办，东城区隆福寺协办。作为常态化高端学术交流平台，智源学者研讨会持续推动跨学科思想碰撞与协作，为具身智能技术演进提供理论支撑与实践指引。（张阳）