智通财经2024年10月13日发布:CCF YOCSEF上海走进擎朗，共话具身智能未来之路

⭐发布日期：2024年10月13日 | 来源:智通财经

⭐作者：彭一家责任编辑:Admin

⭐阅读量:644 评论：4人

【47849cm查询澳47049】

【2024澳门天天彩开奖结果】

【4949cc】

【澳门四肖八码期期准精选资料介绍】

【澳门今晚最快特马】

【澳门今晚开什么号?】

【新澳2024年最新版资料】

【管家婆最快开奖结果】

【新版澳门开彩结果走势图】

【100准免费资料】

【新奥天天免费资料单双澳门码开奖结果】

【2024年新澳门开奖历史记录】

【494949最快开奖今晚开奖号码】

【二四六天天免费资料门图讯最快开】

5月26日，由中国计算机学会（CCF）主办，CCF YOCSEF上海与擎朗智能承办的“具身智能产业化落地之路”主题论坛在擎朗智能总部顺利召开。

本次论坛旨在深入探讨具身智能从学术研究到产业应用的现状与未来，为具身智能领域的发展提供高水平的交流平台，推动技术的进一步突破和实际应用的落地。

在擎朗智能总部的活动合影实拍

CCF YOCSEF以“承担社会责任、提升成员能力”为宗旨，汇集了全国有激情、有思想并富有社会责任感的学者、企业家和其他各界青年精英，策划和组织观点论坛、技术论坛，针对计算机学术、产业、技术和社会热点问题进行深入思辨。

活动在擎朗智能总部举办

擎朗智能作为具身智能领域的代表性企业，不仅拥有丰富的商业需求和应用场景积累，还在积极研发大模型+具身智能的新场景应用，推动技术的产业化落地。擎朗智能也非常重视与学术界的合作，积极促进技术交流与创新，这也是此次论坛选择在擎朗智能总部举办的重要原因。

论坛由CCF YOCSEF上海秘书长、擎朗智能高校合作总监刘斐主持，擎朗智能CEO及创始人李通与YOCSEF上海主席、复旦大学邱锡鹏教授为论坛致开幕辞。

擎朗智能CEO及创始人李通

YOCSEF上海主席、复旦大学邱锡鹏教授

特别邀请了邱锡鹏、复旦大学智能机器人研究院副院长张文强、深圳若愚科技有限公司技术总监董忠、擎朗智能CTO唐旋来作为引导发言嘉宾。

参与思辨环节的嘉宾包括YOCSEF总部AC（北京交通大学教授）金一、YOCSEF上海23-24主席（上海交通大学教授）孔令和、美瑞魅力花园老年服务公司中国区总裁郭建军、新华社上海分社副总编何欣荣、擎朗智能COO万彬等学术界及产业界的杰出代表。

从大模型到具身智能：学术与产业的双重探索

复旦大学计算机科学技术学院邱锡鹏教授在论坛上介绍了大语言模型的发展及其向世界模型转变的挑战。

他指出，大语言模型依赖语言作为中介来理解和感知世界，限制了模型实时掌握世界知识和进行复杂推理的能力。具身智能的发展旨在将大语言模型作为大脑，结合物理或虚拟载体，实现感知与交互，从而达到真正的智能。

复旦大学智能机器人研究院副院长张文强研究员探讨了大模型与机器人结合的可能性，分享了课题组在心智和行为发育方面的研究成果，以及在机器人情感赋予和行为发育的研究项目，强调机器人需要模拟生物发育过程。同时也介绍了与擎朗智能合作的产学研合作项目。

复旦大学智能机器人研究院副院长张文强

在产业应用方面，深圳若愚科技有限公司技术总监董忠分享了大模型在机器人中的应用挑战及解决方案。

他指出，大语言模型在处理非语言数据时任务完成度较差，若愚通过多模态大模型和多智能体学习提升机器人规划能力和任务执行效率，展示了在机器人自主规划和复杂任务执行方面的显著进展。

擎朗智能CTO唐旋来介绍了具身智能在服务机器人领域的创新应用。擎朗智能作为送餐机器人赛道的开创者，之后不断迭代，目前已在医疗、教育、家庭服务和商业服务等领域展现出巨大商业价值。

擎朗智能CTO唐旋来

唐旋来强调，当前大模型与具身智能的融合正在推动服务机器人快速发展，通过多模态融合技术，擎朗机器人在非结构化、动态环境中展现出强大的感知、决策和执行能力，实现复杂任务的自主执行。

碰撞思辨：具身智能的技术演进与产业化路径

在论坛的思辨环节，与会嘉宾围绕“具身智能的技术演进路线”和“具身智能技术的产业化实现路径”展开了深入讨论。

嘉宾们认为，具身智能技术的发展需要从强化学习和模仿学习等方法入手，模仿人类的学习和反馈机制，提升机器人智能和适应能力。未来的技术突破预计将在多模态输入集成、实时决策和端到端训练方面取得显著进展。企业应充分利用对应用场景的理解和经验，通过大规模真实数据和定制化大模型结合，实现高效训练和应用。

思辨环节嘉宾发言

在产业化路径的讨论中，嘉宾们认为，具身智能技术的产业化应聚焦于养老护理、酒店服务、医疗健康和零售服务等场景的突破。擎朗智能凭借丰富的应用场景和研发经验，具备明显的先发优势，能够有效解决算力需求与产品成本之间的矛盾。在普及应用过程中，必须考虑伦理和法律问题，通过协同学术界、工业界和政府力量，共同提升机器人在用户交互中的自然性和友好性，推动大规模应用和商业化落地。