美的第二届远见者大会：探索AI与能源转型的未来
10月16日，第二届美的远见者大会在佛山顺德举行。中国科学院院士、华中科技大学教授丁汉，中国科学院院士、南方科技大学教授赵天寿，上海交通大学研究生院院长邓涛教授，中山大学教授、鹏城实验室多智能体与具身智能研究所所长林倞等重量级行业专家，与美的集团副总裁兼工业技术事业群总裁伏拥军、副总裁兼CDO张小懿、副总裁兼CTO卫昶，第29届美的科技月部分获奖专家、研发体系代表，以及数十位媒体记者齐聚一堂，围绕AI与储能技术，探讨未来产业发展方向。
人工智能为机器人注入技术深度
机器人发展历史悠久，当前机器人分类众多，但目前其功能和实用性与期望存在差距，如工业机器人只能在结构化环境工作，服务机器人功能简单，特种机器人靠操作完成任务。而近年来信息技术尤其是人工智能技术的发展为机器人应用提供了更多空间。未来机器人自己学习、编程、规划转变已不是难事。
中国科学院院士、华中科技大学教授丁汉
“人形机器人是各类技术的集大成者，”丁汉指出，“人形机器人有可能成为一个颠覆性的产品。”人形机器人最主要的趋势是集成AI，当前人形机器人的难点是模拟人类行为。其中，模拟大脑是需要实时收集和处理数据，像人一样实现手眼脑协同；模拟小脑是保证行为表征、协同自主能力和交互能力，完成复杂运动控制；机器人机件本体的柔性化设计，也是未来攻克难点。丁汉认为，人形机器人的应用场景包括危险环境、工业制造、家庭服务等，量产中需要持续优化包括骨骼机构、电机、电缸结构等。
目前人形机器人处于发展黄金期，在大数据、人工智能、端到端学习等技术的推动下，人形机器人也在逐渐走向通用化。同时，人形机器人的发展会带动本体厂商和下游零部件的快速发展，尤其是传感器。
具身智能发展迎来大模型驱动
林倞的演讲主题是“具身智能”。具身智能，与离身智能相对，具有主动性和强交互性，能通过机器人主动、自适应地完成改造世界的任务，是从认识世界到物理世界的跨越。特别是人工智能大模型驱动机器人后，具身智能就成了机器人理解数字空间与真实世界的关键钥匙。
中山大学教授、鹏城实验室多智能体与具身智能研究所所长林倞
大模型驱动具身智能这项技术刚刚起步，目前面对诸多挑战。第一个需要解决的难题是空间推理能力，人工智能数据常丢失空间和物理信息，这阻碍机器人对空间的深度感知和理解；其次是长程任务规划，机器人对话是动态上下文，不同于语言任务对话，需进行长程任务规划；机器人还需要弥补“小脑能力”，需回到大小脑协同架构完成运动控制和概率模型结合；此外，具身智能需要围绕着数据集、数据驱动，建立数据集必不可少。
林倞也总结了具身智能的关键技术，分别是：传统感知技术、交叉方面技术、虚实融合与自主可控生态。出身计算机视觉的林倞，在感知方面三管齐下，其一是把图像、文本和 3D 点云对齐，构建走入物理空间的多模态对齐模型；其二是从被动感知到主动感知，构建模拟环境并用递归神经网络做规划和目标搜索；其三是把大语言模型和环境感知融合做路径规划和导航。
在具身智能的“任务规划和决策”“虚实迁移”两方面，林倞也有建树。“任务规划和决策”上，林倞早期尝试用递归神经网络、机器神经网络做任务规划，构建世界模型和知识表达，预测任务分步骤；近期结合大语言模型实现复杂场景下任务规划和导航，用大语言模型拆解任务，用跨模态模型发现关键位置和地标并执行任务，提高了抓取能力精度和可控性。
为了构建“虚实迁移”，林倞带领团队构建通用框架统一高层任务和下层控制、执行接口，进行智能具身化尝试；并在虚拟仿真空间利用AIGC技术探索，构建具身仿真平台，结合多种算法采集示教数据和训练技能，扫描真实环境输入仿真空间训练，进行了从仿真到真实世界的策略模型迁移尝试。
能源转型下的储能技术突破
在2060碳中和国家战略的大背景下，我国大力发展太阳能、光伏、风能等可再生能源的开发。太阳能和风能存在间歇性、不稳定性，导致利用率不高。因此，赵天寿认为，可再生能源的开发需要储能技术来平衡能量，储能在发电侧、网侧和用户侧都有重要作用，尤其是长时储能技术。同时，新型储能技术也是大型储能装置的需要，理想的储能技术应满足安全可靠、经济可行、资源可及三大条件。