AGI+機器人行業專題報告：AGI賦能人形機器人，具身智能時代有望加速到來.pdf

AGI+機器人行業專題報告：AGI賦能人形機器人，具身智能時代有望加速到來。AGI 起于大語言模型，終于具身智能。AGI（Artificial General Intelligence）， 即通用人工智能，也稱強人工智能，指的是具備與人類同等甚至超越人類的智 能，能表現出正常人類所具有的所有智能行為。AGI 技術實現突破，離不開 LLM 大模型和多模態能力，在兩者結合下，AI 具備了創造力。具身智能是邁 向通用人工智能（AGI）的重要一步，國內外大廠及高等學府均開展了具身智 能的相關研究，如微軟、谷歌、斯坦福、達闥機器人、智元機器人等。

人形機器人是 AGI 最佳載體，業界研究進展加速。谷歌的 RT-1 是邁向 視覺語言動作（VLA）模型的一個嘗試，通過吸收大量的真實數據，提升機器 性能和泛化能力；RT-2 是全球首個控制機器人的 VLA 模型，將視覺語言模型 （VLM）與機器人操作能力結合，在泛化能力和涌現能力上均有明顯提升。 GPT-4 是 OpenAI 發布的最新 GPT 系列模型，是一個大規模的多模態模型，已 應用在 Ameca 和 Eureka 等機器人上；GPT-4V(ision)新增語言、圖像交互功能。 Meta 和 CMU 聯合打造出 RoboAgent，突破了缺乏足夠龐大的數據集來訓練 通用智能體和缺乏能夠生成此類數據的通用智能體的困境。特斯拉鏈接 FSD 和機器人的底層模塊，使用端到端的神經網絡，助力 Optimus 在任務操作方面 展現出先進性。

“機器人+大模型”是邁向 AGI 時代的有效途徑：人工智能大模型的語 言處理能力可以被看作“大腦”，若想真正發揮通用人工智能的力量，未來的 AGI 需要有具身實體。LLM 有助于實現任務級編程/交互，整個過程基本不需 要或者僅需少量人類的介入和確認，降低了機器人的使用門檻。多模態大模型 使得機器人開始理解如何合理使用多種輸出能力來更好的完成任務。但我們 離通用人工智能還很遙遠，仍然存在許多尚未解決的重大問題，如多模態融 合、安全性、高質量訓練數據缺乏等。