机器人能够执行行为才是真正理解行为

不仅仅理解行为,更需要能执行行为,机器人能够执行行为才是真正理解行为。 通过计算机视觉以及行为认知识别, 让机器人能够确认和分辨一个 行为仅仅只是第一步,这也只是传统旁观式 AI 学习所达到的功能水平, 例如,传统 AI 学习可以让机器学习"盒子,概念并在新的场景中说出 "盒子, 这个标签, 但在具身智能学习模式中, 机器通过感知环境实体, 通过亲身体验完成具身学习,最终理解场景并形成"打开,这个概念。 因此, 当机器可以执行该行为才是具身智能的落脚点。

执行行为需要涉及到形态、行为和学习的体系化交互。在基于形态的具 身智能中, 形态、行为与学习之间密的切关。系首先,需要利用形态产 生行为, 该过程重点强调利用具身智能体的形态特性巧妙地实现特定的 行为, 从而达到部分取代"计算,的目的。其次,需要利用行为实现学 习, 重点强调利用具身智能体的探索、操作等行为能力主动获取学习样本、标注信息, 从而达到自主学习的目的,此领域当前属于研究前沿。 再者, 需要强调利用学习提升行为以及利用行为控制形态, 后者有多种 实现方法, 但当前利用学习手段来提升行为,并进而控制形态的工作是 现代人工智能技术发展起来后涌现出来的新型智能控制方法, 特别是基 于强化学习的技术已成为当前的热点手段。最后,具身智能需要利用学 习来优化形态, 强调利用先进的学习优化技术实现对具身智能体的形态 优化设计。