所有版权归中国经济网所有。
中国经济网新媒体矩阵
网络广播视听节目许可证（0107190）（京ICP040090）
在近日举行的第八届虹桥国际经济论坛“仿人机器人发展与创新合作”分论坛上，来自政府、学术界和工业界的代表共同探讨了仿人机器人技术的最新进展、产业化路线和未来挑战。与会专家普遍认为，仿人机器人作为人工智能与机器人技术融合的创新产品，正处于重要的发展机遇期，但仍需在技术、数据、标准和应用场景等方面不断进步，才能实现规模化落地。今年，仿人机器人进入“量产元年”，从技术样机验证到大型化，加速发展。啤酒工程和应用实施。论坛公布的《仿人机器人产业链图（2025版）》系统梳理了仿人机器人核心环节的技术指标和发展现状，明确了产业发展背景和创新方向，为产学研合作提供了明确指引，支撑产业创新发展。工业和信息化部科技局副局长姚嘉认为，仿人机器人被认为是最能传达具身智能的，将成为与智能手机、新能源并驾齐驱的颠覆性产品，显着改变人类生产生活方式，重塑世界产业发展格局。他表示下一步将支持国内外企业联合攻关，加快关键技术突破大规模“视觉语言与动作”模型、高性能集成板卡、高算力终端芯片等，推动仿人机器人技术产品迭代升级。 “御数科技在灵巧研发上投入了大量时间，致力于真正实现工厂中完成端到端任务的机器人。”王图先生。 “目前，真正实现工厂端到端模式的稳定高效运行，在全球范围内仍然是一个非常艰巨的挑战。”王星星表示，“在任何情况下跌倒后快速恢复的能力”是未来仿人机器人大规模应用的必备能力，而公司研发的“全身动态远程控制”系统为大规模高质量数据采集奠定了重要基础。但他也承认，与快速迭代相比，大型机器人模型的进展“比预期慢了一些”。运动控制技术的发展，还没有达到临界点。他敦促业界从两方面入手，创新模型架构和提高数据质量，而不是一味追求数据规模和pmodel参数。行业专家深入探讨核心技术路径。浙江省仿人机器人创新中心首席科学家熊荣表示，机器人技术的发展应走模型预测控制（MPC）与数据驱动方法相结合的创新道路。她认为MPC技术的优点是通用性强，能够快速定义优化目标。然而，动态建模需要非常高的精度，并面临工程挑战，例如复杂人形系统应用中实时解决方案的困难。他强调，模拟和真实环境应该形成迭代闭环。我们将共同推动进一步通过不断的相互验证和优化来发展机器人技术。在当前人形机器人的开发中，数据通常被认为是瓶颈。 “多样性是数据质量的关键。虚拟环境有效地生成和训练多样化的场景。虽然样本可以大大丰富，但真实的数据保证了算法在现实场景中的可靠性。”国务院共建具身智能机器人创新中心首席技术官唐健指出，当前的机器人训练数据应统称为“虚拟数据和真实数据”，并强调“虚实结合”是推动具身智能发展的核心方向。广东省体身智能创新中心主任丁丁表示，虽然当前基于数据的强化学习技术正在推动机器人的蓬勃发展。c公司，其发展面临数据多样性不足、模型泛化能力弱等挑战问题。为了克服这种情况，下一步是“融合创新”和“数据挖掘”。面对挑战，建立统一标准、开放生态是专家们的共识。会议代表呼吁尽快在数据格式、硬件接口、安全规范等方面建立标准，避免重复投资和资源浪费，消除产业链协同和大规模应用的障碍。值得一提的是，人形机器人产业化的加速离不开应用场景的进步。 “人形机器人的部署是重中之重”帕西尼传感科技创始人兼首席执行官徐金成认为，采用小型且高质量的人形机器人最新一代的速度非常快，应该在工厂里至少五年后。优必选科技副总裁兼实验室主任焦继超表示，明年将是人形机器人应用的重要一年。找到“这个场景是可复制的、有一定规模”的真实应用场景，对于行业来说非常重要。他进一步预测，人形机器人将首先引入工业环境，到明年，它们在商业环境中的使用将会增加，例如导游和参展商，但可能需要八到十年的时间才能引入家庭环境。