加快人工智能等数字智能技术创新，突破基础理论和基础技术，强化算力、算法、数据等高效供给。仿生双臂机器人首次自主完成样本转移。这个看似简单的任务需要像人类一样观察、推理和执行。具体来说，需要通过多模态系统识别目标，依靠大规模模型规划路径，利用仿生灵巧手精准抓取，实时调整双臂避免碰撞。此时此刻，“赋能实体智能的大模型”已从概念演变为现实，机器人具备了自主决策的能力。回顾研发历程，团队首先专注于机器视觉，让工业设备能够看准，然后自主研发快速医疗规格trum检测仪器实现精确测量。然而，这些系统彼此独立，如何将它们串联起来成为一个迫切需要解决的问题。近年来，我们攻克了柔性“机器人身体”与精密“分析仪器大脑”相结合的难题，引入大型模型作为智能中枢，实现全流程自主，突破了“仿生驱动集成轻量化设计”和“大模型驱动分层决策控制”两项前沿技术。 “仿生驱动集成轻量化设计”是我们首先要攻克的技术难题。实验室空间有限，精密操作需要较长时间。传统机械臂由于重量重、惯性强，效率低下。我们借鉴人体肌肉骨骼协同机制建立模型，提出集驱动、传感和控制于一体的模块化解决方案。e 联合。同时，优化物料分布，大幅减轻整机重量，同时提高响应速度，达到精度水平。解决了机器人“身体”的灵活性问题后，如何提供智能决策能力成为下一个挑战。我们提出了一种大层次驱动的方法学决策方法，形成“理解-计划-控制”闭环。在最初的测试中，机器人经常由于规划的路径不合逻辑而发生碰撞。我们创新性地构建了“物理反馈学习”机制，自动记录碰撞坐标、握力等关键参数。 “失败经验”被转换成训练数据并输入到大模型中，这样它就可以不断改变其理解并提高成功率。展望“十五五”，我们的目标非常明确。一是仿生集成不断突破结构，引入软材料和刚柔联轴器设计；二是深化大模型与体现katalead的融合，攻克长序列任务规划和多重实时决策能力；三是开发“大模型-仿生本体-精密仪器”智能显示系统，构建适合实验室自动化、精密作业等场景的通用解决方案。 。与只能执行预设程序的传统工业机器人不同，具身智能系统需要“看、懂、做精准”，这需要仿生结构设计的深度融合和强大的决策能力。仿生结构赋予机器人灵活的“身体”，大模型赋予机器人智能的“大脑”，两者缺一不可。人体的骨骼和肌肉可以协同工作。如何使用机械结构来模拟这种复杂的交互作用需要在材料科学和拓扑优化等许多领域取得突破。其次，了解模型中的主要问题。虽然大模型可以流畅地交流，但它对物理世界的理解仍然停留在文本层面。如何让大模型通过与环境的真实交互来学习物理定律是当前的主要挑战。面对这些问题，湖南大学机器人视觉感知与控制技术国家工程研究中心组建了跨学科团队，共同努力，持续推动体现智能在更广泛的应用场景。 （本报记者 孙超 编译）《人民日报》（2025年11月14日第06页）