课程简介

具身智能（Embodied Intelligence）强调智能体需通过与物理环境的交互获取感知和行动能力，近年来成为人工智能研究前沿。其发展路径可从视觉-语言-动作（VLA）系统（集中示例为两指夹爪）到高自由度灵巧手操作呈现明显演进。早期VLA研究聚焦于使智能体理解视觉信息并通过语言指令执行简单动作，如RT-1、RT-2等模型实现了基本视觉理解与机械臂控制。随着大模型技术发展，如PaLM-E、RT-X等多模态模型能够整合视觉、语言与动作表征，大幅提升了场景理解与策略生成能力。

高自由度灵巧手研究标志着具身智能迈向更复杂操作。Dexterous Hands项目展示了多指协同操作能力，而强化学习方法使得复杂抓取动作成为可能。最新研究实现了视觉引导下的精细操作，通过视觉-触觉多模态感知实现了如开瓶盖、折纸等复杂任务。当前挑战主要包括：物理交互的精确建模、现实与仿真之间的差距（Sim2Real Gap）、以及长序列复杂任务规划。未来研究方向指向多传感器融合、自监督学习与大模型驱动的任务分解能力，以实现更接近人类水平的灵巧操作

本次分享主要围绕高自由度灵巧手的实现，sim2real gap, 灵巧手操作模型，结合具身智能的进一步发展，共同为大家展现AI原生技术架构与具身智能技术逻辑，为大家带来进一步借鉴。

课程收益

1、帮助学员掌握高自由度灵巧手在具身智能中的创新应用与实现路径；

2、帮助学员破解Sim2Real技术瓶颈，提升具身模型在真实环境中的泛化能力；

3、帮助学员构建可泛化的具身操作体系，赋能未来智能体多任务处理能力

受众人群

具身智能算法工程师、AI原生应用架构师、 机器人系统研发工程师、自动驾驶算法工程师、智能体（Agent）开发工程师以及其他对具身智能感兴趣的人员

课程周期

 0.5天（3H）

课程大纲

1、AI与物理世界的鸿沟：具身智能的时代机遇

2、AI原生技术架构：算法驱动的软硬一体化创新

3、 核心AI算法：多模态感知与智能决策模型

4、开放生态建设：技术平台化的产业价值

5、 产业应用落地：智能制造的技术实践

6、下一代产品路线：技术展望与产业协作、以及构建人机共融的智能未来

7、QA