⚡雷峰网•最新收集於 2h
李弘揚談 RSS 2026 與全身智能（WBI）的未來
#embodied-ai#humanoid-robotics#robotics-controlwhole-body-intelligence-(wbi)rsshong kong universityarchonbevformeruniad
💡RSS 獲獎者解析為何「全身智能」是下一代機器人發展的關鍵瓶頸。
⚡ 30-Second TL;DR
有什麼變化
李弘揚是 RSS 青年成就獎設立 22 年來首位獲獎的華人學者。
為什麼重要
將具身智能的研究重心從孤立的技能獲取轉向系統級的全身協調，有望加速可靠、通用型人形機器人的開發進程。
下一步行動
查閱 Archon 官網的技術文件，了解如何將全身控制與 VLA 模型進行整合。
誰應關注：Researchers & Academics
關鍵要點
- •李弘揚是 RSS 青年成就獎設立 22 年來首位獲獎的華人學者。
- •WBI 旨在整合感知、決策與運動控制，超越單純基於 VLA 的上半身操作。
- •該研究借鑒了自動駕駛領域的經驗，特別是在數據基礎設施與規模化法則（Scaling Laws）方面。
- •機器人的可靠性取決於全身協調能力，協調失敗在複雜任務中會導致硬體損壞。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •李弘揚目前擔任香港大學計算機科學系助理教授，其研究團隊專注於機器人學習與控制的交叉領域，特別是解決高維度機器人系統的運動規劃問題。
- •RSS（Robotics: Science and Systems）青年成就獎旨在表彰在機器人科學領域做出傑出貢獻的年輕研究人員，李弘揚的獲獎標誌著華人學者在國際頂級機器人學術會議中的影響力提升。
- •全身智能（WBI）的核心技術路徑強調從傳統的「感知-規劃-執行」分離架構，轉向端到端（End-to-End）的全身運動策略學習，以減少延遲並提高動態適應性。
- •該研究借鑒自動駕駛的「數據閉環」理念，提出機器人需要建立大規模的模擬到現實（Sim-to-Real）遷移機制，以解決現實世界中數據稀缺的問題。
- •李弘揚的研究強調機器人不僅需要視覺語言模型（VLM）的理解能力，更需要具備物理層面的「本體感覺」（Proprioception）與全身動力學控制能力，以實現複雜地形的穩定行走與操作。
🛠️ 技術深入
- 採用基於強化學習（Reinforcement Learning）的全身控制策略，將全身關節自由度納入統一的優化框架。
- 引入多模態數據融合技術，將視覺輸入與機器人本體傳感器數據（如IMU、關節編碼器）進行時序對齊。
- 利用大規模模擬環境（如Isaac Gym或類似平台）進行策略預訓練，並通過域隨機化（Domain Randomization）提升現實環境的魯棒性。
- 實施基於模型預測控制（MPC）與學習型策略的混合架構，以確保在複雜動態環境下的安全性與任務完成度。
🔮 前景展望AI analysis grounded in cited sources
全身智能將成為人形機器人商業化落地的關鍵技術門檻。
僅具備上半身操作能力的機器人無法適應非結構化的現實環境，全身協調能力是實現機器人進入家庭與工業場景的必要條件。
機器人數據基礎設施將成為未來AI領域的競爭核心。
隨著Scaling Laws在機器人領域的應用，獲取高質量的全身運動數據集將決定機器人智能化的上限。
⏳ 時間線
2024-07
李弘揚在RSS 2024會議上獲得青年成就獎，成為該獎項設立以來首位獲獎的華人學者。
2025-03
李弘揚團隊發表關於全身智能（WBI）的階段性研究成果，探討機器人感知與運動控制的深度整合。
2026-07
李弘揚於RSS 2026期間進一步闡述全身智能作為下一代物理終端的願景。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 雷峰网 ↗