新闻动态

  

具身智能(Embodied Artificial Intelligence ,EAI)是指将人为智能系统嵌入拥有物理状态的实体之中 ,使其可能感知环境、从经验中进建 ,并在与真实世界的持续交互中形成认知、决策与行动能力[1]。与以符号推理或纯推算为中心的传统人为智能分歧 ,具身智能强调智能并非脱离物理世界而存在 ,而是必须通过身段进入环境 ,在行动与反馈的循环中不休演化。

倒剽一思想被系统性地引入科学发现过程时 ,便形成了面向科学钻研的具身智能(Embodied AI for Science ,EAI4S)。在这一新范式下 ,自主智能体直接置身于尝试室等真实科研环境中 ,可能感知尝试状态 ,执行尝试操作 ,并在实际中进建和堆集尝试技术;同时 ,智能体并非只是机械地执行流程 ,而是通过与物理世界的持续交互 ,不休调整其科学推理、尝试设计与决策战术。面向科学钻研的具身智能的主题潜力 ,在于从底子上沉塑科学发现的方式 ,通过更快的尝试迭代、更稳重的尝试执行 ,以及对因果关系和机理结构的持续索求 ,突破当前科研活动在效能、可沉复性和知识堆集方式上的结构性瓶颈。

本文将系统回首机械人尝试室的发展过程 ,分析现有技术系统的内涵局限 ,并会商迈向真正具身化科学智能所需的关键突破方向。

 

机械人尝试室的发展脉络

机械人尝试室最早的标志性进展 ,来自由物理系统中初次实现端到端自治的科学发现关环。2004年 ,Ross D. King 团队在职能基因组学领域展示了一套机械人科学家系统 ,该系统可能在真实尝试环境中自动天生科学如果 ,并通过尝试加以验证[2]。这一工作初次证明 ,提出如果、设计尝试、执行尝试和分析了局这一齐全的科学步骤流程 ,能够被大局化并交由机械在物理世界中关环运行。

在此基础上 ,2009年提出的 Adam 系统对机械人科学家的思想进行了进一步的系统化和工程化实现[3]。Adam 系统明确编码了如果天生与尝试验证相结合的科学推理循环 ,并强调尝试过程的机械可读暗示、尝试数据与流程的齐全纪录 ,以及了局的可追忆性和可沉复性。萦绕这些系统 ,有关钻研逐步总结出机械人科学家的通用技术架构 ,蕴含科学知识暗示、如果天生、尝试设计、机械人执行以及基于尝试了局的迭代进建等关键  ?。

机械人尝试室发展的第二个沉要阶段 ,是从以科学如果为中心的系统 ,转向以关环优化为主题的自驱动尝试室(self-driving laboratories)。随着尝试自动化平台的成熟以及机械进建步骤在尝试设计中的宽泛利用 ,钻研沉心逐步转向若何在资源受限的前提下 ,高效索求复杂、高维的尝试空间。这一阶段通常选取自动进建和贝叶斯优化等步骤 ,使系统可能凭据尝试反馈动态调整尝试战术 ,从而提高索求效能[4]。

2020年提出的移动机械人化学家系统 ,是这一范式的沉要里程碑[5]。该系统在真实的人类尝试室环境中陆续多天自主运行 ,可能独立选择尝试前提、执行尝试并凭据了局调整后续决策 ,展示了自驱动尝试室在持久不变运行和复杂决策方面的可行性。进入2020年代初 ,综述性钻研对这一范式进行了系统总结 ,并普遍指出 ,系统集成的靠得住性、自动化执行的稳重性以及尝试数据与流程的尺度化溯源 ,是造约自驱动尝试室进一步扩大的重要工程瓶颈。

最近 ,随着大说话模型和工具加强智能体架构的急剧发展 ,机械人尝试室起头引入说话模型作为科研工作流的高层组织与编排机造[6,7]。这类系统可能将钻研指标转化为具体的尝试打算 ,协调软件工具与物理仪器 ,并对端到端尝试流程进行统一治理。已有钻研批注 ,这种以说话模型为主题的系统在职务矫捷性、跨领域泛化能力以及流程沉组方面 ,显著优于早期针对单一工作设计的机械人系统。

 

迈向面向科学钻研的具身智能

只管机械人科学家、自驱动尝试室以及基于说话模型的尝试室系统获得了显著进展 ,但从性质上看 ,这些系统仍重要依赖自动化执行和数值优化 ,而尚未形成真正意思上的科学智能。它们在执行预约义尝试流程、在参数空间内高效搜索以及组织复杂尝试操作方面阐发凸起 ,但通常仍受限于人类预先设定的暗示系统 ,在面对真实尝试环境中的物理不确定性、概想抽象以及科学机理理解时能力不及。

弥合这一差距 ,正是迈向面向科学钻研的具身智能的关键地点。在这一新阶段 ,自主智能体不仅可能运行尝试 ,更可能将尝试室视为一个持续变动的物理世界 ,通过不休的感知、推理与行动 ,实现对尝试过程的深度理解和自动适应。实现这一转变 ,必要在三个彼此耦合的方向上获得突破。

首先是具出身界模型与尝试技术进建。必要构建多模态的感知与作为模型 ,用以刻画尝试环境的动力学特点 ,并支持尝试操作技术的进建、复用与组合 ,使系统可能在复杂环境中实现超过人为剧本的稳重操作。

其次是因果关系与科学机理层面的推理能力。系统应从单纯钻营尝试了局优化 ,转向对因果结构和机理诠释的发现 ,通过拥有可鉴别性的尝试设计和理论约束 ,形成拥有诠氏绂和迁徙能力的科学知识。

第三是可验证的自主运行与科学操作系统。这要求构建具备安全约束和审计能力的智能体架构 ,并通过对尝试作为、数据与溯源信息的统一规范 ,使具身化的科学智能体可能在分歧尝试室、分歧窗科之间靠得住扩大 ,同时维持科研了局的可信性与可沉复性。

 

为何面向科学钻研的具身智能拥有现实紧迫性 ,以及盛开为何关键

当前全球科学发现能力出现出显著的不平衡散布。这种不平衡并非重要源于科学思想某人才储蓄的差距 ,而是深植于尝试基础设施获取能力的结构性差距之中。从统计了局看 ,全球被重要数据库收录的科学论文中 ,超过85%来自高收入和中高收入国度 ,而低收入地域在全球科研产出中所占比例极低[8]。这一事实批注 ,现代科学钻研越来越受到尝试前提、设备成本以及系统靠得住性的造约。

面向科学钻研的具身智能为缓解这一结构性问题提供了一条现实可行的蹊径。通过将隐性的尝试经验转化为可复用的具身技术 ,并借助不变的关环运行机造和尺度化的尝试流程 ,有关系统有望在有限投入前提下显著提升科研产出效能。若是这一技术系统在设计之初就对峙盛开和可职守准则 ,科研基础相对幽微的地域便有可能逾越传统沉资产尝试室建设蹊径 ,更有效地参加前沿科学钻研。这一理想与结合国教科文组织提出的盛开科学准则高度一致 ,其主题指标正是通过共享和互操作的科研基础设施 ,缩幼全球知识出产的结构性差距[9]。

 

开源、尺度化与可职守的技术蹊径 ,以及中国的角色

面向科学钻研的具身智能标志取机械人尝试室从自动化工具 ,迈向具备进建、推理和决策能力的科研主体。要使这一转变真正产生宽泛而悠久的影响 ,必须在技术路线和造度设计上对峙三项根基准则。

第一 ,对峙开源导向。通过盛开主题系统、模型和尝试技术 ,科研群体能力在共享与合作中持续堆集能力 ,预防基础技术沉复建设 ,从而加快整体创新节拍。

第二 ,系统推动尺度化建设。尝试作为、硬件接口、数据体式以及尝试溯源机造的统一 ,是实现跨平台合作、跨尝试室迁徙和跨领域扩大的前提前提 ,也是科学了局可验证性和可复现性的造度基础。

第三 ,将可职守性作为主题设计指标。面向科学钻研的具身智能不应仅服务于少数顶尖尝试室 ,而应成为更多科研机构能够部署、守护并持续演进的公共技术能力。

在这一关键窗口期 ,中国具备在该领域阐扬更大作用的现实基础。完善的造作系统、凸起的工程化能力以及丰硕的科研利用场景 ,使中国有前提将面向科学钻研的具身智能从尝试室原型推动为可规;募际跸低。

未来 ,中国应在国度科研基础设施布局中明确支持有关平台建设 ,积极参加并引领国际尺度造订 ,并通过开源技术与国际合作 ,将成熟的系统和经验向全球 ,尤其是科研资源相对不及的地域输出。通过这一方式 ,中国不仅可能加快自身科学发现过程 ,也有望在新一轮科研范式刷新中 ,成为面向科学钻研的具身智能技术与公共能力的沉要全球供给者。

 

论文链接:

[1] Fan, W., Liu, S. Putting the smarts into robot bodies. Communications of the ACM, 2025, 68(3): 6–8.

[2] King, R. D. et al. Functional genomic hypothesis generation and experimentation by a robot scientist. Nature, 2004, 427(6971): 247–252.

[3] King, R. D. et al. The automation of science. Science, 2009, 324(5923): 85–89.

[4] H?se, F., Roch, L. M., Aspuru-Guzik, A. Next-generation experimentation with self-driving laboratories. Trends in Chemistry, 2019, 1(3): 282–291.

[5] Burger, B. et al. A mobile robotic chemist. Nature, 2020, 583(7815): 237–241.

[6] Boiko, D. A. et al. Autonomous chemical research with large language models. Nature, 2023, 624(7992): 570–578.

[7] Bran, A. M. et al. Augmenting large language models with chemistry tools. Nature Machine Intelligence, 2024, 6: 525–535.

[8] National Science Board. Publications Output: U.S. Trends and International Comparisons. NSB-2023-33, 2023.

[9] UNESCO. UNESCO Recommendation on Open Science. 2021.


作者介绍:

刘少山 ,Z6官网(Z6官网)具身智能中心主任 , 国际推算机学会(ACM)技术政策委员会成员。

唐洁 ,华南理工大学副教授 ,钻研方向蕴含空间智能 ,机械人 ,推算系统等。

本文转载自“知识分子”公家号