2026年1月19日上午，SLAI Seminar第二十三期在深圳河套学院成功举办。本次讲座由姬艳丽教授主持，特邀清华大学计算机系副研究员苏航教授，围绕“跨越虚实鸿沟：基座模型驱动的具身智能泛化之路”前沿主题，系统分享在具身智能领域的研究成果、技术路径与未来展望，为与会师生呈现充满前瞻视野与深刻洞见的精彩报告。

讲座简介

随着人工智能从数字世界迈向物理空间，具身智能（Embodied AI）成为下一代AI发展的核心方向。苏航教授从人工智能未来发展的宏观视角切入，指出在AI即将深度重塑社会分工与技术范式的今天，具身智能不仅是机器人技术的演进，更是AI理解物理规律、与环境交互、实现泛化智能的关键路径。本次讲座系统阐述了具身智能的三大核心问题——认识自己、认识环境、认识二者关系，并重点介绍了其团队在数据驱动范式方面，如何通过仿真预训练、多模态融合、跨本体泛化等技术手段，突破当前具身智能的泛化瓶颈。

讲座内容

01

具身智能：从数字智能到物理智能的必然跨越

苏航教授首先从人工智能发展的阶段性特征谈起。他指出，当前大模型在数字空间中已展现出接近甚至超越人类的能力，但在物理世界中，AI仍处于“初级阶段”。真正的智能不仅在于识别与生成，更在于通过本体与环境的交互来理解世界、完成任务。具身智能的核心，是让AI拥有“身体”，并通过身体与物理世界进行持续、双向的交互，从而涌现出更高级的智能。苏教授以“教师职业”为例，生动说明AI对传统角色的冲击与重塑。他认为，教书、科研等认知性工作可能在五年内被AI大幅替代，而“育人”所涉及的人格培养则更具挑战性。在此背景下，选择具身智能作为未来二十年的研究方向，正是看中其连接数字与物理、真正改变世界的潜力。

02

泛化：具身智能的核心挑战与破解之道

苏教授强调，当前具身智能发展的最大瓶颈在于泛化能力的不足。这体现在三个方面：跨本体泛化（同一策略能否适用于不同机器人）、强场景泛化（能否从实验室迁移到复杂开放环境）、样本高效泛化（能否实现少样本甚至零样本学习）。目前大多数研究仍停留在限定场景的演示阶段，离真正的通用具身智能尚有距离。

为突破泛化瓶颈，苏教授团队提出了数据驱动的预训练范式。他重点介绍了团队在四足机器人（机器狗）运动控制上的突破性工作：通过在海量仿真环境中训练一套统一策略，使机器狗能够零样本适应雪地、斜坡、碎石、草地等从未见过的复杂地形，甚至在关节故障、负重变化等极端条件下依然保持稳定运动。这项工作的核心在于，通过仿真构建数十万种环境变体，并强迫模型用同一套策略去解决各类问题，从而极大提升策略的泛化鲁棒性。

03

从“脚”到“手”：操作任务的泛化进阶

相较于移动（“脚”），机器人操作（“手”）的泛化难度更高，因为它涉及更精细的力控、接触物理与多模态协调。苏教授团队创新性地将扩散模型应用于机器人动作生成，将复杂的操作任务建模为概率分布问题，从而更好地处理真实数据中存在的多模态（如抓取同一个物体的多种方式）问题。

苏教授团队构建了全球规模最大的双臂操作模型之一，并创新性地利用校园众包方式，让数百名清华学生通过扫码预约操作机器人，采集了涵盖物体分拣、拼写、倒水、调酒等数百个任务的珍贵微调数据集。其中，“让机器人倒三分之二杯水”、“操作机器狗走直线”等任务，充分体现了模型对物理概念的理解和基于视觉反馈的闭环控制能力。所有模型、代码与数据均已开源，推动领域共同发展。

04

数据金字塔：仿真、真机与视频的协同进化

苏教授系统剖析了具身智能的“数据金字塔”：顶层的真机交互数据质量最高但稀缺；中层的仿真数据可大规模生成，但依赖于物理仿真的真实性；底层的互联网视频数据海量但模态缺失、信息密度低。

团队的工作贯穿了这三层数据：

仿真预训练：为策略提供广阔的泛化基础。

真机微调与采集：研发了轻量化的手持式数据采集设备，高效收集真实世界操作数据。

视频知识注入：创新性地利用视频生成模型作为“世界模型”的先验，提取常识知识（如“烤面包”的步骤），指导机器人进行高层任务规划，实现了仅需少量演示即可泛化到新物体、新场景的效果。

讲座尾声，苏教授指出，当前具身智能的发展阶段类似NLP中“Transformer出现之前”的时期，潜力巨大但基础设施薄弱，从而呼吁学界和产业界共同努力：

打造开源工具与基准：降低研究门槛，推动生态繁荣。

重视跨本体标准化：通过软硬件解耦（如标准化末端执行器），促进模型复用。

加强产学研协作：在数据采集、算力平台、场景落地等方面形成合力。

苏教授特别提到，中国在具身智能领域起步早，拥有优秀的人才储备，但在技术迭代速度、资源整合与长期工具投入上仍需加强。唯有坚持“换道超车”的创新思维，深耕数据驱动与基础模型范式研究，才能在全球下一代AI竞争中占据领先地位。

在问答环节，与会师生围绕“跨本体泛化的技术路径”、“按摩机器人等长链条任务的实现范式”、“世界模型与VLA模型的竞争与融合”、“高质量数据采集的经验原则”以及“国内开源工具生态建设”等议题与苏教授展开热烈讨论。

本次讲座不仅展现了具身智能领域最前沿的技术突破，更传递出一种面向未来、立足实干、开放协同的研究哲学。从运动控制到灵巧操作，从仿真宇宙到真实世界，苏航教授团队的工作已勾勒出以泛化为核心、以数据为驱动、以物理理解为目标的具身智能发展之路。在通往通用物理智能的漫长征途上，每一次对泛化边界的成功突破，都是智能疆域迈向未来世界坚实有力的挺进。