在機器人領域，如何讓機器人在非結(jié)構(gòu)化環(huán)境中實現(xiàn)對環(huán)境的有效感知和深入理解，是一個普遍面臨的重大挑戰(zhàn)。

　　這不僅涉及機器人基于感知信息進行自主導航能力，還要求其在執(zhí)行任務時能夠通過準確的認知理解人的任務命令，確保機器人在認知、感知和規(guī)控這三個關鍵方面的穩(wěn)定性和準確性，更是難中之難。

　　為應對這些挑戰(zhàn)，深圳技術(shù)大學機器人自主移動與操作實驗室馬淦副教授團隊成功自主研發(fā)了一種具身智能機器人系統(tǒng)。該系統(tǒng)能夠出色地適應動態(tài)、多變的環(huán)境，靈活應對復雜場景，進而執(zhí)行實時巡檢任務。

　　研究人員將大語言模型和視覺語言模型深度融合，成功突破了語言、視覺、導航等多模態(tài)信息之間的壁壘，實現(xiàn)了機器人從位置導航模式到認知導航模式的跨越。

　　通過集成諸如激光雷達、慣性測量單元等不同類型的傳感器，機器人能夠?qū)崟r捕捉到的視覺信息轉(zhuǎn)化為自然語言，并及時反饋給用戶。

　　值得一提的是，借助大模型處理復雜指令，機器人的理解能力得到顯著增強，其對復雜自然語言指令的理解和執(zhí)行成功率超過 96%，相較于傳統(tǒng)依賴預設指令的機器人系統(tǒng)，優(yōu)勢十分明顯。

　　正如馬淦所說：“這一能力不僅提升了用戶對機器人的信息理解程度，還填補了機器人與用戶之間的認知空白，使得任務完成效率大幅提高。”

　　傳統(tǒng)機器人在自然語言理解方面能力有限，往往需要結(jié)構(gòu)化輸入或固定模板，而且在處理視覺信息，如場景變化、潛在異常等情況時，通常需要人工進行分析。

　　而這款具身智能機器人利用大模型，實現(xiàn)了對多樣化自然語言指令的準確解析和實時轉(zhuǎn)化，讓操作過程變得更加直觀、靈活。

　　此外，機器人在視覺場景描述中的正確率高達 93%，反饋延遲低于 200 毫秒，達成了高效的人機信息交互。

　　該系統(tǒng)通過對算法和感知技術(shù)的優(yōu)化，實現(xiàn)了快速、精確的環(huán)境建模，并將其與任務規(guī)劃完美融合，成功解決了巡檢任務中的多目標調(diào)度和路徑規(guī)劃問題。

　　在動態(tài)場景下，它能夠達到 25 幀/秒的重建速度，建模誤差低于 1.8%，可以滿足巡檢任務對高精度和高效率的要求。

　　馬淦指出，這些優(yōu)化得益于課題組在巡檢機器人開發(fā)，以及動態(tài)環(huán)境導航算法方面多年積累的經(jīng)驗和持續(xù)取得的突破，有望為行業(yè)創(chuàng)造顯著價值。

　　首先，機器人的操作門檻顯著降低，用戶無需掌握復雜的操作技能，通過自然語言就能與機器人輕松交互。

　　其次，任務效率得以提升，機器人能夠?qū)崟r三維建圖與巡檢任務規(guī)劃相結(jié)合，執(zhí)行過程中無需停頓，同時視覺語言反饋技術(shù)賦予了機器人“解釋能力”，進一步提高了交互效率。

　　此外，該系統(tǒng)主要依靠本地傳感器進行高精度定位，即便外部定位信號微弱，也能憑借自身計算能力完成任務，增強了在各種場景下的適應性和可靠性。

　　在通用性方面，馬淦認為，通用機器人并非僅局限于人形機器人，其核心在于硬件的模塊化和軟件的分層架構(gòu)。“該機器人系統(tǒng)具備通用的具身智能自主移動和操作功能，能夠與任意形態(tài)的腿足式機器人和機械臂兼容。”

　　從硬件層面來看，該系統(tǒng)可應用于不同形態(tài)的機器人本體，既適用于輪式底盤，也可用于履帶式底盤。在此基礎上，還能進一步添加兩個機械臂或工具箱等模塊。

　　從軟件層面來講，系統(tǒng)具有高度通用性，最初可將其視為一個核心共享平臺，然后根據(jù)需求擴展出各種功能模塊，如腿部或手臂等。例如，擴展腿部后能實現(xiàn)不同的行走方式，添加一個或兩個機械臂則可完成特定任務。

　　該系統(tǒng)擁有廣泛的應用場景，有望在工業(yè)巡檢、災后救援、農(nóng)業(yè)自動化、倉儲物流和制造業(yè)等多個領域發(fā)揮重要作用。

　　在特殊場景巡檢方面，它能夠在地震災后救援、礦井內(nèi)部巡檢等環(huán)境復雜、危險性高的場景中發(fā)揮作用。

　　在工業(yè)和農(nóng)業(yè)領域，機器人可用于大型工廠的設備巡檢和大型農(nóng)場的作業(yè)監(jiān)督，這些場景通常面積廣闊、設備眾多、巡檢任務艱巨。

　　使用智能機器人系統(tǒng)代替人工巡檢，能夠有效降低人力成本，提高巡檢效率和質(zhì)量，還能在高危和極端環(huán)境中執(zhí)行任務，為人員安全提供更有力的保障。

　　現(xiàn)階段，研究人員希望結(jié)合更多實際應用需求，深入解決工程化過程中可能出現(xiàn)的問題。據(jù)悉，相關技術(shù)已申請專利，他們期待在合適的時機將技術(shù)推向產(chǎn)業(yè)化。

　　此外，該團隊還計劃在智能協(xié)作系統(tǒng)、感知與交互以及機器人在智能家居、教育輔助等跨領域拓展方向繼續(xù)探索。

　　研究人員打算解決的問題包括：優(yōu)化多傳感器數(shù)據(jù)融合、開發(fā)自適應學習算法以及研究新的管理策略等。

　　例如，進一步提高多傳感器融合算法的精度與效率，以實現(xiàn)更精準的環(huán)境感知和更靈敏的動態(tài)響應能力；開發(fā)更先進的自適應學習算法，讓機器人能夠在不同任務和環(huán)境中迅速調(diào)整和優(yōu)化自身行為；通過研究新的管理策略，提升機器人在長時間、高負載任務中的能量端點能力，確保其穩(wěn)定運行。

　　Bsports必一體育