5月14日，在由 上海有色网信息科技股份有限公司（SMM） 主办、 上海起帆电缆股份有限公司 协办的 SMM WCCE 2026（第四届）电线电缆产业发展大会暨工业展览会——主论坛 上，中科院自动化所紫东太初大模型中心资深研究员，博士生导师唐明围绕“具身智能构建：数据与算法”这一主题展开了论述。 具身智能：自主的“认知→动作”闭环 具身智能：像人一样能与物理环境交互感知、认知、自主规划、决策、行动的智能体。 具身智能的特点 大模型的能力突破了传统机器人 “被动执行指令” 的局限。 其还对具身智能五大核心竞争领域进行了阐述。 具身智能核心要素：本体、数据、算法、算力 算法（Algorithms）：算法是灵魂。具身算法的核心是要有优秀的脑。 数据（Data）：数据是基础。数据是具身“规模定律”的最大瓶颈。 算力（Computational Power）：算力是关键。 本体（Hardware）：本体是展示终端，并决定能力上限。 具身智能：最缺的是数据。 其对具身智能建设目标：感知→执行闭环，本体：具身场景操作能力的上限，数据：具身数据远未达到“规模定律”门槛进行了阐述。 数据稀缺的原因：本体不统一，采集效率低 目前机器人公司普遍自行采集真实世界数据用于训练，主要采集方式有遥操作、机器人采集和物理仿真。 具身数据金字塔 建设数据金字塔—— 虚实融合数据工厂 其从数字资产生成、遥操作实机数据采集、大模型驱动实机采集等角度进行了介绍。 其围绕数据：数字资产生成；用世界模型产生仿真数据；数据：向人类学习并超越人类；数据：自动化数据采集方案等内容进行了阐述。 算法：VLM、VLA、WAM 具身脑的三大支柱 VLM：作为系统的感知与认知核心，负责处理多模态输入，理解环境信息，生成语义表征，并做出规划。是具身智能体的“大脑”与“眼睛”。 VLA：直接将感知映射到动作的执行端。它将高层语义指令与环境观察相结合，实时生成具体的物理动作序列，是智能体的“四肢”。 WAM：通过构建环境的内在表征来模拟未来。它支持智能体进行“想象式”推理，在行动前预测结果，从而指导长期规划与决策。 深入理解三大组件各自的特点、能力，以及它们之间紧密协作的内在逻辑，是掌握具身智能的关键。 多模态大模型：跨模态感知、规划与决策 任务级交互：机器人要理解需要做的事情，拆分任务动作，生成应用层控制指令，并根据任务过程反馈修正动作，最终完成人类交给的任务。 此外，其还对算法：VLA的高速发展，算法：慢思考快行动 － VLM+VLA；算法的部署：端云协调 or 端侧自主等进行了阐述。 具身脑的构建 PhysVLM：具身大脑的“自知之明” ►PhysVLM: 让视觉语言模型理解机器人自身的物理可达性 •面临的挑战： 传统VLM能理解“图片里有什么”，但不知道“机器人能否与图片中的物体交互”。 • 我们的贡献 (PhysVLM)：在VLM的视觉推理中引入对机器人物理可达性的理解，让模型的规划决策“物理可达” • 核心贡献与价值： 为“具身脑”提供了关键的自我边界认知能力，是做出合理决策的基础。 PhysVLM-AVR：具身大脑的“主动探索” ►AVR: 多模态大模型在物理环境中的主动视觉推理 • 人类思考类比： 当我们看不清远处的物体，或物体被部分遮挡时，我们会主动走近、调整视角或移开障碍物来获取更全面的信息。 • 面临的挑战： 真实世界往往是部分可观察的，静态的、一次性的观察不足以支撑复杂决策。现有模型多是被动接受信息。 • 我们的贡献 (AVR)：从任务定义、数据集、基准、模型四个方面让现有的多模态大模型在物理环境中“主动探索” • 核心贡献与价值： 为“具身大脑”赋予了主动认知和信息获取的能力，使其能更好地应对不确定和不完整的真实世界。 LightPlanner：端侧的高效规划 ►LightPlanner: 释放轻量级大模型在任务规划中的推理潜能人类思考类比： 面对一个复杂目标（如做一道菜），我们会快速的将其分解为多个步骤，并思考每一步的具体操作。 • 面临的挑战： 轻量级LLM在资源受限的机器人平台上部署潜力巨大，但在复杂任务规划（尤其是需要动态逻辑推理）方面能力不足。 • 我们的贡献 (AVR)：用参数化函数调用的方式进行逐步决策，并引入R1-like的深度推理提升在复杂环境中的准确性。 • 核心贡献与价值： 为“具身大脑”提供了高效、可靠的规划与决策能力，使其能在资源有限的情况下完成复杂任务。 具身脑：端云协同具身智能体框架 其还对未来：大规模的实机数据，未来：GEN-1 几乎从头训练操作模型，人形机器人的安全性进行了介绍。 工业落地：广义具身智能 期望：将任何客体或客体的集合作为本体，比如整个工厂或者整条生产线作为一个本体。 现实：固定产品 － 生产线生产特定的产品。人工智能技术的介入往往在检测端。 非固定产品—— 存在引入具身智能体的机会。 生产工业设备的厂家，对于需要适应不同原料的设备，可以在设备产品中引入具身智能体。 具身智能体进入工业生产环节，有时需要上下游产业链的共同协作。 》点击查看SMM WCCE 2026（第四届）电线电缆产业发展大会暨工业展览会报道专题