大模型成为人形机器人“全能选手”，但感知模态、实时性、泛化能力仍需优化

快讯正文

近日，机械设备行业专家对人形机器人大模型进行了深入研究，分析了其在不同应用场景和任务下的执行成功率。研究结果表明，大模型需要具备自主可靠决策能力、多模态感知能力和实时精准运控能力，同时还需要具备泛化能力和涌现能力。目前，大模型已经出现了包含多种能力的“全能选手”，但仍存在感知模态不足、实时性差和泛化能力弱等问题。未来需要不断优化训练模型结构、训练方法和数据集，将多模态感知信息纳入模型，同时提高控制指令的生成速度和大模型的泛化和涌现能力。人形机器人长期存在高需求+低供给矛盾，通用性受限为核心原因。为解决这一问题，专家提出，大模型充当大脑实现任务级交互，可大幅提升通用性。机器人大模型需具备3+2种能力，迭代升级后已初现全能选手。但是感知模态、实时性和泛化能力问题仍需依靠训练模型、方法和数据集共同解决。风险提示：大模型多模态数据融合不及预期、大模型指令生成速度不及预期、大模型泛化及涌现能力不及预期。