阅读排行更多

企业直播更多

推荐展会更多

重庆研究院在具身智能基础模型研究中取得系列进展

2026-05-15 14:08:14来源：中国科学院重庆绿色智能技术研究院阅读量：19098 评论

　　具身智能是人工智能从数字空间走向物理世界的重要形态，是推动机器人从“程序化执行”迈向“自主理解与行动”的关键支撑。面向智能制造、智慧农业、医疗辅助、家庭服务和复杂环境作业等现实需求，开展具身智能基础模型与机器人自主决策研究，对于提升机器人自主作业能力、发展新质生产力具有重要意义。《2026年国务院政府工作报告》明确提出将“具身智能”作为我国前瞻布局的未来产业之一。

　　机器人如何在长时程任务中始终保持对目标的理解和执行一致性，是当前具身智能面临的核心基础问题之一。现有“视觉—语言—动作”模型在短任务中已展现出较好能力，但在复杂连续任务中，机器人容易受到局部观测、环境扰动和动作累积误差影响，出现阶段性动作合理但整体目标偏离的现象，制约其在开放物理环境中的稳定执行和泛化应用。

　　针对这一问题，重庆研究院尚明生研究员团队提出面向长程任务的按需搜索方法。该方法将任务执行中的目标偏移重新理解为采样过程中的系统性误差，以执行过程中的不确定性变化为线索，识别可能导致目标偏移的关键节点。当机器人面对相似物体、遮挡环境、空间关系歧义和多步骤衔接等情形时，模型容易进入决策不稳定状态。针对这类关键不确定节点，研究引入轨迹重采样与一致性校验机制，在全局目标约束下对候选动作序列进行筛选，从而降低局部最优决策造成的长程任务偏移风险，提升机器人在复杂连续任务中的执行稳定性。

　　实验结果表明，该方法在多个长程机器人任务基准上取得良好效果。在 LIBERO-Long 基准上，方法平均成功率达到 97.6%，高于斯坦福大学、加州大学伯克利分校和 NVIDIA Research 提出的 RoboMonkey 方法；以具身智能头部企业 Physical Intelligence 提出的π0模型为基础模型进行验证时，该方法在 RoboTwin 1.0 基准上将任务成功率提高 15.2%；在 RoboTwin 2.0 基准上，方法较清华大学提出的 RDT 模型提高 31.6%，并优于同期代表性测试时扩展方法 TACO。

　　相关研究工作已被国际学术会议ICML 2026、ACL 2026 和国际期刊ESWA等收录。相关研究获得中国科学院先导项目、国家自然科学基金等项目的支持。

　　引用：重庆研究院在具身智能基础模型研究中取得系列进展中国科学院重庆绿色智能技术研究院【引用时间：2026-05-12】

上一篇：环保新质生产力｜酸性气硫资源回收与尾气净化超低排放技术与应用

下一篇：三元举办2026年首场农业“五新”（农机新机具）现场演示活动

版权与免责声明：1.凡本网注明“来源：兴旺宝装备总站”的所有作品，均为浙江兴旺宝明通网络有限公司-兴旺宝合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：兴旺宝装备总站”。违反上述声明者，本网将追究其相关法律责任。 2.本网转载并注明自其它来源（非兴旺宝装备总站）的作品，目的在于传递更多信息，并不代表本网赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。 3.如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。

我来评论

验证码

文明上网，理性发言。（您还可以输入200个字符)

表情

所有评论仅代表网友意见，与本站立场无关