0
“人們對(duì)機(jī)器人的抓取和操作存在很多誤解，很多研究成果很難推進(jìn)到實(shí)際應(yīng)用環(huán)節(jié)?！?/p>
武漢大學(xué)李淼教授介紹，這是他放棄前往麻省理工 MCube Lab（操縱與機(jī)制實(shí)驗(yàn)室）Alberto Rodriguez教授團(tuán)隊(duì)做博士后研究，選擇回國(guó)創(chuàng)業(yè)的重要原因。
李淼教授博士畢業(yè)于瑞士洛桑聯(lián)邦理工學(xué)院，師從學(xué)習(xí)算法與系統(tǒng)實(shí)驗(yàn)室的創(chuàng)辦者Aude Billard教授，長(zhǎng)期致力于機(jī)器人學(xué)習(xí)和控制、物體抓取和操作等領(lǐng)域的研究。
他關(guān)于動(dòng)態(tài)抓取算法研究的博士論文，在瑞士洛桑聯(lián)邦理工學(xué)院獲得了全球每?jī)赡陜H一名的瑞士ABB獎(jiǎng)（Asea Brown Boveri Ltd. ），也是該獎(jiǎng)的唯一華人獲得者。
這項(xiàng)研究提出了復(fù)雜物體靈巧操作的魯棒性算法以及成功應(yīng)用于現(xiàn)實(shí)世界的機(jī)器人操作問(wèn)題，尤其在機(jī)器人抓取、操作方面。李淼教授回國(guó)后依然延續(xù)了這項(xiàng)研究，為抓取算法尋找合適的落地場(chǎng)景。
大模型技術(shù)出現(xiàn)后，李淼教授的研究?jī)?nèi)容也隨之變化，一方面與業(yè)界合作，將大模型技術(shù)應(yīng)用在家庭服務(wù)機(jī)器人的產(chǎn)品研發(fā)上；另一方面，在學(xué)術(shù)研究上，也開(kāi)始嘗試將擴(kuò)散模型（Diffusion Policy）和手術(shù)機(jī)器人動(dòng)作生產(chǎn)策略相結(jié)合、將大模型和醫(yī)療影像相結(jié)合。
“我在與團(tuán)隊(duì)成員交流時(shí)一直強(qiáng)調(diào)，我們要以大模型的視角來(lái)看待一切機(jī)器人的問(wèn)題，無(wú)論是算法研究還是其他各類工作，如果和大模型不相關(guān)，也許5年之內(nèi)就會(huì)被淘汰?！?/p>
李淼教授指出，大模型將徹底改變機(jī)器人領(lǐng)域的發(fā)展進(jìn)程。
4月8日（周一）20:00-22:00，雷峰網(wǎng)將舉辦主題為「大模型時(shí)代，機(jī)器人的技術(shù)革新與場(chǎng)景落地」的線上圓桌論壇，屆時(shí)李淼教授將分享更多前沿觀察。
以下為對(duì)話（經(jīng)編輯）：
雷峰網(wǎng)：碩士畢業(yè)后，您為什么選擇了瑞士洛桑聯(lián)邦理工學(xué)院讀博？該校的機(jī)器人研究有何特色？
李淼：我最開(kāi)始是在華中科技大學(xué)申請(qǐng)的直博，碩士階段結(jié)束后，考慮到當(dāng)時(shí)國(guó)外的機(jī)器人研究比較領(lǐng)先，所以嘗試申請(qǐng)了國(guó)際上機(jī)器人專業(yè)排名最高的幾個(gè)學(xué)校，也拿到了很多offer，比如美國(guó)的約翰·霍普金斯大學(xué)、英國(guó)的帝國(guó)理工大學(xué)等等。
我希望選擇一個(gè)與AI算法結(jié)合更緊密的方向，所以最終去了瑞士洛桑聯(lián)邦理工學(xué)院Aude Billard教授的學(xué)習(xí)算法與系統(tǒng)實(shí)驗(yàn)室（Learning algorithms and systems Laboratory）。
由于我本科、碩士階段的機(jī)器人研究方向更加偏向理論，和數(shù)學(xué)、醫(yī)學(xué)、動(dòng)力學(xué)等學(xué)科的相關(guān)性很高，而Aude Billard教授團(tuán)隊(duì)的研究則更加注重?cái)?shù)據(jù)，通過(guò)模仿學(xué)習(xí)等手段收集機(jī)器人工作過(guò)程中的數(shù)據(jù)并進(jìn)行分析，Aude Billard教授是這一領(lǐng)域的開(kāi)創(chuàng)者，也是瑞士機(jī)器人專題網(wǎng)絡(luò)負(fù)責(zé)人。
除Aude Billard教授的實(shí)驗(yàn)室之外，瑞士洛桑聯(lián)邦理工學(xué)院還有很多技術(shù)領(lǐng)先的機(jī)器人研究團(tuán)隊(duì)，如研究仿生機(jī)器人的生物機(jī)器人實(shí)驗(yàn)室（Biorobotics Laboratory）、發(fā)明了折紙機(jī)器人的可重構(gòu)機(jī)器人實(shí)驗(yàn)室（Reconfigurable Robotics Lab）等等。瑞士洛桑聯(lián)邦理工學(xué)院機(jī)器人研究的整體風(fēng)格就是小而精，學(xué)校拓展了非常多具體的研究方向和團(tuán)隊(duì)。
雷峰網(wǎng)：工業(yè)機(jī)器人四大家族之一的ABB也誕生于瑞士，您多次提名和獲得該校的ABB獎(jiǎng)，這對(duì)您后來(lái)的創(chuàng)業(yè)方向有什么影響？
李淼：ABB的總部在瑞士，與瑞士洛桑聯(lián)邦理工學(xué)院有很多合作，ABB在學(xué)校里設(shè)立了的一個(gè)獎(jiǎng)項(xiàng)（Asea Brown Boveri Ltd. ），每?jī)赡觐C布一次，獎(jiǎng)勵(lì)獎(jiǎng)勵(lì)能源、自動(dòng)化、電信等各個(gè)領(lǐng)域的原創(chuàng)科學(xué)工作，每次只有一個(gè)獲獎(jiǎng)名額，競(jìng)爭(zhēng)非常激烈。
我憑借研發(fā)的復(fù)雜物體靈巧操作的魯棒性算法以及成功應(yīng)用于現(xiàn)實(shí)世界的機(jī)器人操作問(wèn)題獲得了2018年的獎(jiǎng)項(xiàng)（論文：《Dynamic Grasp Adaptation -- From Humans To Robots》），同時(shí)我也是唯一的華人獲得者。
以往的機(jī)器人研究中開(kāi)發(fā)了大量的算法，但是并不能很好地解決實(shí)際問(wèn)題，而我的這項(xiàng)研究第一次成功地應(yīng)用于現(xiàn)實(shí)世界的機(jī)器人操作問(wèn)題，尤其在機(jī)器人抓取、操作方面。
2016年我離開(kāi)瑞士洛桑聯(lián)邦理工學(xué)院后之后，發(fā)覺(jué)在機(jī)器人領(lǐng)域的很多研究成果仍舊很難推進(jìn)到實(shí)際應(yīng)用環(huán)節(jié)，人們對(duì)機(jī)器人的抓取和操作存在很多誤解，所以我決定回國(guó)創(chuàng)辦一家公司，將機(jī)器人技術(shù)推廣到實(shí)際應(yīng)用場(chǎng)景之中。
我回國(guó)后的創(chuàng)業(yè)團(tuán)隊(duì)依舊延續(xù)了對(duì)這項(xiàng)技術(shù)的探索，將其應(yīng)用在物流、藥房等場(chǎng)景的抓取、操作中，不斷打磨解決方案。
雷峰網(wǎng)：2016年您回國(guó)創(chuàng)業(yè)，從事機(jī)器人抓取與智能控制相關(guān)應(yīng)用的研究。為什么決定回國(guó)創(chuàng)業(yè)？
李淼：最開(kāi)始回來(lái)時(shí)我還是一個(gè)fresh PHD，對(duì)行業(yè)的認(rèn)知還有限，嘗試為抓取的算法找到合適的落地場(chǎng)景，從物流、工業(yè)到醫(yī)療場(chǎng)景都進(jìn)行了落地嘗試，最后聚焦到醫(yī)療場(chǎng)景。這時(shí)候我們發(fā)現(xiàn)，一個(gè)機(jī)器人產(chǎn)品不僅僅需要有抓取技術(shù)，還需要有很多輔助的硬件設(shè)配相配合，慢慢就形成了綜合的解決方案。
2017年我來(lái)到武漢大學(xué)工作后，前期的這些工作也間接影響了我在學(xué)校里的研究方向，使我更加關(guān)注機(jī)器人的落地應(yīng)用。
雷峰網(wǎng)：早在2022年，您與港中文的陳翡教授就合作發(fā)表過(guò)一篇烹飪機(jī)器人的論文《Robot Cooking With Stir-Fry: Bimanual Non-PrehensileManipulation of Semi-Fluid Objects》，這篇論文的關(guān)注角度與孫宇教授此前發(fā)布在IJAIRR期刊上的《 Consolidating Trees of Robotic Plans Generated Using Large Language Models to Improve Reliability》一文有哪些不同？您認(rèn)為在烹飪場(chǎng)景中機(jī)器人技術(shù)還有哪些值得探索的方向？
李淼：在廚房這個(gè)場(chǎng)景中，對(duì)機(jī)器人的要求是最綜合的，不論是精細(xì)的運(yùn)動(dòng)，還是更高維度的規(guī)劃，以及對(duì)不同模塊的理解，烹飪場(chǎng)景都是最豐富的。甚至在其他場(chǎng)景中鮮少用到的味覺(jué)和嗅覺(jué)，烹飪場(chǎng)景中也有涉及。機(jī)器人在烹飪場(chǎng)景的工作可以分為兩個(gè)大的邏輯，一是上層的任務(wù)規(guī)劃，二是底層的動(dòng)作規(guī)劃。
我和陳翡教授的合作更多是動(dòng)作層面的規(guī)劃，孫宇教授的研究則是關(guān)于任務(wù)層面的規(guī)劃。要將上層的任務(wù)規(guī)劃和底層的動(dòng)作規(guī)劃打通，還需要一個(gè)中間層 middle layer，也可以叫做膠水層。
在當(dāng)前的研究領(lǐng)域，針對(duì)中間層架構(gòu)的深入探究尚未達(dá)到預(yù)期的成熟度。無(wú)論是采用規(guī)劃領(lǐng)域定義語(yǔ)言（Planning Domain Definition Language, PDDL）以形式化地描述和連接自動(dòng)化規(guī)劃任務(wù)，還是依賴于基于規(guī)則的專家系統(tǒng)進(jìn)行決策支持，亦或是利用神經(jīng)網(wǎng)絡(luò)構(gòu)建的專家系統(tǒng)，這些方法在實(shí)現(xiàn)高效、可靠的中間層處理能力方面均顯示出了一定的局限性。這些技術(shù)在處理動(dòng)態(tài)變化的環(huán)境、提升決策的透明度和解釋性、以及增強(qiáng)系統(tǒng)的泛化能力等方面仍面臨諸多挑戰(zhàn)。
雷峰網(wǎng)：在您對(duì)機(jī)器人領(lǐng)域的研究中，也融合了機(jī)器視覺(jué)、深度學(xué)習(xí)等不同學(xué)科知識(shí)，如何看待機(jī)器人研究中跨學(xué)科合作的意義？
李淼：機(jī)器人研究可以大體分為四塊：設(shè)計(jì)（具身）、感知、規(guī)劃、控制。我們從感知的角度來(lái)看，當(dāng)機(jī)器人需要獲取視覺(jué)信息時(shí)，就需要視覺(jué)傳感器的配合；機(jī)器人需要獲取觸覺(jué)信息時(shí)，就需要觸覺(jué)傳感器的配合，看起來(lái)似乎是多學(xué)科交叉融合的研究。
但是我們從當(dāng)下大模型的視角或數(shù)據(jù)驅(qū)動(dòng)的視角來(lái)看，這些東西本身就是一體的。不論是具身層面還是感知層面，機(jī)器人都是多模態(tài)的。機(jī)器人的外觀既可以是人形，也可以是狗形；機(jī)器人的獲取的信息既可以是視覺(jué)信息，也可以是觸覺(jué)信息。我們可以將這些內(nèi)容都看作是機(jī)器人研究的一部分。
雷峰網(wǎng)：大模型技術(shù)的出現(xiàn)為機(jī)器人研究帶來(lái)了巨大的影響。在您的研究中對(duì)這項(xiàng)技術(shù)進(jìn)行了哪些應(yīng)用？
李淼：在我和業(yè)界的合作中，已經(jīng)開(kāi)始嘗試將大模型技術(shù)應(yīng)用在家庭服務(wù)機(jī)器人的研發(fā)上。以掃地機(jī)為例，在掃地機(jī)的感知中，我們利用大模型進(jìn)行數(shù)據(jù)生成，合成仿真數(shù)據(jù)以提升真實(shí)數(shù)據(jù)的不足；
同時(shí)又將邏輯推理融入感知中，基于本身的語(yǔ)義地圖,，讓掃地機(jī)更智能地進(jìn)行運(yùn)動(dòng)判斷，避免線材、雜物等障礙物的干擾 ；
在清掃報(bào)告部分，我們利用大模型生成清掃報(bào)告， 同時(shí)允許用戶進(jìn)行報(bào)告中內(nèi)容的自定義選項(xiàng)添加，從而更全面的了解家庭情況。
在學(xué)校的研究里我們還沒(méi)有用到真實(shí)的大模型，但是也已經(jīng)開(kāi)始向這方面的研究靠近，比如擴(kuò)散模型（Diffusion Policy）和手術(shù)機(jī)器人動(dòng)作生產(chǎn)策略相結(jié)合、大模型和醫(yī)療影像的結(jié)合等等。我在與團(tuán)隊(duì)成員交流時(shí)，一直強(qiáng)調(diào)我們要以大模型的視角來(lái)看待一切機(jī)器人的問(wèn)題，無(wú)論是算法研究還是其他各類工作，如果和大模型不相關(guān)，也許5年之內(nèi)就會(huì)被淘汰。
以前我們做的那些工作，現(xiàn)在從大模型的視角來(lái)看，所設(shè)計(jì)的模塊一定要足夠大，將其建成“data in、 data out” 的形式，只要輸入不同模態(tài)的數(shù)據(jù)，就能得到想要的結(jié)果。
舉一個(gè)例子，我的博士論文做的是機(jī)器人抓取，主要任務(wù)是消除抓取過(guò)程中的不確定性。我當(dāng)時(shí)的做法是選擇在機(jī)器人的規(guī)劃層和執(zhí)行層分別處理不確定性。
簡(jiǎn)單來(lái)講，在機(jī)器人抓取一個(gè)杯子的過(guò)程中，規(guī)劃層可能會(huì)出現(xiàn)視覺(jué)誤差，無(wú)法保證手指準(zhǔn)確地抓到杯子上，執(zhí)行層可能會(huì)出現(xiàn)重量誤差，無(wú)法保證機(jī)器人為杯子施加一個(gè)合適的力。所以我將抓取這個(gè)杯子過(guò)程中存在的不確定性分配到不同的環(huán)節(jié)，再分別處理。和機(jī)器人不同的是，人在拿去一個(gè)杯子時(shí)并不會(huì)區(qū)分規(guī)劃層還是執(zhí)行層，二者之間是并行的。
我們將這兩個(gè)環(huán)節(jié)合并到一起，就是現(xiàn)在所謂的多模態(tài)，數(shù)據(jù)變得更加充沛，無(wú)法對(duì)其進(jìn)行特征的抽取，就只能將其轉(zhuǎn)變?yōu)榇竽Ｐ偷乃悸穪?lái)解決，即輸入所有的數(shù)據(jù)，讓大模型自動(dòng)理解這項(xiàng)任務(wù)，將規(guī)劃和執(zhí)行融合到一起，輸出一個(gè)我們想要的結(jié)論。
雷峰網(wǎng)：機(jī)器人智能控制這一領(lǐng)域當(dāng)前的發(fā)展趨勢(shì)如何？
李淼：機(jī)器人控制的發(fā)展最初是基于傳統(tǒng)的示教器示教；后來(lái)發(fā)展為模仿學(xué)習(xí)，從點(diǎn)對(duì)點(diǎn)的模仿學(xué)習(xí)逐漸升級(jí)到利用生成模型來(lái)做模仿學(xué)習(xí)；再到后期又發(fā)展為強(qiáng)化學(xué)習(xí)，只要給定一個(gè)目標(biāo)，設(shè)置reward function（獎(jiǎng)勵(lì)函數(shù)），機(jī)器人即可完成任務(wù)。
隨著任務(wù)越來(lái)越復(fù)雜，設(shè)置reward function時(shí)需要滿足更多的條件，就逐漸變成的大模型。當(dāng)機(jī)器人對(duì)力的訴求、視覺(jué)的訴求、觸覺(jué)的訴求等不同模態(tài)有人融入其中，就演變?yōu)槎嗄B(tài)、大模型的發(fā)展趨勢(shì)。這個(gè)發(fā)展思路也存在缺點(diǎn)，就是隨著對(duì)數(shù)據(jù)要求的增加，大模型會(huì)變得越來(lái)越復(fù)雜，需要更多的參數(shù)。事實(shí)上，我們追求的應(yīng)該是小參數(shù)的計(jì)算，也許200個(gè)參數(shù)就已經(jīng)是個(gè)不小的數(shù)目。
但大模型時(shí)代往往都是數(shù)十億、數(shù)百億甚至數(shù)千億級(jí)別的參數(shù)，這對(duì)芯片的算力有很大的要求，尤其是需要在毫秒級(jí)得到計(jì)算結(jié)果的情況下。
因此，未來(lái)需要“端、邊、云”（端：物聯(lián)網(wǎng)中的各種設(shè)備、傳感器、智能硬件等；邊：網(wǎng)絡(luò)邊緣、移動(dòng)邊緣、物聯(lián)網(wǎng)邊緣等；云：云計(jì)算、云存儲(chǔ)、云應(yīng)用等領(lǐng)域）三者相協(xié)同，將大模型部署在云上，在單側(cè)部署時(shí)只解決單側(cè)的局部問(wèn)題。
例如在人形機(jī)器人走路的例子中，大家的目光都聚焦在如何讓機(jī)器人走地穩(wěn)這個(gè)問(wèn)題上，但是人形機(jī)器人從A地到B的長(zhǎng)周期導(dǎo)航，目前仍無(wú)法解決，我們可以將這個(gè)概念具體化：
端（設(shè)備）：機(jī)器人的傳感器和控制系統(tǒng)可以直接在機(jī)器人本體上進(jìn)行一些簡(jiǎn)單的處理，比如即時(shí)調(diào)整步伐以保持平衡。
邊（邊緣計(jì)算）：對(duì)于更復(fù)雜的決策，如避開(kāi)障礙物或規(guī)劃路徑，可以在機(jī)器人附近的邊緣計(jì)算設(shè)備上進(jìn)行。這些設(shè)備可以更快地處理數(shù)據(jù)，減少延遲，并減輕云端的計(jì)算負(fù)擔(dān)。
云（云計(jì)算）：對(duì)于需要大量計(jì)算資源的任務(wù)，如長(zhǎng)時(shí)間的導(dǎo)航規(guī)劃，可以在云端進(jìn)行。云端的強(qiáng)大計(jì)算能力可以用來(lái)處理和分析大量的數(shù)據(jù)，生成詳細(xì)的導(dǎo)航計(jì)劃，并將其發(fā)送回機(jī)器人。
在這個(gè)例子中，邊緣計(jì)算的作用是處理那些需要較快響應(yīng)但又不需要云端巨大計(jì)算資源的任務(wù)。通過(guò)這種方式，可以確保機(jī)器人在執(zhí)行長(zhǎng)周期導(dǎo)航任務(wù)時(shí)，既能保持較低的延遲，又能利用云端的強(qiáng)大計(jì)算能力進(jìn)行復(fù)雜決策的制定。因此人形機(jī)器人長(zhǎng)周期導(dǎo)航問(wèn)題，可以通過(guò)“端、邊、云”三者協(xié)同的方式來(lái)解決。
雷峰網(wǎng)：您的研究團(tuán)隊(duì)未來(lái)一段時(shí)間的研究方向是什么？會(huì)側(cè)重哪方面的技術(shù)探索？
李淼：主要還是圍繞機(jī)器人的抓取和靈巧操作，以及相關(guān)的行業(yè)應(yīng)用做研究。機(jī)器人行業(yè)的從業(yè)者們以往關(guān)注的更多是表層的應(yīng)用，比如看到現(xiàn)實(shí)中有人用手去抓東西，于是就讓機(jī)器人來(lái)做這項(xiàng)工作，取代人進(jìn)行體力勞動(dòng)。
然而，從實(shí)際情況而言，我們觀察了很多不同行業(yè)，例如在介入手術(shù)、腦外科手術(shù)等應(yīng)用場(chǎng)景中，需要人手能夠完成更加靈巧的操作。這些靈巧的操作如何用機(jī)器人來(lái)實(shí)現(xiàn)？其中涉及到哪些具體的技術(shù)？都是我們未來(lái)關(guān)注的重點(diǎn)。
我們會(huì)持續(xù)挖掘這些以往不易被發(fā)現(xiàn)的場(chǎng)景，開(kāi)發(fā)適應(yīng)場(chǎng)景的相關(guān)技術(shù)。但未來(lái)這些技術(shù)是否能夠在對(duì)應(yīng)的場(chǎng)景中真正實(shí)現(xiàn)產(chǎn)業(yè)化，還是個(gè)未知數(shù)。我曾經(jīng)評(píng)估過(guò)腦動(dòng)脈瘤手術(shù)這個(gè)場(chǎng)景，這項(xiàng)手術(shù)的成功率僅為50%，對(duì)醫(yī)生的操作經(jīng)驗(yàn)要求非常高，也許20年內(nèi)都無(wú)法實(shí)現(xiàn)全自動(dòng)手術(shù)機(jī)器人的產(chǎn)業(yè)化。但我依然認(rèn)為這項(xiàng)工作對(duì)全人類來(lái)說(shuō)是具有長(zhǎng)期價(jià)值的。
我的團(tuán)隊(duì)目前已經(jīng)開(kāi)始進(jìn)行相關(guān)的研究工作，例如觸覺(jué)傳感器的研發(fā)。在腦動(dòng)脈瘤手術(shù)中，觸覺(jué)傳感器既要檢測(cè)法向力和切向力，又要應(yīng)對(duì)極端環(huán)境下的操作。因此，我們要將機(jī)器人的設(shè)計(jì)、感知、規(guī)劃、控制等各個(gè)環(huán)節(jié)打通，用大模型的方式將這些場(chǎng)景模擬一遍，才能推動(dòng)研究。
雷峰網(wǎng)：從您在工業(yè)界的經(jīng)驗(yàn)來(lái)看，機(jī)器人從技術(shù)研發(fā)到場(chǎng)景落地的過(guò)程中存在哪些難題？
李淼：目前最大的難題是大模型的核心規(guī)律scaling law（標(biāo)準(zhǔn)律），即很難在機(jī)器人方面進(jìn)行創(chuàng)新，尤其是在工業(yè)場(chǎng)景下，很難達(dá)到規(guī)模化的程度，這也是所有機(jī)器人創(chuàng)業(yè)公司面臨的共性問(wèn)題。也許做核心零部件、電機(jī)、減速器的公司活得還不錯(cuò)，可一旦涉及到做具體的機(jī)器人產(chǎn)品，不論是六軸機(jī)器人、四軸機(jī)器人或是并聯(lián)機(jī)器人，銷量和銷售額都不會(huì)很高。
機(jī)器人行業(yè)甚至至今都沒(méi)有出現(xiàn)一款統(tǒng)一的芯片，又何談規(guī)模化。這意味著，機(jī)器人本身或許就不具備一個(gè)統(tǒng)一的形態(tài)。我認(rèn)為機(jī)器人雖然叫這個(gè)名字，但不能將它完全等效為一個(gè)人形機(jī)器人，如果站在生物的角度來(lái)看，其實(shí)有更多不同形態(tài)的生物能夠更好地解決問(wèn)題，比如人的彈跳能力不是最好的，跑動(dòng)速度不是最快的，甚至還不會(huì)飛，所以人形形態(tài)并不是機(jī)器人最終的選擇。
拋開(kāi)具身這個(gè)層面，我們也要看機(jī)器人的智能層面能否得到很大的提升，只有通過(guò)智能層面驅(qū)動(dòng)其他不同智能產(chǎn)品的迭代，才能解決機(jī)器人行業(yè)的共性問(wèn)題。
例如，智能家居系統(tǒng)可以通過(guò)集成更智能的機(jī)器人技術(shù)來(lái)提供更個(gè)性化的服務(wù)；自動(dòng)駕駛汽車可以通過(guò)機(jī)器人的感知和決策技術(shù)來(lái)提高安全性和效率；無(wú)人機(jī)可以通過(guò)機(jī)器人的導(dǎo)航和控制技術(shù)來(lái)進(jìn)行更復(fù)雜的任務(wù)等等。
（歡迎添加微信icedaguniang，交流認(rèn)知，互通有無(wú)。）
4月8日，北京時(shí)間20:00-22:00，雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))將舉辦主題為「大模型時(shí)代，機(jī)器人的技術(shù)革新與場(chǎng)景落地」的線上圓桌論壇。本次論壇嘉賓有，南佛羅里達(dá)大學(xué)孫宇教授、武漢大學(xué)李淼教授、南方科技大學(xué)張巍教授、優(yōu)必選科技龐建新博士。
“全球人工智能與機(jī)器人大會(huì)”（GAIR）始于2016年雷峰網(wǎng)與中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）合作創(chuàng)立的 CCF-GAIR 大會(huì)，旨在打造人工智能浪潮下，連接學(xué)術(shù)界、產(chǎn)業(yè)界、投資界的新平臺(tái)，而雷峰網(wǎng)“連接三界”的全新定位也在此大會(huì)上得以確立。
經(jīng)過(guò)幾年發(fā)展，GAIR大會(huì)已成為行業(yè)標(biāo)桿，是目前為止粵港澳大灣區(qū)人工智能領(lǐng)域規(guī)模最大、規(guī)格最高、跨界最廣的學(xué)術(shù)、工業(yè)和投資領(lǐng)域盛會(huì)。GAIR Live 作為雷峰網(wǎng)旗下視頻直播品牌，旨在輸出新鮮、深度、原創(chuàng)的大咖訪談與對(duì)話內(nèi)容，打造輻射產(chǎn)、學(xué)、研、投的特色線上平臺(tái)。
1.《對(duì)話南佛羅里達(dá)大學(xué)孫宇教授：當(dāng)大語(yǔ)言模型用于機(jī)器人任務(wù)規(guī)劃丨IJAIRR》
2.論文：Consolidating Trees of Robotic Plans Generated Using Large Language Models to Improve Reliability
《國(guó)際人工智能與機(jī)器人研究期刊》（International Journal of Artificial Intelligence and Robotics Research，簡(jiǎn)稱IJAIRR），是由新加坡GAIR研究院與世界科技出版社聯(lián)合出版的國(guó)際學(xué)術(shù)期刊。作為全球首本專注于人工智能（AI）、機(jī)器人技術(shù)（Robotics）以及基礎(chǔ)科學(xué)交叉研究（Research）的期刊，IJAIRR致力于成為AI與機(jī)器人領(lǐng)域研究的權(quán)威發(fā)布平臺(tái)。IJAIRR歡迎各類研究論文、評(píng)論文章、短篇論文、書評(píng)以及專題（Special Issue）形式的投稿。我們特別關(guān)注那些在頂級(jí)AI會(huì)議上發(fā)表并現(xiàn)場(chǎng)展示，但缺乏長(zhǎng)期沉淀平臺(tái)的優(yōu)秀論文。為了給這些論文及其作者提供一個(gè)更廣泛的發(fā)表和推廣渠道，IJAIRR現(xiàn)正積極邀約相關(guān)論文投稿。如果您在本領(lǐng)域頂級(jí)會(huì)議上發(fā)表的文章（或即將發(fā)表）不超過(guò)一年，我們將協(xié)助您稍作修改后在IJAIRR期刊上發(fā)表。如果您領(lǐng)導(dǎo)的團(tuán)隊(duì)在頂級(jí)會(huì)議上有多篇論文發(fā)表，并希望在IJAIRR上圍繞特定主題策劃一個(gè)專題（Special Issue），我們誠(chéng)摯邀請(qǐng)您深入討論合作事宜。如果您是頂級(jí)會(huì)議的組織者，并有意與IJAIRR合作，針對(duì)特定會(huì)議策劃一個(gè)專題（Special Issue），我們也期待與您具體商討合作細(xì)節(jié)。IJAIRR期待與您攜手，共同推動(dòng)人工智能與機(jī)器人研究的發(fā)展。
聯(lián)系人：
IJAIRR創(chuàng)刊主編朱曉蕊博士，xiaorui_zhu@gair.sg
關(guān)于期刊創(chuàng)刊主編等更多信息，可點(diǎn)擊
https://mp.weixin.qq.com/s/gEctQolbEqqf2eVwBAkdoA
關(guān)于雷峰網(wǎng)、GAIR大會(huì)、GAIR研究院（期刊和在線社區(qū)）的詳細(xì)介紹，請(qǐng)閱讀朱曉蕊教授的專訪：
https://mp.weixin.qq.com/s/Qn7Gc3rVijQhhK0hTSrgxw
IJAIRR期刊的主頁(yè)鏈接為：
https://gairdao.com/journals/ijairr
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
專題
