八一文学网

具身智能：让ai从“纸上谈兵”到“动手干活”（第6页）

- 你要是跟它聊天，它不会只说固定台词，会跟你聊“今天的天气”“游戏里的趣事”，甚至会跟你开玩笑。

五、具身智能现在还面临哪些“难题”？没那么容易普及

虽然具身智能的前景很好，但现在还在“成长阶段”，有不少难题没解决，想走进咱们的日常生活，还得跨过几道坎：

1. “身体”成本太高，普通人家用不起

具身智能的核心是“有身体”，但这个“身体”可不是随便做的——得装摄像头、麦克风、触觉传感器，还得有灵活的关节、精准的控制系统，成本高得吓人。

比如一个能做家务的具身智能机器人，光是那两只灵活的机械手，成本就可能要好几万元；再加上传感器、芯片、电池这些配件，整台机器人下来，少说也得几十万。普通家庭根本买不起，就算买得起，后续的维护、维修费用也不便宜——要是机械手坏了，换一个可能就得花上万元。

而且现在很多关键部件还得靠进口，比如高精度的触觉传感器，国内能做的厂家不多，价格被国外品牌垄断，进一步推高了成本。想要让具身智能机器人像手机一样普及，首先得把“身体”的成本降下来，这可不是短时间能做到的。

2. 学习效率太低，练几千次才抵人类一次

咱们人类学东西很快，学骑自行车摔两三次就能找到平衡，学开瓶盖试两次就知道用多大劲。但具身智能学习效率特别低，得靠“海量试错”才能学会一个简单的动作。

比如让具身智能机器人学“叠衣服”，人类练10次就能熟练，机器人可能得练几千次、几万次才能做到；要是学“走楼梯”，人类练几次就能掌握节奏，机器人可能得摔上几百次，才能搞明白“怎么对准台阶、怎么保持平衡”。

这是因为机器人没有人类的“直觉”，也不会“举一反三”地总结规律——人类看到楼梯，会本能地知道“要把脚抬起来”，但机器人得靠传感器一点点收集数据，再靠算法一点点调整动作，过程特别慢。而且真实世界的环境太复杂，比如光线变化、地面高低不平，都会影响机器人的学习，进一步降低效率。

现在科学家也在想办法提高学习效率，比如让机器人“模仿人类动作”，或者在虚拟环境里先练熟再到现实中实操，但效果还不太理想，离人类的学习效率还差得远。

3. 应对复杂环境的能力太差，一点意外就“卡壳”

真实世界太复杂了，有太多不可预测的情况，比如突然下雨、路上窜出一只猫、杯子不小心被碰倒，这些对人类来说很容易应对，但对具身智能来说，可能就是“致命难题”。

比如具身智能机器人在厨房做饭，要是突然停电，它就会“懵圈”——不知道该继续做饭还是停下来，也不知道怎么处理锅里没熟的菜；要是不小心把油洒在地上，它可能会踩着油滑倒，因为它没“踩过油”的经验，不知道油是滑的；要是有人突然跟它说话，打断它的动作，它可能会忘了自己下一步该做什么，得重新开始。

这是因为具身智能对环境的“理解能力”还不够——它能感知到环境的变化，比如“地面变滑了”“有人说话了”，但不知道这些变化会带来什么影响，也不知道该怎么应对。不像人类，看到油洒在地上，会本能地知道“要小心滑倒，得赶紧擦干净”；听到有人说话，会暂停动作，先回应对方，再继续做事。

想要让具身智能应对复杂环境，得让它拥有更多的“常识”，比如“油是滑的”“停电了要先关火”，但这些常识不是靠编程能写出来的，得靠机器人在无数次互动中慢慢积累，这需要很长的时间。

4. 能量消耗太大，“续航”是个大问题

具身智能机器人要动、要感知、要计算，特别费电，续航能力一直是个大难题。

比如一个能做家务的具身智能机器人，充满电可能只能工作两三个小时，做一顿饭、扫一次地，电就差不多用完了，还得花几个小时充电。要是让它照顾老人，中间突然没电了，很可能会耽误事——比如老人想喝水，机器人刚要去拿杯子就没电了，只能等着人类来帮忙。