对基于大语言模型 (Large language model, LLM) 的具身智能系统面临的挑战与发 展方向进行讨论与总结. 关键词 大语言模型, 大型视觉模型, 基础模型, 具身智能, 机器人 引用格式 王文晟, 谭宁, 黄凯, 张雨浓, 郑伟诗, 孙富春. 基于大模型的具身智能系统综述. 自动化学报, 2025, 51(1): 1−19 DOI 10.16383/j.aas 年图灵 在其著名论文“Computing machinery and intelli- gence”[1] 中对未来机器发展方向的设想: 一个方向 是让机器学会抽象技能, 如下棋; 另一个方向则是 为机器人提供足够好的传感器, 使之可以像人类一 样学习. 前者的思想出现在后来发展的各类神经网 络如多层感知机、卷积神经网络中, 即离身智能; 后 者则逐渐发展出了具身智能的概念. 现在, 具身智 能一般指拥有物理实体 真实世界的问题来说, “具身”的实现仍然是必要的, 与强调从经验中学习并泛化的离身智能方法相比, 具身智能更强调与环境的交互, 只有拥有物理身体 才能与世界进行互动, 更好地解决现实问题[3]. 当 前, 随着机器人技术和计算机科学的发展, 具身智 能受到更多的关注, 逐渐从概念走向实际应用, 而如何利用目前飞速发展的计算能力与人工智能 (Artificial intelligence, AI) 技术提高具身智能的表

智能对话解决方案赋能企业提升效率 • 具有 AI 能力的机器人平台和智能对话解决方案 • 基于大数据挖掘的用户画像，实现个性化推荐 • 超过 95% 的 AI 准确率，人效优化 60% • 2-3 倍的销售转化率提升 来也专注于智能对话技术 2 、用对话机器人 替代人工 . 在线客服 . 智能 IVR . 智能外呼 3 、用对话机器人 提升效率和体验 . 智能营销 可穿戴设备 适合智能对话系统的场景 . 用户希望得到特定问题的答案 . 机器人回复来自特定领域的知识 库 . 以准确率为评估指标 . 用户希望完成特定的任务 . 机器人通过多轮对话满足用户需 求 . 以需求完成率为评估指标 . 用户没有明确目的 . 机器人也没有标准答案 . 以相关性、趣味性为评估指标 任务型对话 闲聊 问答型对话 题可 以被同样的答案来回 答。 问答机器人将用户的问题匹配 到知识库中最相近的知识点上， 用该知识点的答案回答用户。 如何成为会员 • 怎么注册会员 • 我想成为会员 • 会员怎么申请 会员有什么权益 • 会员有特权吗 • 会员能干什么 • 会员有啥好处 怎么查询积分 • 我有多少积分 • 如何查看积分 • 哪里能查积分 问答机器人 机器人回答 命中知识点“如何查询积分”

· · · · · · · · · · · · · · · · · · · · · · · · 76 图9 智能客服机器人技术架构图· · · · · · · · · · · · · · · · · · · · · · · · · · · · · 79 图10 养老陪伴机器人功能示意图· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 102 车险出单“星驰”系统· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 107 企微运维机器人· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 108 华农保险大模型微调效果· · · · · · 供强大的AI推理性能和便捷的接入方式。 （5）端侧算力发展 端侧大模型定义为运行在设备端的大规模人工智能模型，这些模型通常部署在本地 设备上，如智能手机、物联网设备（IoT）、个人电脑（PC）、机器人、车机等设备。与传统的云 端大模型相比，端侧大模型的参数量更小，因此可以在设备端直接使用端侧算力进行运行， 无需依赖云端算力。端侧大模型在成本、能耗、可靠性、隐私和个性化方面相比云端推理具 有

策自主化能力，但至少在目前阶段，仍离不开人 的参与。人与技术各有所长，协同合作方能取 长补短。在双方能力领域的交汇处，便形成了 “人机协作”的劳动力形态，现场及远程员工与 自主智能体、智能机器人实现无缝集成。3 在 最高效的自主化系统中，人类的角色并不仅仅 是作为“执行环”（in the loop）来完成任务，他 们更应处于“监督环”（on the loop），在诸如设 计、测试与验证等流程的关键节点上发挥监督与 数能力仍处于较低的自动化和决策自主化水平， 但在诸如“生产制造”“质量与生产控制”以 及“客户与现场支持”等集群中存在特例。在 这些领域，自动化已展现出强劲势头。例如，汽 车制造商依赖机器人装配线，利用AI驱动的精 准控制来提高生产速度并减少错误。 回顾国内供应链近十年的发展历程，大部 分龙头企业通过ERP的实施落地，在当时已具 备线上化、自动化能力，从而推动企业向数字 化供应链的探索。高科技电子行业及快消零售 商与物流服务提供商已开始部署自主仓库机器 人和智能调度系统，旨在更高效地管理库存流转， 并缩短订单履约时间。 最终，“生产制造”集群有望达到最高水平 的自主化成熟度，这得益于诸如“黑灯工厂”等 最新创新成果⸺这类工厂运用机器人技术与 先进的增材制造技术，快速生产定制化产品。紧 随其后的将是“质量与生产控制”和“客户与现 场支持”等集群，在这些领域，物流企业正部署 自主无人机和数字助理，以加快响应速度并提 升服务质量。

的“AI+保险”行业报告，该报告的重点包括： •人工智能将帮助保险公司重新规划现有流程，设计创新产品，提升客户体验； •保险公司必须采取合适的战略，来更好地管理人力资源； •保险公司应该改变现有工作方式，包括采用 RPA(机器人流程自动化)以及智 能决策支持系统； 2 •保险公司要允许人工智能在整个价值链中创造性地利用数据，挖掘所有数据 集中隐藏的价值。 AI 三大应用场景：人力资源+流程管理+数据分析 智能带来的改变，否则它们将无法充分挖掘人工智能的潜力，这其中包括培 养正确的企业文化和技能基础。 保险公司需要制定策略，以适应新技术的发展并提高员工的工作技能。虚拟 客服和聊天机器人的出现，使日常任务流程自动化，让员工专注于更有价值 的活动，因此有针对性的培训仍是必不可少的。承销和定价等功能也将越来 越依赖于机器学习算法，而不是人类的经验和判断。 企业员工必须明 它应该从根本上重新定义这些流程，甚至是商业模式，以达到最佳效果。 保险公司已经开始使用机器人流程自动化(RPA)，这为之后的技术发展打下了 坚实基础——创建基于规则的具有可变化能力的虚拟劳动力。按目前的发展 情况来看，他们需要在智能自动化的基础上进行构建——虚拟劳动力可以学 习并适应业务需求。这意味着用更新的人工智能技术来改善机器人流程自动 化，并从预先编程发展为智能决策。 就保险行业而言，

通过理解 - 交互 - 咨询 - 任务等环节 ，完成交易闭 环 个性化的需求如何更高效的被满足？ 如何提升基于交互的服务效率和服务体验？ 任务型对话机器人 商业智能 智能分组推送 个性化推荐 知识库 问答型对话机器人 领先的知识型交互机器人 最懂你的私人助理 结束语 . 提升智能助理产品的可靠性 . 深度学习与智能助理产品 . 智能助理产品的特点 目 录 • • 对一段文本对应的向量进行转换， [Conneau 2017] 有监督 学习 无监督 学习 历史语料 主题词 预处理 l 基于知识库和历史语料训练具有较强 语义泛化能力的问答模型 l 提高问答机器人的召回率和准确率 l 用候选回复辅助客服，提升服务效率 l 传统方法缺乏语义泛化能力 l 传统方法没有上下文理解的能力 l 使用检索 + 上下文深度匹配排序的方法 l 匹配模型考虑上文历史消息序列

围绕“政府精准治理、产业生态培育、企业创新服务”的需求，运用知识计算、大数据等技 产业集群四链融合决策应用实践：萧山机器人产业大脑 以夯实基础、高效上线、打造亮点为任务，以机器人产业面临的问题为导向，基于萧山机器人产业发展基础和规 划，结合建设运营方已有的产品和经验，选取机器人产业链招商为切入点，建设全球机器人产业知识中心和产业 链精准合作平台 60 宁波市高新区新材云创新材料科创大脑 • 建立数字化产业监管模式

......................................................................................74 5.1.1 聊天机器人界面................................................................................................. 型输出、人工操作三重版本追溯，为后续优化提供数据支撑。界面 元素需符合 WCAG 2.1 AA 无障碍标准，特别考虑色盲用户对预警 颜色的辨识需求。 5.1.1 聊天机器人界面 在 CRM 系统中集成 DeepSeek 大模型的聊天机器人界面时， “ ” 需兼顾功能性与用户体验。界面设计应遵循 最小化认知负荷 原 则，通过清晰的视觉层级和自然语言交互降低用户操作复杂度。以 下是核心设计要点：

2023-01-01 影响 7 政策内容 加强面向新能源领域的关键信息技术产品开发和应用，主要包括适应新能源需求的电力电子、柔性电子、传感物联、智慧能源信息系统及有关的先进计算、工业软 件、传输通信、工业机器人等适配性技术及产品。 政策解读 该政策旨在，推动能源电子产业发展，促进智能软件研发行业在能源管理、监控和优化中的应用，增强能源系统的智能化水平。这鼓励开发高效、安全的能源软件解 决方案，加速能源行业的数字化转型，提升产业竞争力。

企业可能 更关注成本效益，希望通过通用型产品来提高效率。初创公司则可 能寻求灵活性和创新性，以适应快速变化的市场。 再次，按照技术应用的不同，市场可以细分为：  自然语言处理：适用于聊天机器人、文本分析、语音识别等应 用，适合多种行业如客服、教育和医疗。  计算机视觉：可用于监控、自动驾驶及医学影像分析等领域， 需求不断增长。  机器学习/深度学习：支持预测分析、推荐系统等，用于金 医疗、金融、制造等领域，催生了对人工智能解决方案的巨大 需求。企业希望通过人工智能提升运营效率、增强决策能力和 提升客户体验。 未来，人工智能的技术趋势将倾向于：  更加智能化的自动化工具，结合 RPA（机器人过程自动化） 技术，与人工智能相结合，实现更高效的业务自动化。  边缘计算与人工智能的结合，特别是在物联网场景中，实时处 理和分析数据，将使应用更加灵活、高效。  强调模型解释性和透明性，特别是在金融、医疗等高风险行 观分析。以 GPT-3、BERT、T5 和开源的 LLaMA 模型为例，它们 各自的特点如下： 模型 主要特点 适合应用场景 计算资源需 求 性能评价 GPT-3 自然语言生成能力强 聊天机器人，内容 生成 高 优秀 BERT 文本理解能力强 文本分类，问答系 统 中 较好 T5 可处理多种 NLP 任务 文本转换，多任务 学习 中至高 优秀 LLaMA 开源，灵活性高 研究，特定任务