今日頭條
官方微信
官方抖音
資訊頻道近日，東南大學李永哲副教授團隊聯合英國劍橋大學、曼徹斯特大學、澳大利亞莫納什大學，對具身智能在制造領域的發展現狀進行了總結及展望。論文題為“Towards embodied AI in manufacturing: review, evaluation and future direction”，發表在領域頂級期刊Robotics and Computer-Integrated Manufacturing上（論文鏈接：https://doi.org/10.1016/j.rcim.2026.103372）
本研究針對制造領域中具身人工智能（EAI）缺乏統一評估基準與系統化整合路徑的問題，以感知-決策-執行（P-D-E）閉環為核心構建了制造任務導向的分析框架，系統綜述了增材制造、加工、焊接和裝配四大代表性工藝中AI技術的參與模式與集成深度。
研究揭示了當前制造AI的分布特征：深度學習在感知層占據主導，強化學習逐步應用于自適應控制，基礎模型則在決策層的知識推理與規劃中快速興起；同時指出，盡管各領域在局部環節已取得顯著進展，但EAI發展的核心瓶頸并非模型能力的缺失，而是感知、決策與執行功能的碎片化割裂，導致系統級自主性難以形成。研究進一步通過六維評估體系對各工藝的EAI就緒度進行了量化比較，發現增材制造與焊接受限于多物理場耦合的復雜性，物理交互能力相對薄弱；加工領域憑借結構化的控制器接口實現了較高程度的物理耦合，但系統集成仍顯不足；裝配過程雖在高層任務規劃上展現出強勁的認知推理能力，底層物理執行與工業部署卻明顯滯后。
基于上述分析，提出了制造EAI應向分層模塊化架構與任務需求驅動范式轉變，主張基礎模型作為認知層負責語義理解與協調，領域專用的輕量化模型作為執行層承擔實時物理交互，二者通過標準化接口協同以平衡靈活性與可靠性。EAI的價值判定應回歸制造本質，以質量穩定性、成本控制與安全合規等工業實效為最終準繩，而非單純追求算法精度或技術新穎性，同時呼吁建立跨工藝的標準化數據格式、可復用模型模板與一致術語體系，以降低重復開發成本并促進知識累積。
機械工程學院李永哲副教授為本文通訊作者，博士生鄭業興和英國劍橋大學凌正陽博士為本文共同第一作者。東南大學機械工程學院、英國劍橋大學、曼徹斯特大學、澳大利亞莫納什大學為論文共同完成單位。該論文得到了國家自然科學基金、江蘇省科技廳項目、江蘇省發改委項目的支持。
來源：龍騰亞太人工智能技術與咨詢
北京市公安局海淀分局備案號：11010802023656號