今日头条
官方微信
官方抖音
资讯频道近日，东南大学李永哲副教授团队联合英国剑桥大学、曼彻斯特大学、澳大利亚莫纳什大学，对具身智能在制造领域的发展现状进行了总结及展望。论文题为“Towards embodied AI in manufacturing: review, evaluation and future direction”，发表在领域顶级期刊Robotics and Computer-Integrated Manufacturing上（论文链接：https://doi.org/10.1016/j.rcim.2026.103372）
本研究针对制造领域中具身人工智能（EAI）缺乏统一评估基准与系统化整合路径的问题，以感知-决策-执行（P-D-E）闭环为核心构建了制造任务导向的分析框架，系统综述了增材制造、加工、焊接和装配四大代表性工艺中AI技术的参与模式与集成深度。
研究揭示了当前制造AI的分布特征：深度学习在感知层占据主导，强化学习逐步应用于自适应控制，基础模型则在决策层的知识推理与规划中快速兴起；同时指出，尽管各领域在局部环节已取得显著进展，但EAI发展的核心瓶颈并非模型能力的缺失，而是感知、决策与执行功能的碎片化割裂，导致系统级自主性难以形成。研究进一步通过六维评估体系对各工艺的EAI就绪度进行了量化比较，发现增材制造与焊接受限于多物理场耦合的复杂性，物理交互能力相对薄弱；加工领域凭借结构化的控制器接口实现了较高程度的物理耦合，但系统集成仍显不足；装配过程虽在高层任务规划上展现出强劲的认知推理能力，底层物理执行与工业部署却明显滞后。
基于上述分析，提出了制造EAI应向分层模块化架构与任务需求驱动范式转变，主张基础模型作为认知层负责语义理解与协调，领域专用的轻量化模型作为执行层承担实时物理交互，二者通过标准化接口协同以平衡灵活性与可靠性。EAI的价值判定应回归制造本质，以质量稳定性、成本控制与安全合规等工业实效为最终准绳，而非单纯追求算法精度或技术新颖性，同时呼吁建立跨工艺的标准化数据格式、可复用模型模板与一致术语体系，以降低重复开发成本并促进知识累积。
机械工程学院李永哲副教授为本文通讯作者，博士生郑业兴和英国剑桥大学凌正阳博士为本文共同第一作者。东南大学机械工程学院、英国剑桥大学、曼彻斯特大学、澳大利亚莫纳什大学为论文共同完成单位。该论文得到了国家自然科学基金、江苏省科技厅项目、江苏省发改委项目的支持。
来源：龙腾亚太人工智能技术与咨询
北京市公安局海淀分局备案号：11010802023656号