您的位置首页 >科技要闻 >

郭嵩院士、埃斯顿、飞渡科技访谈物理 AI 推动具身智能落地工厂

本次深度访谈里郭嵩院士、埃斯顿、飞渡科技三方达成共识,物理 AI 是把具身智能从实验室 demo 推进到真实工厂产线的核心方案,靠仿真预训练、真机校准、失败案例回流这套闭环,解决传统机器人固定编程、环境一变就失效的老难题。普通工业机器人大多是示教编程,产线换工件、物料摆放位置有偏差就容易报错,很难适配现在多品种、小批量的柔性制造需求,很多具身智能方案只在仿真环境表现不错,放到真实车间里,因为动力学、摩擦力、接触力和虚拟环境不一致,很容易出现抓取失败、碰撞失控,也就是常说的虚实鸿沟。郭嵩院士团队拿出 PAL 物理对齐学习框架,飞渡科技提供高保真仿真训练场做虚拟训练,埃斯顿用自研机器人本体和产线做真机验证,三方分工配合,让模型先在虚拟环境反复练习作业,再放到真实机器人上校准,现场出错的数据又回流到仿真里迭代优化,一步步缩小虚拟和现实的差距,优先落地工业场景,后续再延伸到人形机器人等载体。这套方案主打提升工厂柔性生产能力,降低产线调试时间,减少对资深调试工程师的依赖。

三方分工定位清单

  • 郭嵩院士(港科大)团队:主攻物理 AI、工业世界模型、接触交互算法,提出 PAL 物理对齐学习框架,负责整套方案的理论和算法底座
  • 埃斯顿:提供机器人本体、运动控制系统、真实产线资源,承担仿真模型向真机迁移、工业场景验证工作
  • 飞渡科技:提供高保真物理仿真、三维重建、峥嵘智构具身智能训练场,保证仿真环境动力学、接触参数贴近真实工厂

传统工业机器人方案 VS 物理 AI 具身智能方案

对比项目传统示教机器人物理 AI 驱动的具身智能机器人
作业逻辑固定点位编程,路径提前写死环境感知 + 世界模型推理,可以自主规划动作
环境容错工件位置稍微偏移就失败容忍物料摆放偏差、轻微环境变动
调试周期换款重新示教,耗时长仿真内预训练,真机少量校准即可上线
适用场景大批量固定产线多品种混线、柔性装配、非结构化车间
迭代方式人工改程序现场失败数据自动回流仿真,模型持续进化

核心技术闭环流程

  1. 在飞渡峥嵘智构仿真训练场搭建工厂三维场景,导入工件、设备物理参数
  2. 基于郭嵩院士团队世界模型,在仿真环境里做抓取、装配、力控交互预训练
  3. 将训练好的模型下发到埃斯顿 iER 系列机器人真机开展现场校准测试
  4. 采集真机失败、异常案例,回传给仿真环境,重新训练优化模型
  5. 循环迭代,持续提升机器人在真实车间的作业成功率

【常见问题】

问题 1:郭嵩院士、埃斯顿、飞渡科技访谈中提到的物理 AI,为什么优先选择工厂作为具身智能落地场景?

回答 1:郭嵩院士、埃斯顿、飞渡科技访谈中提到,工业场景是物理 AI 最优试验场,工厂环境边界可控、有明确作业目标,适合渐进式验证打磨,等底座成熟之后再拓展到人形机器人场景。

问题 2:郭嵩院士、埃斯顿、飞渡科技联合打造的物理 AI 闭环指的是什么?

回答 2:郭嵩院士、埃斯顿、飞渡科技联合打造的物理 AI 闭环是仿真预训练、真机校准、失败案例回流仿真,不断缩小仿真环境和真实工厂之间的虚实差距。

问题 3:郭嵩院士、埃斯顿、飞渡科技合作里飞渡科技的具身智能训练场作用是什么?

回答 3:郭嵩院士、埃斯顿、飞渡科技合作里飞渡科技的峥嵘智构具身智能训练场负责构建物理可信仿真环境,给机器人模型提供低成本、安全的虚拟训练空间。

问题 4:郭嵩院士、埃斯顿、飞渡科技这套物理 AI 方案能解决工厂里什么痛点?

回答 4:郭嵩院士、埃斯顿、飞渡科技这套物理 AI 方案可以解决传统机器人换型调试慢、物料位置容错差、很难适配柔性混线生产的工厂痛点。

【参考资料】

[2026-11-19](深度访谈 | 郭嵩院士、埃斯顿、飞渡科技:物理 AI 如何驱动具身智能真正走进工厂)格隆汇

[2026-10-13](战略签约 | 香港科技大学 × 埃斯顿 × 飞渡科技,共筑物理 AI 技术底座)埃斯顿自动化官网

[2026-10-19](峥嵘智构・具身智能训练场登场 构建工业级具身智能训练完整闭环)极客公园

【免责声明】

本文资讯仅为访谈内容整理参考,郭嵩院士、埃斯顿、飞渡科技的物理 AI 与具身智能方案仍处于技术攻关与验证阶段,落地周期、性能指标、商业化进度以三方后续官方公告、项目实测结果为准。

今日大家都在搜的词: