记者 潘俊田

“传统具身智能依赖对人类行为的图灵模仿，但人工智能的主萨本质在于掌握‘如何学习’的新能力。因此，顿具代具身智能必须转向交互学习，身智通过试错机制实现持续进化。向交习”2024年图灵奖得主理查德·萨顿（Richard Sutton）于6月29日在北京接受《经济观察报》等媒体采访时明确指出。互学

所谓交互学习，图灵是主萨指具身智能通过与环境互动获取经验，其核心驱动力为强化学习。顿具代在此之前，身智行业主流范式为模仿学习，向交习即单纯复制人类动作。互学

以AlphaGo为例，图灵其早期阶段通过研习人类棋谱进行模仿学习；后期研究人员注入围棋规则，主萨AlphaGo通过在规则框架内自我对弈，顿具代最终超越人类选手。这一过程标志着从被动模仿向主动探索的跨越。

萨顿强调，当前人工智能焦点多集中于大语言模型，但仅靠大模型不足以支撑具身智能的发展，关键在于积累“经验”。

萨顿定义的“经验”，是具身智能在参与现实世界过程中收集到的实时反馈。获取此类经验的唯一路径，便是交互学习。

除萨顿外，触觉感知公司他山科技CEO马扬、协作机器人公司节卡机器人副总裁许雄、中信证券投资副总裁黄耀庭也在当日采访中，共同探讨了交互学习对具身智能商业化落地的关键意义。

从“冷启动”到商业化：交互学习的必要性

马扬指出：“模仿学习仅是具身智能的‘冷启动’手段，唯有通过交互学习，才能真正走向商业化。”

他分析称，目前多数具身智能演示场景均处于“舒适区”，与现实复杂环境存在巨大鸿沟。模仿学习只能让机器识别“这是正确的”，却无法理解“什么是正确的”。

马扬进一步解释，交互学习意味着减少对仿真模拟数据的依赖，转而利用具身智能在真实世界中的行为数据进行训练。

萨顿补充道，模拟器的自由度极低，数据复杂度远低于现实世界，仅靠仿真数据训练难以应对真实环境的挑战。

“具身智能不需要老师，也不需要预设训练，它需要的是在环境中主动探索和学习。”萨顿总结道。

触觉感知：从“执行器”到“收集器”的角色跃迁

据马扬介绍，具身智能早期主要依赖视觉模型训练。进入交互学习时代后，触觉感知的重要性显著提升。

“视觉是用于感知的数据，触觉是用于交互的数据。”马扬表示，触觉感知能为具身智能提供主动安全策略，驱动其进行环境探索，并定义交互事件。

随着具身智能逐步部署至实际场景，行业痛点逐渐显现：仅依赖视觉而缺乏触觉感知的系统，难以适应具体应用场景。目前能落地的具身智能，多仅能执行基础性工作或为现有工业自动化增添少量柔性功能。

许雄认为，工业机器人对安全性、可靠性、交互性及学习能力的要求，均离不开触觉感知的支撑。

马扬透露，自去年起，行业开始探索在纯视觉方案中融合触觉感知。下游厂商对机器人触觉感知产品的需求激增，其角色定位已从单纯的“执行器”转变为“收集器”。

作为“收集器”，触觉感知更强调鲁棒性、稳定性、耐久性和分辨率，而非单纯的感知精度。

马扬举例说明，高分辨率的触觉感知有助于具身智能快速对数据进行分类，从而做出及时的响应与调整。

场景为王：从实验室走向规模化应用

黄耀庭建议，实验室和数据采集中心并非具身智能的终点。企业应深入挖掘真实、可规模化且具备商业价值的场景，在应用过程中收集数据，推动产品的持续迭代与优化。