“韩国有一种文化,对方的酒杯空了就要为他倒烧酒。要让机器人能做到这一点,需要什么呢?”
康奈尔大学教授丹尼尔·李28日在首尔中区新罗酒店举行的、以“超越智能,成为产业新引擎”为主题的“2026首尔论坛”中“产业再设计:机器人主导的物理革命”分会场上,就实体人工智能(Physical AI)商业化的课题抛出了上述话题。
其含义是,拿起烧酒瓶、往杯中倒酒等对人类而言微不足道的动作,对机器人却是难以跨越的高山。这正是所谓“莫拉维克悖论”这一难题。它指的是机器人容易做的事人类却难以做到,而人类轻而易举的事机器人却很难完成的这种反讽现象。
李教授表示:“现实是,即便是机器人拿起烧酒瓶往杯中倒酒这样简单的动作也十分棘手”,“这对人类而言是理所当然的直觉,但机器人要做到这一点,就必须理解瓶子的摩擦系数、滑落时如何避免把酒泼到对方身上等物理现实。”
其他专家还谈到了数据学习的问题。韩国人形机器人研发初创企业Holiday Robotics代表宋基英表示:“人形机器人若要投入制造业现场,作业准确率必须达到99.9%水平,但目前还没有出现能够实现这一点的人工智能技术”,并称“尤其是数据采集成本高昂,因此我们更专注于结合虚拟数据进行仿真的强化学习,而非实际数据。”
与会者还提出了在全球人工智能主导权竞争中生存下来的方案。张室长表示:“目前政府与产业界携手,自去年起正在推进‘世界基础模型’开发,实体人工智能领域也在密切筹备”,“如果产业界配合政府的开发路线图,以研发为基础灵敏响应,就能以不落后于美中的我们独有的路线图引领市场。”
还有建议认为,需要让机器人像人一样即便没有事先学习也能直观理解现实的技术。李教授将当前人工智能技术水平定义为“黑箱”,并提出查明人工智能复杂运算过程的“白箱”理论作为解决方案。白箱与由结果推断原因的黑箱相反,是说明输入如何被处理并得出结论的概念。
李教授强调:“应打开人工智能的黑箱,考察人工智能如何把数据结构转化为特定作业”,“观察人工智能系统运算作用的几何特征,有助于提升人工智能模型的水平。”他还补充说:“理解并解释人工智能内部发生的事情,将在实际物理环境中保障人工智能的安全性与性能。”
也有观点认为,人形机器人技术将沿着自动驾驶产业的道路前行。首尔大学教授洪性洙表示:“在自动驾驶领域,2023年出现了从汽车周边感知(传感)到控制全部包揽的端到端技术,此后仅两年就得以普及,使人们能够具体查明汽车事故的原因”,他预测“自动驾驶技术两年的发展可比拟过去60年,人形机器人也将走上类似路径。”






