该专著针对物理人工智能(Physical AI)领域定义与技术版图尚未形成共识的问题,提出了统一框架,将其界定为在真实世界约束下通过持续反馈感知、建模并作用于物理世界的人工系统,并厘清了它与传统数字AI、具身AI、信息物理系统及数字孪生的区别。著作从物理、控制、认知、学习与推理五个层面构建理论基础,系统梳理多模态感知、物理数据与仿真、世界模型、具身基础模型、运动控制系统、多智能体协同及软硬件协同设计等关键方法,并考察其在机器人、制造、基础设施、科学实验和自主服务中的应用。研究重点关注仿真到现实的迁移、可靠性、实时执行、评估、安全治理与长期部署,通过感知、预测、决策、行动与适应的闭环串联,指出从窄域自动化迈向可泛化物理AI乃至物理通用人工智能所需的技术挑战与研究路径。全书共12章、388页,为领域提供了系统性参考框架。
| Physical AI | 指在现实世界约束下,通过持续反馈对物理世界进行感知、建模和行动的人工系统。 |
| Embodied AI | 强调智能体通过身体与物理环境交互来产生智能行为的人工智能范式。 |
| Sim-to-Real Transfer | 将仿真环境中训练的策略或模型迁移到真实物理世界中的技术。 |
| World Models | 智能体内部构建的对外部环境动态的预测性模型,用于支持规划与决策。 |
| Physical AGI | 物理通用人工智能,指在物理世界中具备广泛适应性和通用能力的智能系统。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅