在第八届GAIR全球人工智能与机器人大会的“数据&一脑多形”分论坛上，一场围绕“一脑多形”的圆桌讨论引发了热烈反响。在英诺天使基金ED王建明的主持下，浙江大学控制学院副教授、微分智飞创始人高飞，宁波东方理工大学助理教授金鑫，以及上海人工智能实验室青年科学家王靖博，就具身智能、空间智能和世界模型等前沿话题展开了深入探讨。
王建明首先抛出问题，询问三位学者对过去两年具身智能发展的看法。高飞指出，当前技术路线尚未收敛，仍处于探索阶段，这种多样性为创新提供了机会。他强调，具身智能的核心目标是实现通用泛化智能，而非局限于工业自动化。金鑫则表示，高校应聚焦于具身智能的核心问题，如交互、人机协同和多智能体系统，而产业界应负责将技术落地。王靖博则关注具身智能的软硬件协同设计，认为良好的设计将加速技术进步。
在讨论到无人机技术的突破时，高飞展示了其团队在单体机器人自主路径规划、集群飞行操作等方面的成果。他解释，这些能力的实现依赖于发散思维与执行力的结合，以及在无人机和AI领域的交叉优势。他进一步指出，单体机器人的研究正倾向于端到端的技术路线，以降低系统误差和延迟。对于群体机器人，柔性的、分布式的架构是关键。
王建明对无人机的端到端技术提出疑问，高飞澄清，端到端是一种范式，强化学习是一种解法，黑箱是一种模式，三者不应混淆。他强调，解决问题是唯一目标，因此会采用各种解法，包括强化学习，但也会结合基于模型或原理的方法，而非简单的规则基础。
金鑫分享了世界模型在自动驾驶领域的应用，指出特斯拉等第一梯队企业已利用世界模型生成海量数据，覆盖更多场景，并进行闭环测试，优化决策链路。他解释，世界模型的定义尚未统一，李飞飞倾向于像素级重建，而LeCun则认为只需抽象表达机器人的潜在状态。金鑫认为，自动驾驶和机器人对世界模型的要求和技术范式存在差异，但预测未来和记忆能力是共同点。
在讨论世界模型与具身智能的结合时，金鑫提到，LeCun的多模态V-JEPA方案通过表示学习预测未来状态，为具身智能提供辅助。他指出，虽然已有公司将世界模型与具身智能结合，但尚未实现通用智能，仍需时间验证。高飞则认为，世界模型相当于MPC中的预测模块，但数据驱动的方式减少了人工抽象的需求。
王靖博在讨论全身控制时表示，在仿真器中实现不错的控制器不难，但真实世界中需考虑算法和硬件的限制。他指出，硬件能力的上限决定了机器人性能的突破时间。高飞补充，集群学习采用集中学习、分布计算的模式，共同目标驱动各单元协同工作。
在空间智能的讨论中，高飞认为，空间智能的定义尚不清晰，但感知是机器人技术的关键。他指出，SLAM技术为上一代机器人发展奠定了基础，而空间智能则结合了AI技术，进一步建模和学习。王靖博观察到，语义信息在空间智能中的重要性日益凸显。金鑫则举例说明，机器人对复杂空间关系的描述仍存在困难，尤其是对于“从第一排左边数第四个瓶子”这样的指令。
针对空间智能的数据问题，金鑫指出，过去对语义的关注不足，导致缺乏相应解法和数据。高飞认为，大模型的语言模态数据空间关系较弱，需构建专门的数据集对齐信息。王建明提到，具身智能的基座模型在3D模态上仍欠缺，SLAM公司正强调补足3D模态以解决空间智能问题。
在落地应用方面，高飞展望，未来二十年无人机将广泛应用于高空作业，如送货、载人观光等。他承认，当前无人机应用仍面临智能不足的挑战，但AI的发展带来了希望。金鑫指出，工业自动化需求迫切，但高校创业者的想法与现实存在差距。王靖博认为，机器人最终需具备操作能力，但硬件迭代仍面临负载能力、平衡性和灵巧手方案等挑战。
在讨论中美通用机器人创业环境时，高飞表示，无法理解高估值逻辑，强调在中国需走好中国路径，关注事情能否做成。金鑫同意，估值背后因素复杂，资本力量强大，但中国投资人对技术的耐心有所增加。王靖博认为，科研是马拉松，浪潮过后评估标准可能改变。
在观众提问环节，学者们就数据获取方向展开讨论。金鑫提出数据金字塔概念，指出互联网视频数据适合预训练，合成数据可提高泛化性，真机数据则用于遥操。他提到，70%的Web数据、20%的合成数据和10%的真机数据可能是一个比例，但仍在探索中。针对视频生成模型生成机器人数据的问题，金鑫认为，耗卡不是问题，关键在于数据有效性。他指出，生成内容可能不逊于手工资产，数据有效性取决于任务需求。王靖博同意，数据有效性需根据任务确定，纯仿真环境也可实现足式控制的基本运动。
