1月19日上午，以“场景驱动·数智强国”为主题的全国人工智能应用场景创新峰会具身智能专题论坛在深圳召开。全国知名高校的国家杰出青年科学基金获得者、青年学者以及行业精英齐聚一堂，聚焦具身智能的前沿技术理论发展和应用落地，探究大模型时代下的智能感知、智能决策系统、机器人控制等前沿研究成果，向广大专业同行分享具身智能领域的关键技术、创新难点及发展趋势。

论坛嘉宾合影

西北工业大学教授、国家级人才王震和华为诺亚方舟决策推理实验室主任、国家级青年人才郝建业担任本次论坛主席，天津大学特聘研究员郑岩担任本次论坛副主席。

天津大学教授、国家级人才刘安安，深圳大学教授、国家级人才李坚强，华南理工大学教授、国家级人才李远清，中科院深圳先进院研究员、国家级人才吴新宇，浙江大学教授、国家级人才杨易，华南理工大学副教授张怀东等六位专家应邀作主题报告。

西北工业大学、国家级人才王震教授在开场致辞中表示，具身智能是国家人工智能战略的重要组成，通过深度融合智能感知、智能决策和智能执行，推动人工智能从信息空间向物理世界的延展。面对大模型时代带来的全新机遇与挑战，具身智能不仅为机器人自主决策、智能系统协同和高效感知控制提供了关键技术支撑，更将在各行各业中发挥核心作用。王震教授热情地欢迎来自各领域的专家学者积极交流、碰撞思想，分享前沿理论与实践经验，共同探讨大模型时代下具身智能的应用与发展，携手为国家人工智能事业的创新与发展贡献智慧和力量。

王震教授

天津大学教授、天津大学图像所所长刘安安作题为《视觉大模型风险解析和治理》的专题报告。刘安安教授介绍了其团队针对视觉大模型内生风险机理的研究，并提出相应风险防御策略。阐述了诱发视觉大模型内生风险的通用攻击框架、基于风险诱发模式提出了相应的防御框架来增强模型生成内容的安全性等主要内容。

刘安安教授表示，“视觉生成大模型（如Stable Diffusion和Midjourney系列模型）存在内生风险，用户可以利用无显性风险的提示攻击模型，从而生成风险图像。针对此问题，典型的解决方法是使用一系列风险因素过滤器，避免风险图像的生成或传播。然而，由于诱发生成模型产生风险的机理未知，无法从“治本”的角度阻断风险图像的生成。”

刘安安教授

深圳大学教授、国家级人才李坚强作题为《数据驱动的智能系统感知与决策探索》的专题报告。李坚强教授表示，“基于数据的深度学习、大模型可有效提高智能系统感知决策能力，特别是机器人与智能系统网络协同、多智能体协同、云端协同来有效提高机器人的感知与执行效率。”

在报告中，李坚强教授详细介绍了其围绕机器人与智能系统网络协同感知、协同网络构建以及优化分析决策展开的研究，并展示了应用于特种监测机器人以及医疗健康智能监测系统的相关研究成果，介绍了结合大模型的机器人感知与决策探索。

李坚强教授

华南理工大学、国家级人才李远清教授作题为《脑机接口关键技术、应用及产业化》的专题报告。李远清教授表示，“通过脑机接口，人脑和外部设备之间可以直接进行交互，从而实现脑智能和机器智能的融合，即混合智能。混合智能是人工智能一种新的形态和方向，具有广泛的应用前景。提高目标检测性能和实现多维控制是脑机接口研究的两大基本问题，也是脑机接口技术走向临床不可回避的问题。”

在报告中，李远清教授介绍了多种多模态脑机交互方法，不仅能提高目标检测性能，还可以实现多维控制，并详细举例介绍了其团队研发的面向颈椎损伤高位截瘫病人的环境控制系统、面向中风患者的脑机接口上肢康复系统、面向意识障碍患者的意识检测、辅助诊断、康复预测脑机接口系统等一系列产业化及应用情况。

李远清教授

中科院深圳先进院研究员吴新宇作题为《外骨骼机器人发展与思考》的专题报告。吴新宇教授分享了外骨骼机器人在助老助残、物流搬运等领域具有优异的应用前景，肯定了其人机融合程度直接决定了助力助行的效果。

吴新宇教授在报告中介绍了多细分领域下肢外骨骼的研究前沿及国内外发展现状，归纳总结了人机共融外骨骼机器人发展面临的共性挑战。以中科院深圳先进院研发的自平衡下肢外骨骼、柔性-刚柔并济外骨骼、搬运助力外骨骼等代表性系统为着力点，解析了人-外骨骼系统耦合建模、结构相容设计、运动意图识别、高精度力位控制等关键技术，最后研判了人-外骨骼进一步深度共融的技术发展趋势。

吴新宇教授

浙江大学教授杨易作题为《混合模型协同的AIGC》的专题报告。杨易教授在报告中面向数字人重建与驱动、跨媒体内容生成等应用，讨论了混合模型协同的内容生成技术。

杨易教授在数字人重建方面，讨论融合几何等先验信息的方法在数字人驱动中的应用。在跨媒体内容生成方面，讨论通过音频、文本、布局结构等信息，实现可控内容生成的方法。并结合实际案例讨论专用知识嵌入、结构化表达等典型混合模型协同机制。

杨易教授

华南理工大学副教授张怀东作题为《智能模型的可持续化部署探索》的专题报告。张怀东副教授从人工智能模型如何实现可持续学习的角度出发，介绍其团队在这方面的一系列探索。

张怀东副教授表示，“具身智能大模型通常使用海量数据学习获取通用场景中的感知、决策和控制能力。而在部署到专用场景中执行任务时，则需要进一步收集业务数据微调模型的决策参数，从而实现高成功率的感知决策执行。因此，如何应对业务数据的稀缺性、不可预测性，实现大模型在专用场景数据流中的高效可持续化部署，成为了具身智能技术应用在产业升级的关键问题。”

张怀东副教授

本次论坛由中国人工智能学会主办，全国人工智能应用场景创新挑战赛组委会、华为技术有限公司、西北工业大学承办。