在人工智能領域的熱門賽道上，具身智能正掀起一場前所未有的風暴。然而，這一領域的發展并非一帆風順，數據瓶頸和多場景泛化難題如同兩座大山，阻擋著前行者的腳步。近日，在世界人工智能大會（WAIC）上，一個名為“悟能”的全新具身智能平臺橫空出世，為行業帶來了新的曙光。
“悟能”平臺以世界模型為引擎，旨在賦予機器人強大的感知、導航和多模態交互能力。在WAIC的展覽現場，各式各樣的機器人吸引了眾多目光，但行業內的專業人士深知，這些機器人雖火爆一時，卻普遍面臨著數據短缺和訓練效率低的困境，導致自主解決問題能力較弱。
商湯科技，作為人工智能領域的佼佼者，在此次大會上推出了其精心打造的“悟能”平臺。該平臺能夠僅憑一句自然語言描述的場景，生成符合物理規則、多視角統一、真實世界還原度極高的多視角視頻，從而破解了仿真數據輸出的難題。
想象一下，你仿佛置身于城市的街頭，手握方向盤，腳踩油門，周圍的光影變幻莫測，而這一切，都通過七個攝像頭構建出的無比真實的世界呈現在你眼前。但這并非游戲場景，而是你與AI共同“開悟”的體驗。
“悟能”平臺的出現，標志著AI將不再僅僅是工具，而是成為了人類的合作者、探索者和創造者。這一平臺之所以能為具身智能帶來如此顯著的賦能，得益于其四大核心功能：感知、導航、交互以及世界模型的構建。
在感知方面，商湯憑借其強大的視覺感知能力，為機器人提供了對世界萬物的識別和理解。無論是機器狗還是機器人，都能通過其視覺系統，實時感知周圍環境，識別場景中的物件和行人。這一能力被完美嵌入到機器人的核心芯片中，實現了端側的高效處理。
導航功能則是“悟能”平臺的另一大亮點。盡管全自主的無人駕駛車已經問世，但全自主的機器狗和機器人仍屬罕見。商湯的絕影團隊，在無人駕駛領域積累了豐富的經驗，這些技術同樣可以應用于機器狗和機器人的導航上。通過實時路徑規劃和避障功能，機器狗和機器人能夠在復雜環境中自如穿梭。
交互功能則展現了“悟能”平臺的幽默感和全局記憶能力。在現場演示中，一個機器人通過AI生成的PPT，繪聲繪色地講解了《長安的荔枝》的故事。它不僅能夠自己翻頁，還能在嘈雜環境中保持主線任務，繼續講解。這一功能同樣適用于機器狗，展現了“悟能”平臺在不同形態硬件上的廣泛適用性。
而世界模型的構建，則是“悟能”平臺的核心所在。通過“人、物、場”的構建，平臺能夠生成一個4D的真實世界。用戶只需給出一張具身關節模型和簡單的指令，平臺就能生成連續的視頻和位姿。這些視頻和位姿具有時空一致性，可以從多個角度進行觀察，為機器人的交互訓練提供了高質量的數據。
在自動駕駛領域，“悟能”平臺已經能夠用一句自然語言生成一個七視角攝像頭的視頻。這些視頻在空間和時序上都具有一致性，甚至可以進行實時編輯和替換。這些新生成的數據，為AI進入現實世界提供了閉環交互訓練的解決方案。
如今，商湯將“開悟”世界模型進一步擴展到具身智能領域，并賦予了它新的名字——“悟能”。這一平臺不僅解決了具身智能領域的數據瓶頸問題，還為機器人的多場景泛化提供了可能。未來，隨著“悟能”平臺的不斷推廣和應用，機器人將成為人類生活中不可或缺的“超級隊友”，在智能制造、醫療護理、家庭服務等多個領域發揮巨大作用。
