YEF2025 | 虚实共生：如何寻找具身智能的Scaling Law?在横琴召开

具身智能，作为人工智能迈向物理世界的核心技术，正在打破虚拟与现实的边界。通过赋予AI以感知、行动、学习的闭环能力，具身智能正在重塑算法、系统和应用之间的关系，推动从虚拟仿真到实体执行的全方位技术跃迁。

5月23日下午，由CCF YOCSEF上海24-25主席邱锡鹏，秘书长刘斐担任执行主席的“虚实共生：如何寻找具身智能的Scaling Law?”论坛在CCF YEF2025大会期间顺利召开。本次论坛以“Scaling Law”为核心议题，深入探讨如何实现具身智能的大规模训练和实际部署。论坛汇聚智能感知、跨模态交互、自主决策与控制等领域专家，解读具身智能技术的前沿进展与创新实践。剖析Scaling Law在具身智能中的关键作用，探索大规模数据训练、高效模型优化与资源利用的深层逻辑。研究从虚拟到真实环境的迁移方法，讨论硬件与算法的协同进化及未来趋势。展望具身智能在机器人、智能制造、医疗康复、教育科技等领域的应用潜能，推动产业化落地。

本次论坛邀请到了清华大学苏航副研究员、上海交通大学蔡盼盼副教授、香港大学李弘扬助理教授、北京邮电大学方斌教授、YOCSEF广州分论坛24-25主席/中山大学李冠彬教授、北京超算刘爽行业总监进行报告分享，YOCSEF总部副主席/北京交通大学金一教授参加了Panel讨论。

论坛首先由YOCSEF上海24-25主席邱锡鹏开场。锡鹏介绍了本次论坛的整体背景，并介绍了YOCSEF上海情况。论坛技术分享环节由刘斐主持，五位行业专家分享了最新的研究成果。

上海交通大学蔡盼盼副教授的《常识性具身决策》报告，研究智能体在不确定环境（如非结构化室内服务）的决策。核心是利用大语言模型处理开域不确定性（指令模糊、物品开放），结合Tru-POMDP更新信念；并提出UniDomain方法，通过学习视频数据自动生成大一统PDDL规划域，解决复杂约束与LLM编写困难，实现组合泛化与虚实结合，形成适应开放环境的决策系统。

香港大学李弘扬助理教授的报告《Towards Generalizable Robotic Manipulation for Targeted Scaling Law》中提出构建通用操作系统的关键路径：建立自动化分级评测基准；通过人机协同数据采集构建广谱AgiBot World数据集；开发任务中心潜在动作模型UniVLA优化机器人编码器，提升策略泛化性；创新采用直播形式展示PI与DYNA系统，推进机器人操作的规模化泛化能力发展。

中山大学李冠彬教授在《感知与记忆增强的视觉语言导航》报告中聚焦“跨模态目标定位与受限视角感知”—具身视觉语言导航的核心挑战，提出利用导航上下文增强定位，并通过跨模态匹配模拟场景直觉优化目标搜索。针对第一视角感知局限，倡导多模态多视角特征融合及感知决策联合优化。报告指出迭代式视觉语言导航为未来方向，并介绍了其关键执行机制，并提出长程连续导航及低空导航新任务。

清华大学苏航副研究员的报告《数据驱动的具身智能探索：多源融合与规模化演进》指出数据是具身智能泛化能力的核心驱动力，通过跨环境、跨本体的强化学习统一训练实现策略迁移。构建扩散策略基座模型RDT整合大规模人手数据集并开源，开发ManiBox仿真平台验证数据规模与泛化的幂律关系。提出AnyPos无监督框架采集运动数据，证明算法性能由数据规模决定。

北京超算的刘爽报告题目是《具身智能模型应用运行特征》，分析了具身智能模型运行特征，通过性能数据采集与仿真测试揭示应用瓶颈及峰值规律，提出基于特征的性能预测与智能选型方法。介绍了算力服务升级方案，构建覆盖AI全场景的一站式服务平台及MaaS模型广场，优化算力资源适配以支撑前沿模型高效运行。

茶歇之后，论坛的下半场针对三个问题展开了深入的思辨讨论。与会嘉宾围绕三个思辨议题进行了讨论。

针对“在具身智能的Scaling Law框架下，仿真数据与真实数据的协同边界在哪里？当仿真数据的规模化训练已显著提升模型性能时，真实数据的“不可替代性”是否依然成立？”的问题，各位嘉宾表达了以下观点：多数观点认为，真实数据在复杂人类行为、动态场景及高可靠性需求（如工业实验）中不可替代，仿真数据仅能作为补充，尤其在环境交互设计等场景中适量虚拟数据可辅助优化，但无法独立超越真实数据，且不同任务下Scaling Law规律差异显著。部分观点强调需分场景讨论虚实配比，例如工业仿真虽成熟却难替代物理实验，而具身智能中仿真受限于底层开发门槛、动态建模不足及结果偏差，难以匹配现实需求。关于数据迁移，一方认为强化学习迁移手段可缓解硬件迭代导致的数据失效，另一方指出需硬件超前设计支撑；端到端数据采集短期内作用有限。新型数据源（如智能眼镜）面临流式视频处理难、物理信息缺失及场景泛化挑战，仅适用于固定场景。核心结论是：真实数据仍是核心，仿真为辅助，需结合任务动态性、交互复杂度及成本约束，分场景构建虚实协同的数据体系，推动规模化演进。

“具身智能的决策系统面临“常识性约束”与“动态适应性”的双重挑战—基于规则的传统方法更易嵌入人类常识，而强化学习更适应复杂环境。未来应如何融合两类方法的优势？”，讨论形成核心共识与分歧：多数观点支持分层混合框架——高层决策嵌入规则化常识（如大语言模型编码抽象知识），低层动作采用强化学习适应动态环境，形成"规则保安全、学习促适应"的互补机制；关键分歧在于低层常识实现方式，一方主张通过强化学习泛化训练基础动作（如开门），但面临资源消耗大及高风险场景（如自动驾驶）适用性受限问题，另一方则认为需结合任务分解与多模态学习（语言指导+动作模仿），但分解粒度与底层泛化仍存挑战；创新方向包括动态权重机制（按任务复杂度切换规则/学习主导权）、"大小脑"模式（语言模态学常识+动作模态练条件反射）及模仿学习与强化学习（IL+RL）组合降低纯强化学习成本。共识是以常识规则确保安全边界，以学习提升环境交互弹性。

关于“具身智能的规模化落地需算法、硬件、场景深度耦合。在服务业、制造业等差异化场景中，是应优先追求算法的通用性，还是先为特定场景定制软、硬件架构？”，讨论行程以下观点：产业界与学术界立场分化——产业端明确要求优先为制造业、服务业等特定场景定制软硬件架构以解决劳动力短缺痛点，学术界则倾向探索通用算法愿景；核心共识强调必须通过跨领域协作（AI、硬件、自动控制、产业方联动），基于复杂度、成本、效果三维度动态权衡，否定不计成本追求通用化；关键矛盾在于通用化边界，部分主张在军用、手术等成熟场景内发展有限通用能力；AGI落地预期普遍悲观（3-5年不可行，硬件成本与损耗仍是瓶颈），呼吁人类主动推动技术突破而非被动等待。最终策略定为以场景需求为核心，采用"有限通用+深度定制"双轨推进。

此次论坛历时四个小时，YOCSEF上海分论坛24-25主席邱锡鹏对此次论坛进行了总结。最后，论坛在一片热烈的讨论氛围中圆满结束。

点击“阅读原文”，加入CCF。