招聘、人 才引进等工作。 2 术语和定义 下列术语和定义适用于本文件。 2.1 工业机器人 industrial robot 在工业自动化中使用自动控制的、可重复编程、多用途的操作机，可对三个或三个以上轴进行编程。 它可以是固定式或移动式。 [来源：GB/T 12643-2013/ISO 8373:2012] 2.2 工业机器人系统 industrial robot system ——熟练使用电气CAD软件，能够根据产品需求进行电气原理图、布线图、接线图等设计； ——熟悉液压系统、气动控制系统； ——掌握多传感器标定算法的开发流程，熟悉常用的标定算法、测试方法； ——掌握至少1种编程语言，精通PLC、HMI、变频器、伺服电机等控制理论和实际操作技能， 能够根据工业机器人的功能需求进行电气系统的设计和调试； ——掌握电磁兼容等可靠性设计方法。 c）工程实践 ——具备电路阻抗匹配设计和控制、驱动器设计经验； ——掌握工业机器人基本控制理论与方法，熟悉运动学和动力学建模与分析方法； ——掌握机器学习的基本概念、方法和应用，了解深度学习、强化学习等前沿技术。 b）技术技能 ——熟练使用Python、C++等编程语言和工具； ——熟练使用Windows或Linux平台下的开发测试工具； ——熟悉工业机器人环境感知、数据融合、数据关联、目标追踪、行为/路径规划等算法，了解 信号模型和传感器模型； ——能够利

高精度运动执行）两大模块，涉及仿真、 VLA（视觉-语言-动作）、diffusion policy（扩散策略）、VLN（视觉语言导航）、世界模 型、强化学习等多个子模块。 从核心特征来看，具身智能打破了传统人工智能仅限于虚拟世界的界限，实现了信息 空间与物理世界的深度融合，其最大特征在于自主认知与环境交互能力——传统机器人依 赖预编程指令和结构化环境，而具身智能体可在非结构化环境中动态感知、学习与决策， Policy 方法兴起，引入序列建模范式创新，通过扩散模 2 型生成整个动作轨迹，更好捕捉任务执行中的时序结构与多样性，提升策略稳定性与泛化 能力；2024 年进入 VLA 模型阶段，融合视觉感知、语言理解与动作生成模块，支持零样 本或小样本快速泛化，实现从“感知+控制”向“感知+推理+行动”的范式跃迁。 第四阶段：2025 年以来，业界与学界探索 VLA 模型与强化学习、世界模型、触觉感 知等模块的融合，弥补 标准工具、通过标 准门廊、攀爬楼梯），理论上具备最强的场景适应性与任务泛化潜力。自生成式 AI 与大 3 模型技术爆发以来，其“大脑”得到了革命性增强。通过集成视觉-语言大模型（VLMs）， 机器人能够理解模糊的自然语言指令（如“把桌子收拾干净”），并自主进行任务分解与 步骤规划，显著提升了在非结构化环境中的交互与决策智能。 当前，人形机器人的应用探索集中在三大方向：在工业制造领域，如智元机器人已在

. 16 2.3.2 基于概率性模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.3.3 基于视觉‑语言‑动作模型 VLA . . . . . . . . . . . . . . . . . . . . . . . . 18 2.3.4 基于分层行动模型 H‑VLA . . . . . . . . . 16 6 VLA 发展时间线 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 7 视觉‑语言‑动作模型 VLA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 8 分层行动模型 H‑VLA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 具身智能操作系统技术白皮书 5 表格 1 视觉‑语言‑动作模型 VLA 训练成本 . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2 EAIOS 中对象数据的典型定义 . . . . .

周期，发现并协助修复软件缺陷。是一款针对 C/C++语言，自动化测试覆盖率高达 90%的 智能单元测试平台。 产品基本信息 符合的标 准/认证 国际: DO-178B/C、ISO-26262、IEC-61508、EN-50128、IEC-62304 □ 国内: GJB5000B、GJB438C、GJB8114、GJB5369 产品简介 iUnit，一款针对 C/C++语言的智能单元测试平台，符合 （介绍服务队伍构成、组成人员工作内容及组成人员资质） 捷科为项目精心组建了一支精英团队，团队成员大多拥有计算机专业本科及以上 学历。其中，开发团队由 50 多位专业人才构成，他们精通多种编程语言、主流 开源框架以及前后端开发技术，在数据库操作和分布式架构方面能力卓越，熟悉 AI 流程，且具备丰富的大型项目开发经验。自动化实施团队规模达 500 多人， 他们精通保险业务及自动化测试 现科学用工。 1 、能够高效进行功能自动化用例开发，提高自动化测试对功能测试的覆 盖率， 将手工测试人员从机械简单、数量巨大的例行全功能回归测试中解 放出来； 2 、能够降低功能自动化测试门槛，编程技能不再是自动化测试的必备条 件； 3 、能够支持智能操作系统(Android/QNX/Linux)上的各种性能、压力、稳 定性、 可靠性测试业务，测试人员可以短期培训上岗，只需要了解测试业

人机交互 自主系统 医疗健康 娱乐与教育 与协作 与导航 3.1 人机交互与协作 n 辅助机器人与日常生活 在日常生活中，辅助机器人正逐渐走进人们的视野。 智能陪伴机器人能够理解人类的语言 和情感，通过语音交互和肢体动作， 为用户提供陪伴服务。当老人独自在 家感到孤独时，陪伴机器人可以陪他 们聊天、听音乐、讲故事，甚至还能 提醒老人按时服药。 家务辅助机器人则专注于解决家庭琐 智能教育机器人能够通过语音交 互、表情识别等方式与学生进行 互动，解答学生的问题，引导学 生进行学习。 在语言学习中，教育机器人可以 充当语言陪练，与学生进行对话 练习，纠正学生的发音和语法错 误。 在编程教育中，机器人可以通过 图形化编程界面，引导学生进行 编程实践，培养学生的逻辑思维 和编程能力。 04 Par t four 人形机器人 4 人形机器人 人形机器人是具身智能的重要形式。埃隆 人形机器人的分类 n 按应用场景分类 在服务领域，人形服务机器人应用广泛。 如酒店、餐厅的接待和引导机器 在教育领域，人形教育机器人能 充当教学辅助工具，通过生动的 肢体动作和互动，辅助教师开展 编程、科学实验等课程，激发学 生学习兴趣。 人，它们能以类人形象和友好的 语音交互，为顾客提供信息咨询、 引导就座等服务，提升服务效率 和顾客体验。 在家庭场景中，人形陪伴机器人 陪伴老人小孩，提供情感交流、

为机器人可执行的技能，2）执行技 能。 结合大模型的任务规划：大模型作为转换器、大模型作为分解器。作为转换器：LLM+P，用 LLM 将状 态信息描述成 PDDL 语言再进行规划，取代以往需要人工针对实际问题书写 PDDL 语言对任务进行建 模；作为规划器：可以 zero-shot 进行任务规划。 具身导航（Embodied Navigation）：智能体在 3D 环境中移动完成导航目标。 量数据中学习环境特征和 导航策略，实现强自适应性和高灵活性。视觉导航：基于学习的导航的一个重要分支，它依靠计算机视 觉来理解环境信息并做出导航决策。视觉语言导航：通过自然语言指令和视觉图像进行导航的任务，其 目标是开发一种能够与人类进行自然语言交流并在现实 3D 环境中导航的具身智能体。1）大模型出现之 前：主要通过 RNN，LSTM，Transformer 等网络来提取命令中的语义信息；2）大模型出现后：利用 主机厂或自研或投资具身智能公司，而人形机器人企业也在寻求机器人“进场打工”的机会。 2、2024 年迎来具身智能投资热 如果说 OpenAI 的 ChatGPT 引爆了 2023 年对大语言模型的投资热潮，那么 Tesla 入局人形机器人和黄 仁勋的“AI 的下一个浪潮是具身智能”，则彻底带火了具身智能与人形机器人领域的投资热潮，成为 2024 年科技产业投资的最大热点。 10/42

OpenAI（美国开放人工智能研究中心）发布一款名为ChatGPT的聊天机器人，终于 把这份火热传递给了大众。当生命用40多亿年的进化所形成的最高智慧大脑皮质被 人工神经网络快速逼近，当几十亿人用50多年缔造的互联网数据被大语言模型用不 到100天的时间吞噬（GPT-4的训练时间估算为90～100天），当我们生活中的电子 产品都被冠以AI之名，如AI个人计算机、AI手机、AI汽车……我们正在进入一个新 的时代，一个被人工智能“生命”（“硅基生命”）包围的时代。 工智能阶段，人们从互联网上搜集大量图片等数据，用于深度神经网络模型的训 练，在图像分类任务上取得了巨大的成功，人工智能进入了深度学习时代。人们搜 集网上优质的文本数据信息，训练了诸如ChatGPT的大语言模型，使得scaling law （规模定律）开始引起关注，成为人工智能新的发展方向。进入21世纪，随着物联 网逐渐打破物理世界和现实世界的壁垒，数字网络和物理世界逐渐融合。人们开始 召唤能够深入物 融合就能解决？来到具身智能这个阶段，通用人工智能就能实现了吗？ 本书的内容共分为上、下两篇。上篇以人工智能学派的视角梳理人工智能领域的专 家对于“机器可以思考吗”的探索，旨在回答人工智能是如何从非具身智能一步步 发展到深度学习、大语言模型，最后发展到具身智能的。下篇则从技术视角出发， 探讨机器如何通过模仿游戏实现具身智能。笔者笔力有限，所讨论的内容也是一家 之言，如果能给大家带来一些启发，当是最好不过了。 人工智能三大学派

不得隐藏最近任务列表 必须 鸿蒙应用, 鸿蒙元服务 规范性 不得接入私有 API 必须 鸿蒙应用, 鸿蒙元服务 应用一句话介绍、应用介绍、应用新版本特性 的语言不得与开发者选择发布的语言不一致 必须 鸿蒙应用, 鸿蒙元服务 - 15 - 应用名称、图标需与应用安装后的图标、名称 一致 必须 鸿蒙应用, 鸿蒙元服务 个人开发者不得继承非华为支付的三方支付 应用隐私政策提供个人信息处理者的名称（或 姓名）和联系方式、行使数据主体权利的方式 和程序，且能正常打开阅读 必须 鸿蒙应用, 鸿蒙元服务 中国发布应用的隐私政策内容需采用当地的官 方语言，并突出显示敏感个人信息 必须 鸿蒙应用, 鸿蒙元服务 隐私政策提供收集个人信息清单、向第三方共 享信息清单 必须 鸿蒙应用, 鸿蒙元服务 向第三方披 露 隐私政策应包括嵌入的 语音通话在传输带宽受限场景的场景（如 高铁、地库等）下不卡顿断续、音质变差影响用 户。 FFRT 并行加 速库(C/C++) 多任务并发编程，使能应用极致能效。（FFRT （Function Flow Runtime）任务并发调度服务提 供高效、易用的多任务并发编程框架，让应用专注 于自身的应用程序开发，提升开发效率和应用并发 性能） - 21 - 小视频流畅优 化

模型的总训练成本为 557.6 万美元，对比 GPT-4o 等模型的训练成本约为 1 亿美元。 2025 年 1 月， DeepSeek-R1 发布，性能对标 OpenAI-o1 正式版。在数学、代码、 自然语言 推理等任务上，性能比肩 OpenAI-o1 正式版。 2 月 1 日消息，据彭博社报道， DeepSeek 的人工智能助手在 140 个市场下载次数最多的移动应用程序排行榜上名 列前茅。国外大 DeepSeek( 深度求索 ) 公司成立于 2023 年 5 月，是一家致力于实现 AGI(Artificial General Intelligence ，通用人工智能 ) 的创新型科技公司，专注于开发先进 的大语言模型和相关技术。 DeepSeek 由知名量化资管巨头幻方量化创立，幻方量化创始人梁文峰在量化投资和高性能计算领域具有深厚的背景和丰富的经验。 l 2024 年 5 月， DeepSeek-V2 发布，成为全球最强开源通用 DeepSeek-R1 发布，性能对标 OpenAI-o1 正式版。 DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下， 极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI-o1 正式版。同时 DeepSeek 开源 R1 推理模型，允许所有人在遵循 MIT License 的情况下，蒸馏 R1 训练其他模型。 DeepSeek

第二种，则是无限游戏。它的唯一目的，是让游戏本身能够“无限地”延续下去。 它没有确定的终点，没有不变的规则，甚至没有固定的边界。参与者们的目标不 是战胜彼此，而是邀请更多人加入，共同探索游戏本身的可能性。文化的传承、 科学的探索、语言的演进，皆是如此。在这里，规则因玩法而变，边界因探索而 扩展。 长久以来，我们习惯了在有限游戏中思考和行动。而AI，正以一种不可阻挡的力 量，将我们所有人，从熟悉的有限赛场，抛入了一场宏大、神秘且充满未知的无 技 赋 能 伴 您 数 字 同 行 — Agentic AI： 从工具到伙伴 随 着 AI 技 术 的 深 入 ， 企 业 正 进 入 Agentic AI（自治型 AI）的新时代。 它以大语言模型（LLM）为大脑，结 合规划、记忆与工具调用等功能模块， 能够自主设定目标、拆解并执行复杂 任务。Agentic AI 标志着 AI 从“工具” 到 “伙伴”的跃迁，正在重塑企业的工 作流与组织模式。 Transformer 架构提出 • 语音助手、自动驾驶探索 数据与算力驱动 • 分布式存储和云计算技术 • GPU集群崛起提升算力 2018-2020 技术突破与大模型初现 • BERT与GPT-1 预训练语言模型 • GPT2、GPT3能力飞跃 多模态生成式AI兴起 • AlphaFold2驱动科学革命 • ChatGPT普及 • GPT-4v实现文本与图像融合 2021-2023 2012-2017