在人工智能技術(shù)加速向具身智能（Embodied AI）演進(jìn)的關(guān)鍵節(jié)點(diǎn)，中科視語(yǔ)重磅發(fā)布其最新前沿成果——PhysVLM（首個(gè)機(jī)器人物理空間具身大模型），作為具身智能領(lǐng)域的里程碑式突破，PhysVLM 率先實(shí)現(xiàn) “環(huán)境感知-本體理解-決策執(zhí)行” 全鏈條技術(shù)閉環(huán)，通過(guò)多模態(tài)感知、動(dòng)態(tài)環(huán)境建模、自主決策規(guī)劃的深度融合，賦予機(jī)器人在復(fù)雜物理空間的類人級(jí)操作能力。

作為首創(chuàng)“環(huán)境感知、本體理解、決策執(zhí)行”全鏈條技術(shù)突破的AI企業(yè)，中科視語(yǔ)以PhysVLM的發(fā)布為起點(diǎn)，正逐步構(gòu)筑面向工業(yè)4.0、智慧交通、具身機(jī)器人等領(lǐng)域的核心技術(shù)底座，重新定義“AI+機(jī)器人”協(xié)同發(fā)展新范式。

物理感知革命，機(jī)器人也懂“分寸感”！

隨著視覺語(yǔ)言模型（VLM）的快速發(fā)展，機(jī)器人已能精準(zhǔn)理解場(chǎng)景語(yǔ)義，但 “看懂” 不等于 “能做”。傳統(tǒng)模型普遍缺乏對(duì)機(jī)器人自身物理約束的感知能力，導(dǎo)致其在工業(yè)、智慧城市等復(fù)雜場(chǎng)景中頻繁出現(xiàn)“越界操作”，如機(jī)械臂試圖抓取超出其可達(dá)范圍的物體，或因未考慮關(guān)節(jié)限位而引發(fā)機(jī)械故障。這種 “感知與決策割裂” 的問(wèn)題，已成為制約具身智能規(guī)?；涞氐年P(guān)鍵瓶頸。

針對(duì)這一挑戰(zhàn)，中科視語(yǔ)創(chuàng)新性地提出首個(gè)機(jī)器人物理空間具身大模型，通過(guò)創(chuàng)新的空間-物理約束表征的學(xué)習(xí)范式，有效整合了對(duì)環(huán)境的視覺理解和對(duì)具身智能體的物理空間約束感知，通過(guò)三大維度的突破，實(shí)現(xiàn)了從 “環(huán)境感知” 到 “可靠行動(dòng)” 的質(zhì)的飛躍。

構(gòu)建“空間感知-物理約束”雙輪驅(qū)動(dòng)決策體系

具身空間-物理約束建模，打破平臺(tái)壁壘

首創(chuàng)空間- 物理約束映射（S-P Map）技術(shù)，將機(jī)械臂的幾何參數(shù)、關(guān)節(jié)運(yùn)動(dòng)范圍等物理約束轉(zhuǎn)化為可學(xué)習(xí)的視覺語(yǔ)義表征。通過(guò)這種 “物理約束視覺化” 的方法，模型無(wú)需依賴具體機(jī)器人參數(shù)即可實(shí)現(xiàn)跨平臺(tái)泛化，為構(gòu)建通用型具身智能奠定了基礎(chǔ)。

視覺-物理空間協(xié)同推理，重塑決策邏輯

采用視覺- 物理雙編碼器架構(gòu)：主視覺分支保留開放域場(chǎng)景理解能力，物理約束分支專注于可達(dá)性分析。通過(guò)多模態(tài)融合模塊和對(duì)齊模塊，模型能夠?qū)崟r(shí)權(quán)衡環(huán)境語(yǔ)義與物理可行性，生成 “既看得懂又做得到” 的動(dòng)作規(guī)劃。例如，當(dāng)識(shí)別到目標(biāo)物體超出當(dāng)前機(jī)械臂范圍時(shí)，系統(tǒng)會(huì)自動(dòng)規(guī)劃 “移動(dòng)底盤靠近目標(biāo)” 的分步策略。

百萬(wàn)級(jí)數(shù)據(jù)集，定義行業(yè)標(biāo)準(zhǔn)

中科視語(yǔ)研究團(tuán)隊(duì)構(gòu)建了包含6類工業(yè)機(jī)械臂、10萬(wàn)組操作場(chǎng)景的基準(zhǔn)數(shù)據(jù)集，涵蓋RGB圖像—可達(dá)物理空間圖（S-P Map）—具身物理問(wèn)答三元組數(shù)據(jù)。配套開發(fā)的EQA-phys評(píng)估基準(zhǔn)包含帶有4類工業(yè)機(jī)械臂的仿真環(huán)境和問(wèn)答數(shù)據(jù)，為具身智能的物理認(rèn)知提供了量化評(píng)估基準(zhǔn)。

實(shí)驗(yàn)結(jié)果表明，PhysVLM在EQA-phys上的性能比GPT-4o高出14%，在RoboVQA-val和OpenEQA等基準(zhǔn)測(cè)試中也超過(guò)了RoboMamba和SpatialVLM等先進(jìn)的具身VLM。此外，S-P Map與各種VLM高度兼容，集成到GPT-4o-mini后，提升了7.1%的可達(dá)性理解任務(wù)性能。

戰(zhàn)略布局：“三維框架”引領(lǐng)從感知到具身智能跨越

中科視語(yǔ)始終以前瞻性眼光，致力于將先進(jìn)的通用視覺技術(shù)與機(jī)器人實(shí)際操作深度融合，此次發(fā)布的PhysVLM作為重要戰(zhàn)略成果，以“三維戰(zhàn)略框架”構(gòu)筑堅(jiān)實(shí)的產(chǎn)業(yè)壁壘：

視語(yǔ)坤川?通用視覺大模型：中科視語(yǔ)經(jīng)過(guò)多次技術(shù)升級(jí)與迭代，構(gòu)建了多模態(tài)大語(yǔ)言模型（MLLM），融合大語(yǔ)言模型的基礎(chǔ)能力，結(jié)合了視語(yǔ)多年面向行業(yè)的人工智能視覺解決方案經(jīng)驗(yàn)，具備超強(qiáng)的視覺感知能力，并進(jìn)一步支持了原生的視覺理解與推理。

具身智能核心算法：中科視語(yǔ)宣布正式開源PhysVLM（首個(gè)機(jī)器人物理空間具身大模型），實(shí)現(xiàn) “環(huán)境感知-本體理解-決策執(zhí)行” 全鏈條技術(shù)閉環(huán)，為工業(yè)、智慧交通等場(chǎng)景提供安全可靠的決策支撐，為具身智能領(lǐng)域開辟了新路徑。

行業(yè)場(chǎng)景深度融合：中科視語(yǔ)具備20余年行業(yè)專業(yè)知識(shí)儲(chǔ)備及成熟的行業(yè)落地經(jīng)驗(yàn)，聚焦工業(yè)、交通、具身機(jī)器人等高價(jià)值場(chǎng)景，推動(dòng)技術(shù)落地。

行業(yè)融合加速推進(jìn)，打造“AI+機(jī)器人”協(xié)同生態(tài)圈

目前，PhysVLM已在多個(gè)高價(jià)值領(lǐng)域形成實(shí)際應(yīng)用并取得顯著成果，尤其在工業(yè)4.0、智慧交通、具身機(jī)器人等領(lǐng)域展現(xiàn)出突出商業(yè)價(jià)值。

在工業(yè)領(lǐng)域，中科視語(yǔ)智能焊接機(jī)器人，在工業(yè)焊接、噴涂等精密作業(yè)場(chǎng)景中，突破傳統(tǒng)機(jī)械臂常因路徑規(guī)劃粗放導(dǎo)致碰撞風(fēng)險(xiǎn)高、生產(chǎn)效率低。中科視語(yǔ)創(chuàng)新推出（S-P Map）模型，通過(guò)三維空間動(dòng)態(tài)建模與智能視覺路徑規(guī)劃雙重引擎，實(shí)現(xiàn)機(jī)械臂作業(yè)效率與安全性的革命性提升。

在交通領(lǐng)域，中科視語(yǔ)智能勸導(dǎo)機(jī)器人，在城市交通治理智能化升級(jí)的浪潮中，以“AI + 混合模態(tài)感知” 技術(shù)重構(gòu)非機(jī)動(dòng)車監(jiān)管模式。該產(chǎn)品通過(guò)實(shí)時(shí)識(shí)別違規(guī)行為、動(dòng)態(tài)路徑規(guī)劃及智能語(yǔ)音勸導(dǎo)，實(shí)現(xiàn)交通監(jiān)管效率提升 40%、事故率下降 35%，為智慧城市交通治理提供 “零接觸、全時(shí)段、高精度” 的創(chuàng)新解決方案?；诖舜伟l(fā)布的最新成果，PhysVLM已初步實(shí)現(xiàn)跨機(jī)器人、跨行業(yè)、跨場(chǎng)景的泛化應(yīng)用能力，逐漸形成產(chǎn)業(yè)級(jí)的技術(shù)壁壘，為工業(yè)4.0、智慧城市與服務(wù)機(jī)器人市場(chǎng)帶來(lái)新的產(chǎn)業(yè)機(jī)遇。