Physical AI：邁向具身性 AI 與機器人技術的融合
科技產業資訊室(iKnow) - 謝采燁 發表於 2025年7月18日
圖Physical AI：邁向具身性 AI 與機器人技術的融合
自21世紀以來，人工智慧技術的飛躍推動了機器人領域的快速進展。2010年代，機器學習與深度學習技術提升了機器人的影像與語音感知能力；2020年開始，生成式AI與基礎模型的應用，使機器人能整合語言、影像與動作等多模態資訊，實現複雜的行動規劃與動作控制。全球正加速整合軟硬體資源，以克服環境適應性、即時性、安全性與成本等實用化挑戰。相對之下，日本雖在產業用機器人具技術與市場優勢，卻在生成式AI與機器人融合應用上進展緩慢，已落後於美中。
日本科學技術振興機構(JST)旗下研究開發戰略中心(CRDS)提出主題為「具身性人工智慧(Physical AI)系統的研究開發」之研究方針建言，旨在推動人工智慧與機器人技術的融合，打造具備環境適應能力與人機協作能力的次世代智慧機器人系統。
雖然日本的硬體技術在實務應用仍具優勢，但若未即時投入「具身性AI」技術(Physical AI)研發並強化與AI的整合，將難以維持國際競爭力。本提案強調，日本應善用Physical AI 在實世界中高適應性與應用潛力，加速行動以避免錯失主導地位，當前人工智慧系統多集中於虛擬環境中的資訊處理，而未能真正與物理世界互動。為突破這一限制，Physical AI 概念應運而生，意指結合感測器、致動器與學習功能的人工智慧，其關鍵特徵為「身體性」與「即時環境互動能力」。
本提案所定義的「Physical AI System」不僅包含具身體性的智慧機器人，亦涵蓋其運作所需的周邊環境、資訊基礎設施與人機互動架構。與傳統AI 相較，Physical AI 需具備在開放且動態的實體空間中完成複雜任務的能力，將有助於補足製造、照護、教育、交通、環境與災害應對等領域的人力不足、減輕作業負擔並提升生產效率，例如將 AI 關鍵能力導入實體裝置，使機器人、自駕車等系統能在複雜、動態的真實世界中感知、理解並執行複雜任務。
此外，對具身型智慧機器人的研究不僅將推進機器人技術的發展，也有助於深化對人類智慧的理解，進而奠定學術發展的基礎。
為清楚描繪技術發展方向，報告將Physical AI未來應具備的三大特性分類為：
- Performance－執行力強、準確可靠，能精準自主完成多樣化任務，具備能夠自主學習與執行多樣實世界任務能力的AI機器人，可實現高精度作業與職人技藝的再現，應用範疇不僅限於產業領域，亦可拓展至服務、醫療、設備檢查等領域，有助於解決人力不足與技能傳承等問題。
- Adaptive－具高度環境適應性，強化在動態或惡劣條件下的穩定操作能力，能夠因應嚴苛與變動環境，實現穩定運作的 AI 機器人。其應用目標涵蓋農業、建設、災害應變、基礎設施檢查等戶外作業，致力於在人類難以作業的環境中，建立兼具實用性與可靠性的系統。
- Humanoid－可理解人類動作與意圖、社會文脈。具備理解人類行為與自然互動的能力。其目標是照護、生活支援、教育等本質上需與人類協作的領域中，建立與人類自然共處的協同作業環境，適用於照護與教育場景。
CRDS 指出，儘速投入「Physical AI System」的研發與制度建設，藉由提升機器人在實際環境中的適應能力，將有助建立日本強化在國際機器人技術領域地位的根本基盤。特別是透過深化Physical AI在實體世界課題應對上的獨特價值，可補足僅依賴網路空間(Cyber Space)的 AI 無法解決的課題，進而拓展新的技術發展方向。該系統有潛力為高齡化社會帶來勞動補充方案、提升災害應變力，並促進智慧城市與產業轉型，實現科技與社會的雙向價值共創。(1303字；圖1)
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|