[首發(fā)于智駕最前沿微信公眾號(hào)]自動(dòng)駕駛與具身智能經(jīng)常被同提并論，甚至有人將自動(dòng)駕駛視為具身智能在交通場(chǎng)景下的一個(gè)子集。從物理形式上看，自動(dòng)駕駛車(chē)輛可以被理解為一種“帶輪子的身體”，其核心任務(wù)是讓這個(gè)身體在復(fù)雜的道路環(huán)境中安全移動(dòng)。

然而，當(dāng)我們深入探討兩者的感知系統(tǒng)設(shè)計(jì)時(shí)，會(huì)發(fā)現(xiàn)它們存在顯著差異。自動(dòng)駕駛追求的是一種極高標(biāo)準(zhǔn)的安全確定性，它要求系統(tǒng)在高速移動(dòng)中對(duì)環(huán)境做出毫無(wú)差池的判斷；而具身智能則更強(qiáng)調(diào)適應(yīng)性交互，它關(guān)注智能體如何通過(guò)觸碰、操作與物理世界進(jìn)行深度對(duì)話。那兩者感知系統(tǒng)的設(shè)計(jì)優(yōu)先級(jí)有何差異？

遠(yuǎn)距精準(zhǔn)探測(cè)與近場(chǎng)物理交互的差異

自動(dòng)駕駛的感知系統(tǒng)其實(shí)是一套為了規(guī)避風(fēng)險(xiǎn)而設(shè)計(jì)的探測(cè)網(wǎng)絡(luò)。由于車(chē)輛會(huì)以較高的速度在公路上行駛，它對(duì)感知的首要要求是“看得遠(yuǎn)、看得準(zhǔn)、看得穩(wěn)”。在高速行駛的狀態(tài)下，留給系統(tǒng)決策的時(shí)間一般只有幾百毫秒，這意味著感知系統(tǒng)必須具備極高的確定性。

為了實(shí)現(xiàn)這一點(diǎn)，自動(dòng)駕駛車(chē)輛會(huì)搭載包括激光雷達(dá)、毫米波雷達(dá)和多路攝像頭等昂貴的傳感器陣列，通過(guò)這些設(shè)備的融合來(lái)構(gòu)建一個(gè)冗余的、全方位的世界模型。這種設(shè)計(jì)的目標(biāo)是將環(huán)境中的每一個(gè)動(dòng)態(tài)物體都簡(jiǎn)化為帶有速度矢量和概率屬性的物體。

在這種邏輯下，感知是為避障服務(wù)的，系統(tǒng)并不需要了解路面磚塊的紋理或者路邊消火栓的材質(zhì)，它只需要確定前方是否存在障礙物，以及這個(gè)障礙物在未來(lái)的幾秒鐘內(nèi)是否會(huì)出現(xiàn)在本車(chē)的行駛路徑上就可以了。

圖片源自：網(wǎng)絡(luò)

這種確定性的要求在感知范圍上表現(xiàn)得尤為明顯。自動(dòng)駕駛系統(tǒng)必須在數(shù)百米外就識(shí)別出潛在的威脅，因?yàn)檐?chē)輛的制動(dòng)距離隨著車(chē)速增加而呈指數(shù)級(jí)增長(zhǎng)。這意味著感知的精度必須在遠(yuǎn)距離保持穩(wěn)定。

與之對(duì)應(yīng)的是，自動(dòng)駕駛的感知對(duì)象是“非接觸性”的。自動(dòng)駕駛車(chē)輛不應(yīng)與環(huán)境中的任何障礙物發(fā)生物理接觸。這種“回避型”的技術(shù)要求，使得其系統(tǒng)的優(yōu)先級(jí)被設(shè)定在對(duì)外部物體軌跡的精確預(yù)測(cè)以及對(duì)自身在全球坐標(biāo)系中位置的絕對(duì)定位上。

系統(tǒng)會(huì)耗費(fèi)大量的算力去計(jì)算他車(chē)的意圖，去區(qū)分路邊的是一根電線桿還是一個(gè)靜止的行人，這一切都是為了在不發(fā)生物理交互的前提下，尋找一條確定安全的路徑。

具身智能的感知邏輯則更偏向于“任務(wù)導(dǎo)向”和“近場(chǎng)精細(xì)化”。一個(gè)具備具身智能的機(jī)器人，其核心任務(wù)不是單純的移動(dòng)，而是與環(huán)境中的物體發(fā)生物理接觸。

此時(shí)，若使用自動(dòng)駕駛的感知邏輯就顯得力不從心了。當(dāng)機(jī)器人想要抓起一個(gè)玻璃杯或擰開(kāi)一個(gè)門(mén)把手時(shí)，它需要的感知信息不僅是物體的位置，更重要的是物體的“示能性”，即這個(gè)物體能夠被如何操作。

具身智能系統(tǒng)的感知優(yōu)先級(jí)在于理解物體的材質(zhì)、重心、摩擦力以及在受到外力后的形變情況。因此，具身智能更依賴于視覺(jué)與觸覺(jué)、力覺(jué)的深度融合。

圖片源自：網(wǎng)絡(luò)

視覺(jué)負(fù)責(zé)提供大致的引導(dǎo)，而觸覺(jué)和力覺(jué)則負(fù)責(zé)在接觸的瞬間提供關(guān)鍵的反饋，這種閉環(huán)感知能力讓智能體能夠根據(jù)物理世界的即時(shí)反饋來(lái)動(dòng)態(tài)調(diào)整自己的動(dòng)作，從而表現(xiàn)出極強(qiáng)的環(huán)境適應(yīng)性。

感知重點(diǎn)的不同導(dǎo)致了兩者技術(shù)路徑出現(xiàn)區(qū)分。自動(dòng)駕駛在感知層面極力避免與環(huán)境發(fā)生互動(dòng)，安全確定性意味著系統(tǒng)要對(duì)環(huán)境中的不確定因素進(jìn)行強(qiáng)力壓制，通過(guò)海量的場(chǎng)景數(shù)據(jù)訓(xùn)練，讓系統(tǒng)在面對(duì)暴雨、逆光或突發(fā)交通狀況時(shí)依然能給出確定的判斷結(jié)果。

而具身智能則將交互視為學(xué)習(xí)的源泉，肢體的靈活性和交互的豐富性會(huì)反向促進(jìn)認(rèn)知能力的提升。在具身智能的視野里，感知不是為了躲避世界，而是為了更有把握地介入世界。

自動(dòng)駕駛確定性模型下的安全冗余與實(shí)時(shí)約束

自動(dòng)駕駛對(duì)“安全確定性”的追求，在工程實(shí)現(xiàn)上表現(xiàn)為極其嚴(yán)苛的可靠性要求。由于汽車(chē)運(yùn)行在開(kāi)放且高度受限的交通規(guī)則下，任何感知偏差都可能引發(fā)不可挽回的后果。這種確定性不僅要求感知算法的準(zhǔn)確率極高，還要求感知的延遲極低且具有可預(yù)測(cè)性。

為了確保萬(wàn)無(wú)一失，自動(dòng)駕駛系統(tǒng)在感知設(shè)計(jì)上需采用多重冗余機(jī)制。當(dāng)攝像頭因?yàn)閺?qiáng)光照射而致盲時(shí)，激光雷達(dá)必須能夠通過(guò)反射波精確測(cè)量物體的距離；當(dāng)毫米波雷達(dá)在識(shí)別靜止物體存在困難時(shí)，視覺(jué)語(yǔ)義分割技術(shù)則需要補(bǔ)足物體的類別信息。

這種不同原理傳感器的互補(bǔ)，本質(zhì)上是通過(guò)硬件的確定性來(lái)對(duì)抗環(huán)境的多變性。

圖片源自：網(wǎng)絡(luò)

在處理自動(dòng)駕駛的感知數(shù)據(jù)時(shí)，系統(tǒng)需要面對(duì)極高的數(shù)據(jù)通量。多路攝像頭的高清畫(huà)面、激光雷達(dá)每秒產(chǎn)生上百萬(wàn)個(gè)點(diǎn)的點(diǎn)云，都需要在極短的時(shí)間內(nèi)完成特征提取和融合。

這種實(shí)時(shí)性約束是安全確定性的另一面，如果感知結(jié)果比真實(shí)世界慢了零點(diǎn)一秒，那么所有精準(zhǔn)的計(jì)算都失去了意義。為了應(yīng)對(duì)這種壓力，自動(dòng)駕駛的感知架構(gòu)一般是模塊化的，每個(gè)傳感器都有專門(mén)的預(yù)處理模塊，最后在后端進(jìn)行時(shí)空對(duì)齊。

這種結(jié)構(gòu)保證了系統(tǒng)能夠快速檢測(cè)到故障并進(jìn)行隔離。如果某個(gè)雷達(dá)報(bào)錯(cuò)，系統(tǒng)就可以立即降級(jí)到僅依賴視覺(jué)和剩余傳感器的模式，并提示人類接管或?qū)ふ野踩攸c(diǎn)停靠。

當(dāng)然，過(guò)度追求確定性也帶來(lái)了一個(gè)挑戰(zhàn)，即系統(tǒng)顯得過(guò)于保守。這是因?yàn)樽詣?dòng)駕駛的感知—決策鏈路一般是單向的或者弱反饋的，感知提供環(huán)境快照，決策根據(jù)快照出牌。雖然引入了預(yù)測(cè)模塊，但這種預(yù)測(cè)更多是基于歷史軌跡的概率推斷，而不是通過(guò)主動(dòng)的交互去試探環(huán)境的底線。

圖片源自：網(wǎng)絡(luò)

這種設(shè)計(jì)優(yōu)先級(jí)決定了自動(dòng)駕駛在結(jié)構(gòu)化環(huán)境中表現(xiàn)高效，但在面對(duì)極度混沌的場(chǎng)景時(shí)，其適應(yīng)能力受限。

安全確定性還要求自動(dòng)駕駛感知系統(tǒng)對(duì)路面條件有深度的理解。車(chē)輛是一個(gè)非完整約束系統(tǒng)，其運(yùn)動(dòng)受到輪胎摩擦力的物理限制。在雨天、雪地或顛簸路面上，感知系統(tǒng)不僅要看清路，還要能“感覺(jué)”到路的物理特性。

通過(guò)對(duì)輪速計(jì)數(shù)據(jù)的分析、懸架震動(dòng)頻率的捕捉，甚至是從云端獲取的其他車(chē)輛經(jīng)過(guò)該路段時(shí)的顛簸參數(shù)，自動(dòng)駕駛車(chē)輛也正在嘗試構(gòu)建一種超越視覺(jué)的“路感”。

這種對(duì)環(huán)境物理性質(zhì)的感知，雖然在具身智能中更為常見(jiàn)，但在自動(dòng)駕駛中，其核心目的依然是為了提高運(yùn)動(dòng)控制的確定性，防止在緊急避障時(shí)發(fā)生側(cè)滑或翻滾。

具身智能適應(yīng)性交互中的感知?jiǎng)幼鏖]環(huán)

轉(zhuǎn)看具身智能，其設(shè)計(jì)的核心在于如何處理“不確定性”而不是消滅它。具身智能體一般在非結(jié)構(gòu)化的環(huán)境中工作，在這些場(chǎng)景下，預(yù)設(shè)的規(guī)則和精確的地圖將不復(fù)存在，智能體必須依靠“感知—?jiǎng)幼鏖]環(huán)”來(lái)實(shí)時(shí)修正偏差。

這里的感知不再是一個(gè)靜態(tài)的觀察過(guò)程，而是一個(gè)動(dòng)態(tài)的交互過(guò)程。具身智能系統(tǒng)引入了“主動(dòng)視覺(jué)感知”的概念，這意味著機(jī)器人不會(huì)坐等環(huán)境信息進(jìn)入傳感器，而是會(huì)為了看清某個(gè)物體的遮擋部分而主動(dòng)調(diào)整觀察角度，或者通過(guò)輕微的觸碰來(lái)判斷一個(gè)物體的穩(wěn)定程度。

圖片源自：網(wǎng)絡(luò)

在具身智能的技術(shù)框架下，動(dòng)作本身就是感知的一部分。當(dāng)機(jī)器人手臂抓取物體時(shí)，手指上的壓力傳感器會(huì)產(chǎn)生高頻的反饋信號(hào)。如果物體開(kāi)始滑動(dòng)，這種觸覺(jué)反饋會(huì)立即通過(guò)底層控制回路觸發(fā)握力的增加，而無(wú)需等待高層視覺(jué)模型完成復(fù)雜的語(yǔ)義推理。

這種基于物理反饋的即時(shí)修正能力，正是具身智能能夠應(yīng)對(duì)復(fù)雜動(dòng)態(tài)場(chǎng)景的關(guān)鍵。它具備在執(zhí)行過(guò)程中不斷“校準(zhǔn)”世界模型的能力，因此它不需要在行動(dòng)前擁有一幅完美、精確的世界模型。

現(xiàn)階段，具身智能正在從傳統(tǒng)的“識(shí)別并規(guī)劃”轉(zhuǎn)向“理解并適應(yīng)”。以示能性（Affordance）感知為例，當(dāng)機(jī)器人面對(duì)一個(gè)形狀復(fù)雜的工具時(shí)，它不會(huì)僅試圖通過(guò)視覺(jué)匹配來(lái)識(shí)別這個(gè)工具的名稱，而是通過(guò)模型預(yù)測(cè)這個(gè)工具上的哪些區(qū)域是可抓取的，哪些位置是受力后穩(wěn)固的。

這種感知是直接服務(wù)于交互的，它將視覺(jué)特征映射到動(dòng)作空間中。通過(guò)引入視覺(jué)—語(yǔ)言—?jiǎng)幼髂Ｐ停╒LA），具身智能體可以將人類的高層指令與具體的底層感知信號(hào)對(duì)接。

圖片源自：網(wǎng)絡(luò)

舉個(gè)例子，當(dāng)聽(tīng)到“把杯子拿穩(wěn)一點(diǎn)”時(shí)，系統(tǒng)會(huì)自動(dòng)調(diào)高觸覺(jué)感知的權(quán)重，并實(shí)時(shí)監(jiān)測(cè)握力的變化。這種跨模態(tài)的自適應(yīng)能力，使得具身智能在處理多變?nèi)蝿?wù)時(shí)，展現(xiàn)出了比自動(dòng)駕駛更強(qiáng)的泛化潛能。

為了支撐這種適應(yīng)性，具身智能對(duì)傳感器的配置也有著獨(dú)特的要求。除了視覺(jué)傳感器，觸覺(jué)陣列、六維力傳感器以及覆蓋全身的電子皮膚變得至關(guān)重要。這些傳感器提供了關(guān)于物體硬度、紋理、溫度以及接觸點(diǎn)滑動(dòng)的細(xì)微信息，這是任何遠(yuǎn)距離傳感器都無(wú)法替代的。

通過(guò)這種多維度的感知，機(jī)器人可以在與環(huán)境的“摩擦”中不斷學(xué)習(xí)。這種學(xué)習(xí)過(guò)程類似于人類嬰兒通過(guò)抓握來(lái)建立空間感，它是一種高度依賴身體反饋的智力發(fā)育過(guò)程。在具身智能的體系中，感知偏差并不是必須消除的錯(cuò)誤，而是一個(gè)需要通過(guò)下一步動(dòng)作去驗(yàn)證和糾正的信號(hào)。

物理世界的建模深度與反饋機(jī)制差異

自動(dòng)駕駛與具身智能在環(huán)境建模的深度上也存在本質(zhì)區(qū)別。自動(dòng)駕駛的環(huán)境建模一般是“二次元半”的，即在平面地圖的基礎(chǔ)上疊加高度信息和時(shí)間軸。它更關(guān)注交通流的連續(xù)性和拓?fù)潢P(guān)系。

在自動(dòng)駕駛的視野中，世界是由車(chē)道線、紅綠燈和移動(dòng)點(diǎn)陣組成的流體。為了保證安全確定性，它傾向于構(gòu)建一個(gè)“上帝視角”，通過(guò)高精地圖、感知融合等技術(shù)，將所有的不確定性控制在可理解的范圍內(nèi)。在這種建模下，感知系統(tǒng)的優(yōu)先級(jí)是語(yǔ)義的清晰度和空間定位的魯棒性。

圖片源自：網(wǎng)絡(luò)

而具身智能的環(huán)境建模則是全三維且具備物理屬性的。它不僅要重構(gòu)物體的形狀，還要理解物體的動(dòng)態(tài)，這些細(xì)微的物理屬性決定了交互的成敗。因此，具身智能正在積極引入“世界模型”的概念，通過(guò)預(yù)測(cè)動(dòng)作帶來(lái)的物理反饋來(lái)預(yù)演未來(lái)。

反饋機(jī)制的差異進(jìn)一步拉開(kāi)了兩者的距離。自動(dòng)駕駛的反饋一般發(fā)生在較長(zhǎng)的周期內(nèi)，如決策層根據(jù)感知到的前方事故重新規(guī)劃路徑。

而具身智能的反饋發(fā)生在多個(gè)時(shí)間尺度上，微秒級(jí)的力反饋保證了接觸的穩(wěn)定性，毫秒級(jí)的視覺(jué)伺服保證了動(dòng)作的精準(zhǔn)，而秒級(jí)的任務(wù)規(guī)劃則保證了目標(biāo)的達(dá)成。這種多層次、高頻次的反饋循環(huán)，是具身智能實(shí)現(xiàn)“交互適應(yīng)性”的基石。

圖片源自：網(wǎng)絡(luò)

盡管自動(dòng)駕駛追求確定性，而具身智能追求適應(yīng)性，但兩者的最終目標(biāo)都是在物理世界中實(shí)現(xiàn)可靠的自主。

隨著人工智能技術(shù)的不斷進(jìn)化，我們看到自動(dòng)駕駛車(chē)輛正變得越來(lái)越“聰明”，開(kāi)始學(xué)會(huì)通過(guò)輕微的并線嘗試來(lái)探測(cè)他車(chē)的讓行意圖；我們也看到具身機(jī)器人正變得越來(lái)越“穩(wěn)健”，在執(zhí)行任務(wù)時(shí)開(kāi)始具備如同汽車(chē)工業(yè)級(jí)別的安全冗余。

這種技術(shù)的融合預(yù)示著一個(gè)新階段的到來(lái)，感知系統(tǒng)不再只是被動(dòng)接收信號(hào)的器官，而是成為了連接數(shù)字靈魂與物理實(shí)體的橋梁。在這個(gè)過(guò)程中，確定性提供了底線，而適應(yīng)性則打開(kāi)了無(wú)限的可能。

最后的話

自動(dòng)駕駛的感知優(yōu)先級(jí)是“避障與合規(guī)”，它將世界視為一個(gè)需要被精確測(cè)量并小心穿過(guò)的規(guī)則場(chǎng)；而具身智能的感知優(yōu)先級(jí)是“操作與演進(jìn)”，它將世界視為一個(gè)可以通過(guò)身體去感知、去改變、并從中獲取智慧的交互場(chǎng)。

這兩種邏輯在未來(lái)的智能系統(tǒng)中將不再是排他的，而是會(huì)像人類的大腦和小腦一樣，協(xié)同工作，共同支撐起真正具備通用能力的智能實(shí)體。從感知設(shè)計(jì)的演進(jìn)中我們可以看到，智能的真正跨越不在于處理多少海量的數(shù)據(jù)，而在于如何將感知的碎片轉(zhuǎn)化為在真實(shí)世界中行動(dòng)的力量。