明智能之川 th 利 #F 得 0.57 95 时间 9.1-9.14号 活动说明 499元限时超级折扣卡: 全课七折 E 具身课程七折优惠 (一年期) 具身智能之心知识 减66元 减 星球立减66 最高抵扣 具身智能论文辅导 新 1000登高抵扣10000 10000 课程和社区亮点 每次有小朋友问峰哥关于具身研究方向或者前景的时候，我都会给他们一个答案： 具身的市场规模和容 量，要比其它领域都大，但同样还有很多问题没有解决，需要大家一起努力。 所以这个基础上，大家如果感兴趣可以放开手做事情，数据、本体、算法都能大有所为。由于具身发展时 间较短，很多同学也苦于没有体系和路线，具身智能之心为了解决这类痛点，研发了几门具身领域的教 程，还有一个很不错的具身社区供大家学习。 开学季大额优惠 又到了九月的开学季，实验室里已经可以陆续听到敲代码的声音了。还记得之前通宵调试机器人小车的校 园时光，转眼间机器人算法也从传统的pipeline方案发展到端到端。最近有个小朋友找峰哥，保研马上要开 学了，导师让我自己去看具身智能方向，不知道这个领域怎么样...... 从技术上来说，具身算法对全局的感知能力有进一步提升。一个抓取 ...

扩展定律的历史溯源 - 扩展定律（Scaling Laws）的核心观点是将模型性能与算力等资源投入相关联 成为构建先进大模型的重要参考标尺[2] - 康奈尔大学博士生Jack Morris指出扩展定律的真正探索者是贝尔实验室 其研究可追溯至1993年[3] - OpenAI联合创始人Greg Brockman认为贝尔实验室的研究结果跨越多个数量级和数十年时间 揭示了深度学习的根本[7] 贝尔实验室的扩展定律研究 - 1993年NeurIPS论文提出通过预测分类器性能来优化算力分配 避免高成本训练过程[12] - 研究证明模型错误率与训练数据量在对数曲线上呈现规律性 并适用于单层和多层网络[12] - 实验显示经过12000种模式训练后 新网络性能优于旧网络 证明模型规模扩大可提升智能水平[16] 论文作者贡献 - 一作Corinna Cortes论文引用量达104,248次 与Vladimir Vapnik共同提出支持向量机（引用77,000+次）并参与构建MNIST数据集[19][21] - 二作Lawrence D Jackel曾与Yann LeCun合作完成高引用研究 包括反向传播论文[23] - 三作Sara A Solla最高引用论文《Optimal brain damage》运用信息论优化神经网络规模[25] - 四作Vladimir Vapnik引用量335,349次 提出统计学习理论VC理论[27] - 五作John S Denker涉足多个领域 包括量子物理 计算机安全及神经网络 并拥有多项专利[29][30] 扩展定律的早期探索 - 心理学领域最早研究学习曲线概念[36] - Vladimir Vapnik在1960年代已研究样本大小的扩展定律[37] - Frank Rosenblatt在1958年感知器论文中清晰描述学习曲线[38] - 日本学者甘利俊一1992年论文证明学习曲线渐进行为 显示预测熵收敛规律与参数数量相关[40][41] 研究脉络总结 - 扩展定律的发展是跨学科跨时代的累积过程 从心理学 感知器到系统化研究 最终通过大规模实验验证[43] - 该定律并非突发顿悟 而是数十年理论与实践反复印证的结果 体现科学探索的长期积累[43]

产品定位与核心功能 - Xdog是一款低成本多功能四足机械狗+机械臂开发平台 专为具身智能开发者设计 涵盖机器狗二次开发、仿真强化学习和sim2real迁移部署等技术栈 [1] - 平台已实现语音控制、目标识别与跟踪、机械臂自主抓取、强化学习步态控制等核心功能 支持ROS1开发环境 [2] - 机械狗与机械臂通过ROS通信 机械臂和总系统由PC控制 正上方抓取高度达0.85米 基座周围抓取范围0.4米 [6][7] 硬件配置参数 - 机械狗采用蔚蓝品牌 尺寸25cm×20cm×30cm 总重7kg 配备Allwinner H616四核1.6GHz主控芯片 4G内存和32G存储 [3][4][11] - 单腿自由度3个 电池能量93.24Wh 综合续航120分钟 最大前进速度7.2公里/小时 最大旋转速度450度/秒 [5][11] - 配备SO101机械臂 采用20KG总线舵机 搭配9-12.6V输入驱动板和12V/7A电源适配器 [12] - 深度相机采用主动双目红外+结构光技术 深度分辨率1280×800@30fps 工作距离0.2-10米 RGB分辨率1080p@30fps [14] 软件与控制系统 - 支持语音控制（TCP协议）、键盘控制、视觉控制和强化自主运动等多种控制方式 [15] - 开发语言以Python为主 系统基于ROS1 推荐使用2080ti及以上显卡进行推理 [16] - 集成主流大模型实现低延迟高准确性语音交互 支持二次开发 [17] - 实现机械臂MuJoCo仿真映射、目标跟随算法协同控制和自主抓取（ACT）功能 [18][19][20] 课程体系与技术支持 - 课程涵盖ROS基础、Mujoco仿真、IsaacGym环境配置、强化学习算法（PPO/DreamWaQ）和YOLO目标识别等核心内容 [22][23] - 配备5人专业讲师团队 涵盖硬件设计、视觉算法和强化学习等领域 含港大博士生技术支持 [22] - 提供增值课程包括乐鑫开发板应用和机器人大模型语音控制系统开发 [23] 配套服务与交付 - 配套赠送专用遥控器和充电器套装 开发接口包含千兆以太网、WiFi/BT和USB2.0等 [5] - 建议配置为2080ti及以上GPU和i7及以上CPU进行二次开发 [24] - 付款后3周内完成调试交付 提供1年售后服务期 视频和源码在硬件收货后立即提供 [25][26]

文章核心观点 - 通用具身智能发展的核心难题是“视觉到行动的鸿沟”，源于数据稀缺和形态异构两大挑战 [2] - 研究团队提出以“指点”作为通用中间表示来弥合这一鸿沟，将复杂的操作指令转化为图像上的点或点序列 [3] - Embodied-R1模型通过引入强化微调范式和定义四种核心指向能力，在多项基准测试中实现了卓越的零样本泛化能力 [8][10][12] 技术框架与核心贡献 - 首创“指向”作为与机器人形态无关的统一中间表示，定义了四种核心具身指向能力：指代表达理解、空间区域指点、功能部位指点、视觉轨迹生成 [12][15] - 构建了大规模专用数据集Embodied-Points-200K，包含约20万个高质量样本用于训练 [15] - 引入强化微调训练范式，通过两阶段课程和多任务奖励函数有效解决了指向任务中的“多解困境” [15][17][18] 模型性能与实验结果 - 模型参数量为30亿，在11项空间推理与指点任务中取得领先成绩 [10] - 在SIMPLEREnv仿真环境中零样本成功率达到56.2%，在8个完全OOD真实任务中成功率高达87.5% [10][27] - 在针对四种核心指向能力的专项测试中，在REG、RRG、OFG和VTG等多个基准上均达到SOTA水平 [24][29] - 在面对光照、背景变化等视觉干扰时表现出强大的环境适应能力和鲁棒性 [31] 训练方法与创新点 - 采用两阶段训练课程：第一阶段训练空间推理能力，第二阶段训练具身指向能力 [15][16] - 设计了一套覆盖全面的奖励函数库，包括格式奖励、精准度奖励、距离奖励、轨迹奖励和环境奖励 [18][22] - 实验证明，强化微调训练方法性能稳定优于监督微调，在处理具有多解困境的指向任务上更有效 [17][23] 行业意义与应用前景 - 这项工作为开发更强大、更通用的具身人工智能指明了新方向，证明小参数量模型通过正确设计也能实现强大的零样本泛化 [32] - “感知-推理-决策”的点式范式为解决机器人领域长期存在的“视觉到行动的鸿沟”问题提供了有效路径 [32] - 该方法不局限于具身数据，可利用通用视觉数据，且独立于机器人形态学，具有广泛的应用潜力 [3]

核心观点 - 提出一种名为“离散扩散视觉-语言-动作模型”的新方法，首次将离散扩散技术引入VLA模型的动作解码部分，旨在解决现有自回归模型和连续扩散模型的固有缺陷 [1] - 该模型采用单一Transformer架构统一处理视觉、语言和动作三种模态，无需额外训练扩散模块，实现了训练流程的简化与性能的提升 [1][6] - 在多项机器人任务实验中展现出显著优势，成功率全面超越传统自回归与连续扩散基准模型，证明了其在处理复杂指令和场景变化方面的有效性与鲁棒性 [2][12] 技术背景与现有挑战 - 当前视觉-语言-动作模型主要面临两种范式的挑战：自回归方法存在无法并行解码和长序列生成延迟高的“自回归瓶颈”；连续扩散方法则需要独立的扩散训练流程，导致动作生成模块与视觉语言主干网络割裂，架构复杂 [4][6] - 现有方案如OpenVLA、π₀-FAST属于自回归方法，而π₀、SmolVLA则属于连续扩散方法 [4] 模型架构与创新点 - 核心创新在于首次为VLA模型引入离散扩散动作头，并在单一Transformer中统一动作生成与视觉-语言处理 [7] - 架构基于OpenVLA的Prismatic-7B VLM主干网络构建，输入编码层统一处理多视角RGB图像、标记化指令和离散化后的动作块token，通过统一的Transformer层进行编码，输出层仅对动作token进行预测 [11][13] - 提出了“先易后难”的自适应解码策略，结合迭代重掩码技术，支持动作token的并行解码和误差校正 [10][12] 训练与推理流程 - 训练流程通过模拟离散扩散加噪进行，采用随机掩码动作token并计算交叉熵损失的方式，其训练目标与VLM的掩码语言建模完全兼容，可直接复用预训练管线 [11][14] - 推理流程采用迭代去噪方式，默认进行12轮迭代，通过自适应选择保留高置信度token和二次重掩码校验来生成最终动作序列，函数评估次数相比自回归模型减少4.7倍 [15][18] 实验结果与性能分析 - 在LIBERO任务的Franka Panda机械臂测试中，平均成功率高达96.3%，在Object、Spatial、Goal、Long四个套件上分别达到98.6%、97.2%、97.4%和92.0%，均优于对比模型 [21][22] - 在Google机器人的SimplerEnv测试中，视觉匹配率达到71.2%，整体成功率为64.1%，表现出对场景变化的良好鲁棒性 [23][24] - 在WidowX机器人的真实-模拟迁移场景测试中，整体成功率达到49.3%，在“把勺子放在毛巾上”等具体任务中抓取成功率为70.8%，显著领先于其他模型 [25][26] 消融实验验证 - 对解码策略的消融实验表明，采用“最大置信度”的自适应策略成功率最高，达97.4%，优于并行解码和随机顺序等策略 [27][29] - 对选择温度的消融实验表明，采用衰减温度调度（Temp=1-t）的方案成功率达97.4%，优于硬采样和固定温度方案，验证了温度调度与自适应解码的协同作用 [28][29]

社区概况 - 具身智能之心知识星球是国内首个具身全栈技术社区 集视频、图文、学习路线、问答、求职交流为一体 目前规模近2000人 目标未来2年内达到近万人规模 [4][16] - 社区成员分布包括头部具身公司、互联网企业具身实验室、顶级高校实验室和传统机器人公司 形成工业界与学术界互补的态势 [1] - 社区内部分享大量技术内容 涵盖VLA、强化学习、世界模型、VLN、数据采集、遥操作、仿真等主流方法论 并形成系统技术路线 [1] 技术内容体系 - 社区汇总近30+技术路线 包括benchmark、综述和学习入门路线 覆盖具身智能感知、交互、强化学习、VLN、VA/VLA、多模态大模型、Diffusion Policy等方向 [5][17] - 提供近40+开源项目、60+具身智能相关数据集、行业主流仿真平台汇总 包括机器人仿真、抓取、控制、交互、感知等领域 [17][31][39] - 汇总国内外具身智能高校实验室和公司 涉及教育、宠物、工业、救援、物流、交互、医疗等多个方向 [19][21] 前沿技术研究 - VLA模型方向包括交错图文指令框架、泛化差解决方法、安全建模框架 BridgeVLA方案在CVPR夺冠且真机性能提升32% [6] - 具身世界模型与空间智能包括跨实体世界模型、首个具身4D世界模型EnerVerse 以及空间泛化ScalingLaw研究 [6] - Sim2Real与泛化方向包括具身视频基座模型Vidar、真实-仿真-真实统一框架 以及世界增强助力小模型规划方案 [6][7] 多模态与感知技术 - 多传感器融合感知包括视-触/力觉融合的模仿学习框架RDP 触觉感知涵盖仿真平台及视触语言动作大模型初探 [6][7] - 视觉语言导航（VLN）包括新的记忆表征方法和高效3D视觉定位方案TSP3D [6] - 协同感知方向推出协同具身智能基准数据集RoboTwin [6] 机器人系统与模型 - 机器人模型包括人形机器人运动智能与通用感知 全球最大的双臂机器人扩散大模型 以及面向具身推理的强化微调框架Reason-RFT [6] - 机器人操作系统涵盖具身大小脑协同解密、异构多机器人系统EMOS 以及基于时空约束的错误检测新范式 [6] - 灵巧手技术包括硬件与结构设计、触觉传感器、自由度设计以及夹具与灵巧手集成方案 [8] 人才招聘与职业发展 - 多模态大模型岗位base北京/深圳 月薪40k-80k 方向包括移动操作、导航、VLA 要求硕士以上学历且具机器人感知/导航/操作经验 [9][10] - 强化学习岗位base北京 月薪40k-80k 方向包括强化学习、VLA 参与研发下一代智能机器人 [11] - 社区与多家具身公司建立内推机制 第一时间对接简历 涵盖学术进展、工业落地、求职交流等多领域闭环服务 [5][7] 行业资源整合 - 汇总具身智能研报 包括大模型、人形机器人等行业研究报告 第一时间了解行业发展与工业落地情况 [24] - 汇总机器人相关书籍 覆盖导航、概率机器人、动力学与运动学、路径规划、视觉控制等多个方向PDF资源 [27] - 汇总机器人零部件品牌 包括芯片、激光雷达、相机、IMU、底盘等知名制造厂商技术资料 [29] 技术交流与案例 - 社区定期举办圆桌论坛和直播 分享本体、数据到算法全链路内容 探讨人形机器人模仿学习、VLA难点、VLA+RL融合等前沿问题 [5] - 实际案例解答包括自动驾驶SLAM转型具身智能的建议 推荐视觉语言导航、端到端导航等过渡方向 强调技术栈通用性 [76][78][79] - 提供具身智能课程学习路线 帮助从业者系统提升 覆盖从基础到进阶的全栈技术内容 [17][78]

文章核心观点 - 提出TOFRA框架将具身导航过程分解为状态转移、环境观测、信息融合、奖励策略构建和动作执行五个关键阶段[2] - 首次系统性整合计算机视觉、经典机器人和仿生学三大领域在具身导航方面的研究成果[2] - 指出领域面临的四大核心挑战：自适应时空尺度、联合优化、系统完整性和数据任务泛化性[2] - 详细总结具身导航相关平台工具和评估指标，包括仿真环境和真实硬件平台[2] 研究背景 - 具身智能源于图灵理念，强调通过自我感知和交互获取知识，是通向人工通用智能的重要途径[2] - 具身性体现在以自我为中心的感知方式和分布式计算能力，区别于传统基于全局地图的导航方式[2] - 人工智能进步推动导航从"路径驱动"向"智能驱动"转变，形成具身导航新范式[2] 具身导航核心特征 - 具备三类智能：感知智能通过多模态自我中心感知获取空间认知[3] - 运动智能支持高度自由度的运动技能和适应性物理交互[10] - 社会智能能够理解人类高层语义指令，支持复杂任务执行[10] 现有研究局限 - 计算机视觉方向侧重社会智能但忽视真实感知不确定性[5] - 机器人学方向聚焦感知智能但缺乏高级语义理解[6] - 神经形态方向模仿生物机制但覆盖不足社会智能和运动智能[6] - 现有综述未能统一涵盖感知、社会与运动三个维度[6] TOFRA框架详解 状态转移(Transition) - 利用动力学模型、运动认知和端到端神经网络推算下一状态[14] - 方法包括IMU积分、零速检测和活动识别等技术[21][22][23] - 发展趋势从单节点到高自由度、从几何推算到认知增强[26][29] 环境观测(Observation) - 通过外部传感器(RGB、深度、LiDAR等)感知环境[17] - 包括低层次特征提取、高层次语义认知和多智能体协作感知[27][31][39] - 多智能体协作可扩大感知覆盖范围，克服单传感器局限性[40] 信息融合(Fusion) - 经典贝叶斯方法包括卡尔曼滤波器和基于优化的方法[47][49] - 神经融合方法采用多层网络和Transformer架构[50] - 混合方法结合经典方法可解释性和神经网络学习能力[51] 奖励策略构建(Reward) - 单任务导航包括点目标、图像目标、物体目标和探索任务[54][55] - 多任务导航通过持久记忆机制减少重复探索[56] - 视觉语言导航利用大型语言模型处理自然语言指令[58] 动作执行(Action) - 基础动作技能包括轮式机器人和足式机器人的运动控制[64] - 组合技能涉及顺序技能组合和腿臂协同操作[66] - 形态协作包括轮腿机器人、陆空机器人和空陆水机器人[68] 应用场景分析 具身自动驾驶 - 依赖外部GPS和地图信息，重点学习端到端策略[76] - 输入包括环视摄像头、3D激光雷达和雷达等多模态数据[75] - 输出为车辆控制，系统隐式建模复杂OFRA流程[80] 具身室内导航 - 完全依赖自身传感器，无GPS支持[77] - 使用语义特征或神经辐射场构建世界模型[80] - 需要更强大的感知和决策能力应对复杂环境[80] 复杂地形导航 - 专注于穿越不平坦地形，通常使用四足机器人[78] - 输入包括关节传感器数据和地形深度图[75] - 输出为速度命令或直接关节控制命令[80] 平台与评估体系 仿真平台 - AI2-THOR专注于社交/语言任务和操作[83] - Habitat系列支持建筑尺度导航和语言指令[83] - ThreeDWorld扩展户外场景并提供力反馈[83] 真实硬件平台 - 标准轮式平台包括TurtleBot系列和Clearpath Robotics产品[82] - 复杂地形平台包括Boston Dynamics Spot和ANYbotics ANYmal[82] 评估指标 - 社交维度采用Success Rate和SPL等指标[84] - 感知维度包括Absolute Trajectory Error和Map Accuracy等[85] - 运动维度评估Energy Consumption和Path Deviation等[86] 发展趋势 - 从固定模型转向自适应进化智能[88] - 从专门组件转向集成系统优化[88] - 从工程解决方案转向语言引导行为[88] - 平台向高保真"数字孪生"和可微分环境发展[87] - 评估指标从单一任务扩展到多维度平衡计分卡[87]

课程讲师招募 具身智能之心课程讲师招募开始啦！如果您是大模型/多模态大模型、Diffusion、VLA、VLA+RL、sim2real、 端到端、具身交互、视觉语言导航、强化学习、机器人运动规划、机器人框架、抓取点预测与位姿估计、导航 建图、触觉感知、大模型部署与量化感知推理、机器人仿真等方向，欢迎加入我们； 主要工作：开发具身相关的视频课程，负责群内答疑等； 待遇丰厚（底部添加微信了解），除了现金激励，我们共享全行业具身资源、职位等。 科研辅导老师 待遇优厚，高于行业水平，既能发论文，又能赚零花钱！ 机器人硬件开发合伙人 如果您正在从事机械臂抓取系统、双足机器人、四足机器人、轮式机器人、大模型部署等软硬件的开发工作， 期望和我们一起推动具身教育的发展，欢迎联系我们； 我们将会提供合伙人的身份，一起开创更大的具身教育场景，推动行业发展。 联系我们 具身智能相关方向科研辅导老师招募开始啦！如果您是diffusion policy、VLA、VLA+强化、sim2real、强化学 习、具身仿真、具身感知、具身交互、视觉语言导航、目标导航、触觉感知、大模型/多模态大模型、大模型 量化、机械臂抓取、位姿估计、大模型部署 ...

文章核心观点 - 离散扩散视觉-语言-动作模型（Discrete Diffusion VLA）通过引入离散扩散技术至动作解码，解决了现有自回归模型速度慢和连续扩散模型训练复杂的问题，实现了视觉、语言和动作三模态的统一处理，并在多个机器人任务中展现出显著性能优势 [1][6][7] 技术方案与架构 - 采用单一Transformer架构统一处理多模态输入，包括视觉token（通过SigLIP+DINOv2 ViT编码）、语言token（通过Llama 2 tokenizer编码）和离散化动作token，无需额外扩散模块 [6][12][13] - 训练阶段通过随机掩码动作token并计算交叉熵损失，与视觉-语言模型的掩码语言建模目标完全兼容，可直接复用预训练优化器和训练管线 [12][14] - 推理阶段通过迭代去噪和自适应重掩码策略（默认12轮迭代），实现动作序列的并行解码和错误修正，比自回归模型减少4.7倍函数评估次数 [15][16][18] 性能表现 - 在LIBERO任务的Franka Panda机械臂上实现96.3%平均成功率，其中Object套件98.6%、Spatial套件97.2%、Goal套件97.4%、Long套件92.0%，较自回归模型OpenVLA（76.5%）提升19.8%，较连续扩散模型π₀（94.2%）提升2.1% [8][21][22] - 在Google机器人的SimplerEnv任务中视觉匹配率达71.2%，显著优于π₀（58.8%）和π₀+FAST（61.9%），整体成功率达64.1% [23][24] - 在WidowX机器人的真实-模拟迁移场景中整体成功率达49.3%，较连续扩散基准π₀（27.8%）提升21.5%，较π₀+FAST（39.5%）提升9.8% [25][26] 创新点与实验验证 - 首次将离散扩散技术引入视觉-语言-动作模型的动作解码，支持并行解码和渐进式优化，无需外挂扩散模块 [6][7][12] - 自适应解码策略（基于最大置信度排序）在LIBERO-Goal套件上实现97.4%成功率，较并行解码策略（95.6%）提升1.8% [27][29] - 衰减温度调度（Temp=1-t）通过早期高温度探索和后期低温度确定性优化，成功率97.4%，较硬采样（96.2%）提升1.2% [28][29] 研究团队与背景 - 由香港大学、上海人工智能实验室、上海交通大学和华为云计算技术有限公司联合提出，论文发表于arXiv平台 [3][4]

文章核心观点 - 清华大学、北京中关村学院和无问芯穹联合推出面向具身智能的大规模强化学习框架RLinf 该框架通过创新的混合式执行模式、统一编程接口和自适应通信机制 在具身智能训练场景下实现系统提速超120% 模型性能提升40%-60% 同时支持数学推理大模型训练并取得SOTA性能[5][7][9][24][29] 技术架构设计 - 系统采用六层级抽象架构 包括用户层、任务层、执行层、调度层、通信层和硬件层 支持混合式执行模式[7] - 提出宏工作流到微执行流映射机制(M2Flow) 实现过程式编程灵活性与声明式编程优化能力的结合[14] - 支持三种执行模式：共享式(组件常驻或交替使用GPU)、分离式(组件流水线执行)、混合式(自定义组合放置形式)[15][17] 性能表现 - 在具身智能训练中相比分离式执行模式系统提速超120%[7][24][27] - OpenVLA模型在Maniskill3任务中成功率从SFT后的30%-50%提升至80%-90% 涨幅40%-50%[24][28] - OpenVLA-OFT在LIBERO测试平台平均成功率97.3% 相比SFT模型提升62.4%[24][26] - 1.5B数学推理模型在AIME24/AIME25/GPQA-diamond数据集分别达48.44%/35.63%/38.46% 平均40.84%[29][30] - 7B数学推理模型在相同数据集达68.33%/52.19%/48.18% 平均56.23% 均实现SOTA[29][31] 系统优化特性 - 集成两套后端：Megatron+SGLang/vLLM支持已收敛模型架构 FSDP+HuggingFace支持未收敛模型架构[21] - 自适应通信库包含四项优化：自适应CUDAIPC/NCCL通信、负载均衡传输队列、多通道并发通信、快速通信重配置[19][22][25] - 自动化调度模块支持秒级在线扩缩容 70B模型1秒完成5D并行动态扩缩[23] - 支持LoRA训练、断点续训、多可视化工具集成 正在集成SFT模块提供一站式服务[18] 应用范围 - 专门支持Vision-Language-Action Models(VLAs)+RL训练 集成OpenVLA、OpenVLA-OFT、Pi 0等主流具身大模型[24] - 支持百余类具身智能任务 涵盖CPU-based和GPU-based仿真器[24] - 率先实现Pi 0的大规模强化学习微调 相关算法将于9月底发布[24] - 框架设计具通用性 可快速支持其他非具身智能应用场景[29]