专题演讲嘉宾：刘智勇

发展具身智能的历史可以追溯到人工智能领域的早期阶段，随着技术的不断进步和发展，具身智能引起了越来越多的关注和研究。研究者们在感知、决策和行动的具身基础框架与端到端框架中，探索如何使机器能够像人一样感知周围环境、做出决策和执行行动。在开放世界中，以视觉语言模型为基础的具身感知成为研究的热点，通过这种模型，机器能够更好地理解和处理复杂的视觉信息。

与此同时，具身 Agent 与模糊需求下的机器人的任务规划也成为了研究的重点之一。在具身控制中，模仿学习、深度强化学习等算法被广泛应用，以实现机器人的智能控制和决策。生成式训练 Agent 与具身控制中泛化能力提升也是当前研究的热点之一，通过生成无限的数据和不断优化训练模型，提高机器人在不同环境下的适应能力。

演讲提纲：

1. 从符号主义的角度看具身智能的发展历史
2. 感知、决策和行动的具身基础框架与端到端框架
3. 开放世界中以视觉语言模型为基础的具身感知和感知记忆
4. 多模态具身智能体与模糊需求下的长周期机器人任务规划
5. 具身控制中模仿学习、深度强化学习的技术路线选择
6. 生成式训练智能体与具身控制中泛化能力提升
7. 仿真环境 Isaac Gym, BEHAVIOR, Robosuite 介绍
8. PALM-E、RT1、RT2、ALOHA、AutoGen、CAPEAM、Octopus、Embodied GPT, RL-Vigen, UniDexGrasp++ 等框架解读
9. 基础模型持续推动机器人在开放世界的泛化

听众收益：

• 了解开放世界中以视觉语言模型为基础的具身感知和感知记忆
• 了解多模态具身智能体与模糊需求下的长周期机器人任务规划
• 了解具身控制中模仿学习、深度强化学习的技术路线选择
• 了解生成式训练智能体与具身控制中如何提升泛化能力