图表22大模型充当人类与机器人沟通的桥梁 原图定位

多模态助推具身智能实现，通用人工智能有望诞生。语言仅是人类描述自然世界的一种方式，需要听觉、视觉、触觉等多种感官信息和语言进行交叉映射后，才能形成对客观世界的认识。因此，大模型需要融入更多的多模态信息，而且智能体还需要能够同物理世界即人类社会进行交互，这样才能真正理解世界中各种概念，从而实现真正的 AGI。人形机器人作为重要的智能载体，其可以感知语音、图像等信息，当将 AI 大模型接入机器人后，人类操控机器人不再是通过编写代码和规范，而是用语言和大模型交互，由大模型生成代码来控制机器人，即大模型充当了人类与机器人沟通的桥梁，极大地降低了使用机器人的门槛，赋能后的机器人也能更好理解人类意图，灵活地完成各项任务。