中國電信推動AI機器人從“可用”邁向“好用”

（記者　張?zhí)K慧）近日，浙江杭州濱江區(qū)濱盛路長河路口迎來了一位酷炫的交警新成員——AI交通管理機器人“杭行1號”，它不僅能流暢做出標準指揮動作，還能識別未佩戴安全頭盔、越線停車等交通違法行為。

如今，AI機器人正不知不覺融入我們的日常生活。在這一浪潮中，作為建設數字中國主力軍的中國電信，正全面擁抱人工智能，并通過戰(zhàn)略升級與持續(xù)創(chuàng)新，推動產業(yè)從“可用”邁向“好用”。

（圖片來源：攝圖網）

AI機器人逐步成長中

2025年，人工智能正引領第四次科技革命，AI機器人產業(yè)也告別了早期的“技術探索”階段，加速向“規(guī)模化應用”邁進。

其發(fā)展呈現出三大核心趨勢，首先，技術驅動從“大模型”走向“具身智能”。早期“百模大戰(zhàn)”的規(guī)模競賽正讓位于以頭部模型為代表的集中化發(fā)展，AI發(fā)展的核心從追求模型“可用”轉向實現場景的“好用”。大模型正成為重要的技術驅動，基于多模態(tài)數據提升機器人的感知與決策能力，推動其自主學習和任務規(guī)劃。更重要的是，AI正從“對話AI”變成“干活AI”，在物理世界的體現便是“具身智能”的爆發(fā)。這意味著機器人不僅擁有強大的“大腦”（感知決策），還配備了靈巧的“小腦”（運動控制），能夠與環(huán)境進行物理交互，執(zhí)行裝配、巡檢、陪伴等復雜任務。

其次，應用場景從“工業(yè)滲透”走向“多元拓展”。當前，工業(yè)（搬運、焊接）和商業(yè)服務（配送、清潔）場景的滲透率較高。同時，機器人正突破傳統邊界，向核電站巡檢、太空作業(yè)、實驗室自動化等新興領域延伸。

最后，產業(yè)生態(tài)面臨“成本”與“自主”的雙重挑戰(zhàn)。盡管前景廣闊，產業(yè)仍需突破關鍵瓶頸。一方面是人形機器人等高階形態(tài)的“成本瓶頸”，高精度部件導致售價高昂，需從工廠、學校等封閉場景逐步向消費端滲透。另一方面是核心技術的“國產替代”挑戰(zhàn)，高端減速器、伺服驅動器等硬件，以及具身AI模型等算法，與海外領先水平仍有差距。

中國電信推動AI機器人落地應用

面對AI浪潮，中國電信積極推動戰(zhàn)略從“云改數轉”向“云改數轉智惠”升級，全面擁抱人工智能，其中就有AI機器人。

在政務方面，近日，中國電信太倉分公司助力自來水公司成功打造服務大廳智能引導機器人。AI服務機器人部署在自來水公司的營業(yè)大廳，具備語音對話、觸屏交互與智能引導三大核心功能。市民可直接通過語音或觸控與機器人進行交流，獲得水費繳納方式、過戶辦理流程、發(fā)票打印、營業(yè)網點信息等業(yè)務咨詢的即時答復。項目上線后，機器人承擔了窗口導引、政策講解及咨詢分流等任務，顯著減輕了前臺人員壓力，提升了業(yè)務辦理效率。現場測試顯示，常見問題應答準確率超過90％，大幅縮短了群眾等候與咨詢時間。

在家庭方面，中國電信陜西公司與數字生活公司攜手人形機器人領軍企業(yè)優(yōu)必選科技，共同研發(fā)首款“家庭桌面AI機器人”。依托中國電信大模型底座能力，將優(yōu)必選的機器人研發(fā)技術與中國電信的云網融合能力相結合，進一步提升了機器人的智能化水平與場景適配能力。這款桌面機器人不僅能通過AI深度加持實現專屬智能推薦、多模態(tài)情感計算、智能守護等功能，還能與其他智能家居設備聯動，為孩子和家長帶來全方位的智能體驗。

科技創(chuàng)新支撐AI機器人持續(xù)發(fā)展

要讓機器人走出實驗室，應對真實世界的復雜挑戰(zhàn)，必須在運動控制與自主決策等底層技術上進行關鍵性突破。中國電信正不斷科技創(chuàng)新，推動機器人向更高階能力演進。

行走、跑步、扭秧歌，已成為當前人形機器人的主要展現形式，但這樣的行動仍處于相對緩慢和簡單的動作范疇。若要實現更多應用價值，機器人還需具備旋轉、騰躍等高難度技巧，快速切換重心，進行諸如舞蹈、功夫等高動態(tài)行動。 然而，要讓機器人能像功夫明星一樣來個“回旋踢”可不是個容易事。這涉及快速身體運動、復雜控制力和精準平衡調節(jié)，對機器人的軟硬件系統都提出了極為嚴苛的要求，稍有不足，就會“跟不上節(jié)奏”，或直接“失控”。針對此，中國電信開源了一項類人行為驅動的人形機器人全身運動控制框架PBHC（Physics-Based Humanoid Control），讓機器人在物理真實感下穩(wěn)定復現高動態(tài)全身動作。

此外，當機器人在行走過程中遇到意外障礙或失去平衡時，現有的基于周期性步態(tài)或感知條件獎勵的方法往往無法像人類一樣迅速調整姿態(tài)。為了解決這一問題，中國電信人工智能研究院（TeleAI）研究團隊提出了一種基于動態(tài)平衡和強化學習的全新方法，稱為“動態(tài)平衡人形機器人行走”（Dynamic Balanced Humanoid Locomotion, DBHL）。該方法不依賴視覺或雷達等外部感知，而是通過引入零力矩點（Zero-Moment Point, ZMP）的概念，設計了一種新的獎勵函數，使得機器人能夠在復雜地形上保持動態(tài)平衡。