在人工智能领域的热门赛道上，具身智能正掀起一场前所未有的风暴。然而，这一领域的发展并非一帆风顺，数据瓶颈和多场景泛化难题如同两座大山，阻挡着前行者的脚步。近日，在世界人工智能大会（WAIC）上，一个名为“悟能”的全新具身智能平台横空出世，为行业带来了新的曙光。
“悟能”平台以世界模型为引擎，旨在赋予机器人强大的感知、导航和多模态交互能力。在WAIC的展览现场，各式各样的机器人吸引了众多目光，但行业内的专业人士深知，这些机器人虽火爆一时，却普遍面临着数据短缺和训练效率低的困境，导致自主解决问题能力较弱。
商汤科技，作为人工智能领域的佼佼者，在此次大会上推出了其精心打造的“悟能”平台。该平台能够仅凭一句自然语言描述的场景，生成符合物理规则、多视角统一、真实世界还原度极高的多视角视频，从而破解了仿真数据输出的难题。
想象一下，你仿佛置身于城市的街头，手握方向盘，脚踩油门，周围的光影变幻莫测，而这一切，都通过七个摄像头构建出的无比真实的世界呈现在你眼前。但这并非游戏场景，而是你与AI共同“开悟”的体验。
“悟能”平台的出现，标志着AI将不再仅仅是工具，而是成为了人类的合作者、探索者和创造者。这一平台之所以能为具身智能带来如此显著的赋能，得益于其四大核心功能：感知、导航、交互以及世界模型的构建。
在感知方面，商汤凭借其强大的视觉感知能力，为机器人提供了对世界万物的识别和理解。无论是机器狗还是机器人，都能通过其视觉系统，实时感知周围环境，识别场景中的物件和行人。这一能力被完美嵌入到机器人的核心芯片中，实现了端侧的高效处理。
导航功能则是“悟能”平台的另一大亮点。尽管全自主的无人驾驶车已经问世，但全自主的机器狗和机器人仍属罕见。商汤的绝影团队，在无人驾驶领域积累了丰富的经验，这些技术同样可以应用于机器狗和机器人的导航上。通过实时路径规划和避障功能，机器狗和机器人能够在复杂环境中自如穿梭。
交互功能则展现了“悟能”平台的幽默感和全局记忆能力。在现场演示中，一个机器人通过AI生成的PPT，绘声绘色地讲解了《长安的荔枝》的故事。它不仅能够自己翻页，还能在嘈杂环境中保持主线任务，继续讲解。这一功能同样适用于机器狗，展现了“悟能”平台在不同形态硬件上的广泛适用性。
而世界模型的构建，则是“悟能”平台的核心所在。通过“人、物、场”的构建，平台能够生成一个4D的真实世界。用户只需给出一张具身关节模型和简单的指令，平台就能生成连续的视频和位姿。这些视频和位姿具有时空一致性，可以从多个角度进行观察，为机器人的交互训练提供了高质量的数据。
在自动驾驶领域，“悟能”平台已经能够用一句自然语言生成一个七视角摄像头的视频。这些视频在空间和时序上都具有一致性，甚至可以进行实时编辑和替换。这些新生成的数据，为AI进入现实世界提供了闭环交互训练的解决方案。
如今，商汤将“开悟”世界模型进一步扩展到具身智能领域，并赋予了它新的名字——“悟能”。这一平台不仅解决了具身智能领域的数据瓶颈问题，还为机器人的多场景泛化提供了可能。未来，随着“悟能”平台的不断推广和应用，机器人将成为人类生活中不可或缺的“超级队友”，在智能制造、医疗护理、家庭服务等多个领域发挥巨大作用。
