北京 – 在人工智能领域，具身智能（Embodied AI）正逐渐成为研究热点。近日，由清华大学、商汤科技、北京大学、上海人工智能实验室联合推出的UniAct框架，为解决具身智能体在不同机器人平台上的行为异构性问题带来了新的突破。这一创新框架旨在通过学习通用行为，捕捉不同机器人共享的原子行为特征，从而消除因物理形态和控制接口差异导致的行为差异。
UniAct是什么？
UniAct是一个新型的具身基础模型框架，其核心在于构建一个通用的行为空间，使得不同类型的机器人能够在统一的框架下理解和执行任务。该框架主要由三个关键部分组成：
- 通用行为提取器（Universal Action Extractor）： 基于视觉语言模型，从观察和任务目标中提取通用行为。
- 通用行为空间（Universal Action Space）： 以向量量化码本形式实现，每个向量代表一种原子行为，例如“移动到目标位置”或“避开障碍物”。
- 异构解码器（Heterogeneous Decoders）： 将通用行为翻译为特定机器人的控制信号，实现跨平台控制。
技术原理：化繁为简，异构同构
UniAct的技术核心在于其通用动作空间。通过向量量化（Vector Quantization）构建了一个离散的通用动作空间，这个空间被设计为一个向量化的码本（codebook），每个向量嵌入代表一种通用的原子行为。这些原子行为是不同机器人在不同情境下共享的基本行为模式，例如“移动到目标位置”或“避开障碍物”。通过这种方式，UniAct能将不同机器人的动作统一表示，消除动作空间的异构性。
通用动作提取器则负责从复杂的视觉和语言输入中提取出与任务进展直接相关的通用动作，避免外部因素的干扰，确保动作空间的纯净性和一致性。而异质解码器则根据机器人的具体特征（如关节力矩或摄像头视角）将通用动作转换为具体的控制信号，灵活适配不同类型的机器人。
UniAct的主要功能与优势：
- 通用动作编码： 将不同机器人的原子行为通过向量量化形成一个通用的codebook，实现跨平台共享的通用技能。
- 轻量化架构与高效性能： UniAct-0.5B模型仅需0.5亿参数，在真实与模拟环境的任务测试中，表现已经超过了参数达到14亿的OpenVLA模型。
- 快速适应新环境和机器人： 仅需少量专用示教数据即可完成模型在新环境中的微调，快速适应新机器人和控制接口。
- 跨领域数据利用： 通过通用行为空间，能更好地利用跨领域的数据进行训练，在不同机器人和环境中实现更高效的泛化。
- 一致的行为模式： 在不同的部署场景和机器人类型上，同一个通用动作可以表现出一致的行为模式。
应用前景：赋能各行各业
UniAct的应用前景十分广阔，有望在多个领域发挥重要作用：
- 自动驾驶与智能交通： 通过学习通用的驾驶行为模式，为自动驾驶系统提供更高效的动作规划和控制。
- 医疗机器人： 应用于辅助康复机器人或手术机器人，更灵活地适应不同的患者需求和手术场景。
- 工业自动化： 用于控制多种工业机器人，实现高效的生产流程优化，提高工业生产的灵活性和效率。
- 智能家居与服务机器人： 应用于智能家居和家庭服务机器人领域，更自然地与人类交互，完成各种家务任务。
专家观点：
“UniAct的发布是具身智能领域的一个重要里程碑，”一位匿名的人工智能专家表示，“它解决了长期以来困扰研究人员的行为异构性问题，为实现通用机器人控制奠定了基础。其轻量化架构和快速适应能力，也使其在实际应用中具有巨大的潜力。”
未来展望：
UniAct的发布标志着具身智能领域向通用性和泛化性迈出了重要一步。随着技术的不断发展，我们有理由相信，UniAct将在未来的机器人应用中发挥越来越重要的作用，为人类生活带来更多便利和惊喜。
项目地址：
- 项目官网：https://2toinf.github.io/UniAct/
- Github仓库：https://github.com/2toinf/UniAct
- arXiv技术论文：https://arxiv.org/pdf/2501.10105
参考文献：
- (假设论文已发表) Wang, X., et al. (2025). UniAct: A Universal Action Space for Embodied Intelligence. arXiv preprint arXiv:2501.10105.
（完）
Views: 0