推理与决策成真
预计10年后市场规模扩至55万亿韩元
亟需破解训练数据不足问题
作为加速类人型机器人人工智能（AI）的方案，巨型行为模型（LAM）正备受关注。超越文本和图像，连“动作”也能学习和识别，已成为类人型机器人开发的关键。若能出现像人类一样思考并执行物理行为的机器人，有望在机器人技术、自动驾驶、自动化工艺等多个领域得到应用。
LAM是一种学习人类行为模式、使机器人能够执行独立动作的人工智能模型。通过LAM，类人型机器人可以掌握人类的动作并自主执行任务。在类人型机器人开发中，LAM被视为相当于“大脑”的部分，也是当前最为紧迫的研究课题之一。
LAM是在大脑诸多职能中，使机器人能够像人类一样进行学习、推理和决策的核心要素。机器人会以最高效率方式驱动硬件。例如，当接到“把杯子拿起来挪到一旁”这样的指令时，机器人会伸出机械臂，用手指抓住杯子，并规划出移动杯子的最优路径。这个过程被称为“路径规划”。LAM从根本上改进路径规划，使机器人能够针对一个指令构建多种执行方式。由此，机器人可以根据变量作出最优决策，并进化到像人类一样，即便是同一项工作，每次也能做出不同的决策。
LAM目前由全球大型科技企业主导。特斯拉凭借在完全自动驾驶（FSD）等领域取得的成果，正在巩固其作为LAM领跑者的地位。这被认为将使展示出如人类般自然动作的机器人实现商业化成为可能。特斯拉第二代Optimus可以用手指夹起易碎的鸡蛋并移动，能够熟练完成膝盖弯曲90度的深蹲动作，还能上下行走在覆有泥土的斜坡上。即便在打滑、身体晃动后，也能迅速恢复平衡并继续迈步。
谷歌已将其机器人人工智能模型以开源形式公开，预计全球研究机构如果加以利用，将加速与机器人相关的数据积累。英伟达则判断，继生成式人工智能热潮之后的下一阶段将是“物理人工智能”，并发布了用于类人型机器人开发的人工智能平台“GROOT”。
基于LAM进行学习的类人型机器人市场规模今后有望进一步扩大。高盛集团分析认为，类人型机器人市场规模将从今年的15亿美元（约2.2006万亿韩元），在10年后的2035年增长到378亿美元（约55.4564万亿韩元）。这是因为学会行为的类人型机器人可以在制造业等多个领域得到广泛应用。
Hana金融研究所表示：“以廉价劳动力为基础的供给结构正变得难以为继”，“企业为应对劳动力短缺、供应链不确定性加剧以及个性化消费者带来的按需产品需求增加，正在谋求利用机器人实现制造自动化”。
Korea University技术经营专业研究生院教授 Lee Seongyeob称：“在工业现场或配送等企业对企业（B2B）市场，最先可能出现相当明显的变化。”
不过，要打造适用于类人型机器人的人工智能模型，仍面临诸多亟待解决的课题，例如机器人人工智能学习数据不足等。与现有的大型语言模型（LLM）、大型多模态模型（LMM）不同，用于类人型机器人的人工智能模型需要反映人类行为等现实世界的物理学习数据。
业界相关人士表示：“对于LAM而言，必须让其学习行为数据，但问题在于，与文本数据不同，几乎不存在可用的数据本身，因此可能会出现比开发大型语言模型时更为严重的数据短缺问题。”
Eugene投资证券研究员 Yang Seungyun强调：“流入韩国机器人产业的资本相对海外仍然偏少”，“不能只看未来1年、10年的时间线，而应从长期视角来布局”。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
