[无滤镜机器人]Ryu Seokhyun 的决胜一招：韩国类人机器人要走的路是“数据”

by Paek Jongmin

Published 14 Mar.2026 17:44(KST)

韩国机械研究院发布机器人作业人工智能
本体固然重要但利用人工智能提升作业性能所需的数据获取更关键
Ryu Seokhyun 院长：“应当以作业性能取胜而非只拼运动性能”

“把洗衣机上面的香蕉拿过来”

当韩国机械研究院人工机械研究室责任研究员 Go Duyul 下达指令后，机器人开始识别周边环境并向洗衣机前方移动。机器人在放有香蕉的位置前伸出手臂，抓起香蕉，随后又回到原位，把香蕉放到餐桌上。

搭载韩国机械研究院开发的机器人作业人工智能的机器人，在接到“把香蕉拿过来”的指令后，正移动过去准备拿起香蕉。照片由科技专家 Baek Jongmin 提供

在接下来的演示中，下达了“请帮我进行垃圾分类回收”的指令。机器人抓起桌子上的垃圾，移动到分类回收箱前，将塑料和易拉罐按种类进行分类处理。

韩国机械研究院于12日在大田本部向媒体公开了让机器人学习人的作业，从而执行多种工作的机器人作业人工智能。

本次研究课题为“为实现多样化日常服务而开展的机器人通用作业人工智能（RoGeTA）框架核心技术开发”，以开发用于日常作业支援的机器人智能技术为目标推进。这是用于协助家务的类人机器人所必需的技术。

其目标是通过将人的示范作为数据进行学习，让机器人执行整理物品、搬运物体、垃圾分类等日常作业。

韩国机械研究院院长 Ryu Seokhyeon（右）正在说明用于机器人作业的人工智能以及为机器人收集数据的相关内容。照片由科技专家 Baek Jongmin 提供

据机械研究院介绍，向机器人“传授工作”由三项技术构成。

首先是当人进行作业示范时，将其转换为数据的作业提取人工智能；其次是把现实空间搬到虚拟环境中以检验各种情景的虚拟化人工智能；最后是理解指令、计算作业顺序并加以执行的作业执行人工智能。

研究团队在研究院内部构建了模拟真实家庭环境的空间，用于数据采集。通过在再现卧室、厨房、客厅的空间中，让机器人学习执行整理物品、打扫卫生等作业。

研究院相关负责人表示：“日常生活中最常进行的作业是整理、清扫和厨房作业等，因此我们以此为中心构建了实验环境”，“正在这一空间中采集数据，并研究如何让机器人在真实环境中也能执行这些作业”。

已开发的机器人作业人工智能可广泛应用于家庭及办公空间的服务工作，以及零售店货架陈列整理、物流现场的拣选与整理作业等多种工作。今后将进一步扩大机器人可执行的作业范围，并强化其对空间及物体变化的适应性，以提升在真实服务环境中的利用度。

用于机器人学习的数据采集系统也向媒体公开。研究人员直接操控机器人执行作业，类人形机器人则将这一过程作为数据进行学习。

虽然目前仍处于初级阶段，但通过这种方式收集的数据将被用于机器人作业学习。

为此，研究团队还在推进“开放式数据工厂”建设项目。该项目计划在约1000平方米的空间内投放多台机器人，在多种环境中采集数据，并对数据进行分析和加工后向研究人员和企业提供。该项目正在科学技术信息通信部推动的人工智能类人机器人全球顶尖战略研究团中实施。

研究团团长 Park Chanhoon 解释称：“我们正在引进多种机器人并获取数据。”

Park 团长表示：“要让机器人正常运转，关键在于获取在各种情景下生成的数据”，“我们计划向国内研究人员和企业公开所收集的数据，以用于推动机器人产业生态的发展”。

近期在机器人产业领域，类人机器人竞争正快速展开。全球机器人企业接连公开在家庭环境中执行作业的类人机器人演示视频，展开竞争。

美国初创企业 Figure AI 在机械研究院演示之前公开了一段类人机器人在家中执行整理家务、搬运物品等作业的视频。画面中机器人用两条腿行走，用双臂整理物品，外观与人相似。

电动汽车企业特斯拉正以工厂自动化为目标开发名为“Optimus”的类人机器人。中国也以优必选和宇树科技等企业为中心加入了类人机器人开发竞争。

现代汽车子公司波士顿动力曾通过“Atlas”类人机器人展示了物理人工智能的可能性而备受关注，但韩国机械研究院院长 Ryu Seokhyun 判断称，韩国在类人机器人竞争中起步略晚。

他表示：“韩国一度认为类人机器人的商业模式不明确，国家层面的支持也不充分”，“类人机器人是地球上最复杂的机器系统之一，比想象中更难在短时间内变为现实”。

他还强调：“运动性能和操作性能是两个不同的问题”，并指出追赶的机会尚未完全消失。

Ryu 院长将机器人技术分为运动性能和操作性能两个领域进行说明。

“擅长功夫属于运动性能，而抓取香蕉或进行垃圾分类则属于操作性、作业性。这两个领域完全不同。”

他接着表示：“目前还不存在同时具备这两种能力的机器人”，“在作业性能和操作性能领域，我们依然拥有机会”。

Ryu 院长尤其强调了在机器人竞争中数据驱动学习基础设施的重要性。

他说：“要打造真正能够正常运转的机器人，最终关键在于获取并让机器人学习在各种环境中采集到的数据。”这也是机械研究院优先着手获取机器人数据的原因。

本报道由人工智能(AI)翻译技术生成。