人工智能技术正从生成式人工智能进一步快速演进为能够在物理现实世界中实际行动的“物理人工智能(Physical AI)”。在工厂中代替人类执行危险作业的机器人、实施精密手术的医疗机器人,都是物理人工智能的代表性例子。
不过,物理人工智能要实现商业化,仍需跨越一道门槛。关键在于机器人行为是否符合用户(人类)意图,以及是否具备判断行为正确与否的学习能力。如今,满足这些要求的核心技术已在韩国研发成功。
韩国科学技术院10日表示,电气及电子工程学院 Yu Changdong 教授研究团队在全球率先开发出一种让人工智能学习人类意图与判断标准的新技术“VOTP(Video-based Optimal TransPort Preference)”。
VOTP借鉴人类学习新任务的方式,即便只通过少量正面或负面案例视频,也能让人工智能掌握人类偏好的行为模式。
例如,人工智能驱动的手术机器人要实际实施手术,或自动驾驶汽车要通过多车交织的复杂十字路口时,必须从大量选项中选择最恰当的行动。此时,若要反映人类偏好和判断标准,就需要“奖励函数”;而在以往,为此必须由人类直接评估数千至数万个行为数据。
与此不同,VOTP像人类学习新任务一样,被设计用于让机器人、自动驾驶汽车等智能机器仅凭少量包含人类偏好的视频,也能快速理解用户意图。为此开发的算法通过覆盖多种环境与任务的大量实验,证明了其效果与泛化性能。
这意味着,即使不再像过去那样由人类逐一评估海量数据,人工智能也有望理解人类判断标准,并在多种情境中实现扩展与应用学习。
这种方式有望降低开发物理人工智能所需的人类反馈和数据构建成本。也就是说,仅凭少量案例,机器人、自动驾驶汽车、工业机械就能学习符合人类期待的行为,从而大幅缩短开发周期并显著降低成本。
研究团队尤其认为,VOTP有望应用于机械臂控制、类人机器人、自动驾驶汽车、智能工厂、无人机、手术机器人等智能机器,以及直接操控计算机的人工智能代理。也就是说,在所有需要学习人类意图与满意度的物理人工智能系统中,VOTP都可被用作关键基础技术。
Yu Changdong 教授表示:“物理人工智能的核心,在于让机器理解人类意图并选择正确行动。”他还称,“VOTP能够仅通过少量视频学习人类判断标准,因此有望扩展为一项加速机器人像人类一样作出判断时代到来的关键技术。”
另一方面,此次研究由电气及电子工程学院博士生 Luu Minh Tung 作为第一作者参与。相关研究成果(论文)已被下月在首尔国际会展中心举行的人工智能学会“International Conference on Machine Learning 2026”接收,并入选口头发表。口头发表仅授予全部投稿论文(2.3918万篇)中排名前0.7%的168篇。International Conference on Machine Learning 被认为是人工智能与机器学习领域最具影响力的国际学术会议之一。
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。