WWW,338723,COM探索高清国产影视免费看入口，享受在线免费播放更顺畅的体验，海量影视资源随时观看，满足你对优质内容的需求。
林俊涛迎来23岁生日，杭州经纬期待新赛季表现-rssai2bc797ffd4bbf7f0
WWW,338723,COM
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
温州民企加速向“智造”跃升 产业升级拓展全球新空间-newsbbb4a73f140a3fc6
WWW,338723,COM
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
鲁媒：班顿是高大持球组织者 身高2.03米赛场错位优势十分突出-f389d930
WWW,338723,COM
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
TYRA生物科学股价下跌26.1%-35892155
WWW,338723,COM
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。
报告聚焦大模型与机器人技术瓶颈
2026-04-23 17:49:24消息显示，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎近日作专题学术报告，围绕“大模型加仿真机器人为什么还不行”这一行业热点问题，结合四十载机器人领域科研经历，分析人工智能与具身机器人发展中的技术难点。
孟庆虎在报告中回顾人工智能发展历程，从1943年神经元网络模型提出、1956年达特茅斯研讨会开启人工智能研究纪元，到上世纪60年代视觉引导机械臂实验，梳理机器人技术的信息获取、智能决策、执行机构三大核心组成。他还结合自身科研经历，介绍上世纪80年代机器人视觉控制系统研究和90年代六自由度机械臂力位自适应控制研究。
大模型与具身机器人仍面临维度差异
针对外界对大模型和仿生机器人的期待，孟庆虎指出，当前广泛讨论的大模型本质是大语言模型（LLM），主要基于一维文本数据训练，擅长文字处理，但对二维图像理解存在不足，几乎不具备三维世界认知能力。
孟庆虎认为，人类认知世界会经历从三维现实世界到二维图像，再到一维文字符号的抽象过程，而大语言模型主要依赖文本数据训练，这造成了人类高维智能空间与AI低维智能空间之间的维度错配。谈及人形机器人，他表示，部分行业叙事带有资本宣传属性，当前人形机器人虽然能完成跑步、行走等固定环境下的预设动作，但面对现实环境不确定性时，仍缺少自主任务规划和真实智能交互能力。
“场景智能”成为技术落地方向
面对不确定环境处理、自主任务决策、高质量智能交互三大障碍，孟庆虎提出“场景智能”思路，即围绕具体垂直应用场景采集专属干净数据集，训练轻量化专用模型，而不是盲目追求覆盖一切的通用大模型。
他以团队研发的主动型胶囊内窥镜机器人、核酸采样机器人样机为例，介绍两套系统依靠场景化专用模型完成消化道病灶筛查、核酸采样等实际任务，不依赖超大规模算力集群。孟庆虎还表示，真正的通用人工智能或许需要在一个个真实生活场景的场景智能覆盖后才有可能实现，并引用强化学习之父理查德·萨顿观点，认为未来智能发展应借鉴婴儿通过感知与行动自我学习的模式。