[首發(fā)于智駕最前沿微信公眾號]2025年11月5日，小鵬汽車正式發(fā)布“IRON”人形機器人，其高度擬人的步態(tài)與流暢的運動控制引發(fā)了行業(yè)廣泛關(guān)注。作為造車新勢力，小鵬此舉不僅拓展了其技術(shù)邊界，更凸顯出自動駕駛與具身智能兩大領(lǐng)域在技術(shù)路徑上的深度關(guān)聯(lián)。盡管兩者在感知、決策、控制的共性框架上高度相似，但仍存在系統(tǒng)性差異，尤其在感知層面有很大的不同。

圖片源自：網(wǎng)絡(luò)

感知的相似點

在深入比較之前，我們應(yīng)先明確“自動駕駛”與“具身智能”這兩個概念。自動駕駛是指汽車在道路環(huán)境中完成感知、決策與控制，實現(xiàn)從A點到B點的安全、可靠行駛。具身智能則指擁有實體身體、通過身體與環(huán)境交互來感知、學(xué)習(xí)并行動的智能體，其范疇更廣，涵蓋服務(wù)機器人、搬運機器人，以及配備多種傳感器和手腳的智能體等。兩者在感知層面都需要“看懂世界”，但在出發(fā)點、約束條件和技術(shù)側(cè)重點上存在明顯差異

無論是自動駕駛汽車還是具身智能機器人，它們感知系統(tǒng)所肩負(fù)的任務(wù)都是類似的，那就是將攝像頭、激光雷達等傳感器采集的原始數(shù)據(jù)，轉(zhuǎn)化為計算機能夠理解和使用的環(huán)境信息。在這一過程中，兩者都高度依賴多模態(tài)數(shù)據(jù)的采集與融合，并采用以數(shù)據(jù)驅(qū)動為核心的技術(shù)路線，來實現(xiàn)對目標(biāo)的檢測、分割、跟蹤以及對場景的語義理解。像是卷積網(wǎng)絡(luò)、Transformer、時序模型與注意力機制等當(dāng)前主流的深度學(xué)習(xí)技術(shù)，已成為它們從圖像、點云等數(shù)據(jù)中提取關(guān)鍵特征的共同工具。

此外，對感知結(jié)果的不確定性進行量化與輸出，也是兩者共同的關(guān)鍵課題。系統(tǒng)不僅需要判斷前方“是什么”，還需給出判斷的置信度、檢測框的誤差范圍等指標(biāo)，甚至要將這種不確定性清晰地傳遞給后續(xù)的預(yù)測與規(guī)劃模塊。因此，諸如不確定性建模、時序信息融合、數(shù)據(jù)關(guān)聯(lián)、對未知類別樣本的識別，以及在線的自適應(yīng)學(xué)習(xí)等問題，都是兩者必須攻克的技術(shù)難點。兩者的開發(fā)流程也高度一致，都需要經(jīng)歷數(shù)據(jù)采集、標(biāo)注與自監(jiān)督學(xué)習(xí)、模型訓(xùn)練、仿真與離線測試、線上小規(guī)模驗證等流程，最終走向規(guī)?；渴?。

感知的不同點

雖然兩者在技術(shù)基礎(chǔ)上有重合，但在“為何感知”和“感知后做什么”的本質(zhì)問題上存在區(qū)別，導(dǎo)致設(shè)計與實現(xiàn)的優(yōu)先級迥然不同。

自動駕駛的感知任務(wù)高度聚焦于“安全”與“確定性”，車輛需要知道自己在哪個車道、前方是否有車、行人是否有穿行意圖等，所有輸出都必須滿足極高的可靠性要求，容錯率極低。這意味著其感知系統(tǒng)在冗余設(shè)計、傳感器可靠性、時間同步、硬實時性、功能安全（如滿足ISO 26262/ASIL標(biāo)準(zhǔn)）等方面都有嚴(yán)格的標(biāo)準(zhǔn)。換言之，自動駕駛的感知不僅追求高精度，還必須具備可解釋性、可驗證性，并在罕見卻危險的極端場景下保持可控。

具身智能的感知則更側(cè)重于“適應(yīng)性”與“交互能力”。像是家用服務(wù)機器人可能不需要厘米級的車道線定位，但必須理解物體的可抓取性、靠近物體時的觸覺反饋，以及在復(fù)雜家庭環(huán)境中如何探索與學(xué)習(xí)。具身智能強調(diào)“感知-行動-感知”的閉環(huán)循環(huán)，感知結(jié)果直接驅(qū)動探索與學(xué)習(xí)策略，系統(tǒng)會主動調(diào)整傳感器視角或身體姿態(tài)以獲取更有價值的信息（即主動感知）。因此，具身智能更關(guān)注自我本體感知、觸覺/力覺、多關(guān)節(jié)狀態(tài)估計、交互式學(xué)習(xí)，以及從少量交互中快速學(xué)習(xí)的能力。

從數(shù)據(jù)維度看，自動駕駛主要依賴前裝傳感器（如車載攝像頭、激光雷達、毫米波雷達），并擁有海量的車路場景數(shù)據(jù)；具身智能的數(shù)據(jù)則更為分散和稀缺，需要在真實交互中在線生成訓(xùn)練樣本，或依賴模擬器進行大量交互訓(xùn)練。

兩者的技術(shù)側(cè)重點在哪里？

自動駕駛是將“安全、穩(wěn)定、可驗證”放在首位；具身智能則更重視“通用性、交互性與學(xué)習(xí)能力”。在自動駕駛感知中，更關(guān)注的是如何通過多傳感器冗余降低單點失效風(fēng)險、如何實現(xiàn)嚴(yán)格的時間同步與標(biāo)定以保證數(shù)據(jù)一致性、如何結(jié)合定位與高精地圖實現(xiàn)可靠定位、如何構(gòu)建低延遲高可靠的檢測與跟蹤管線，以及如何為異常或未知場景設(shè)計安全策略（如降級處理、安全停車）。鳥瞰圖表示、傳感器幾何校正、運動補償、點云去畸變、雷達多路徑與多普勒信息利用、傳感器融合策略等，都是自動駕駛行業(yè)經(jīng)常會討論的技術(shù)。此外，可解釋性、可觀測性、功能安全與形式化驗證等在車規(guī)級系統(tǒng)中也極為重要。

具身智能的感知則更側(cè)重于在線學(xué)習(xí)與交互的機制，包括如何構(gòu)建任務(wù)驅(qū)動的表征、如何利用自監(jiān)督學(xué)習(xí)從大規(guī)模未標(biāo)注數(shù)據(jù)中學(xué)習(xí)有用特征、如何設(shè)計主動探索策略以提高樣本效率、如何通過模擬器進行大規(guī)模交互訓(xùn)練并縮小Sim-to-Real差距，以及如何將語言、視覺、觸覺等多模態(tài)信息整合到統(tǒng)一的世界模型或可抓取性模型中，以支持復(fù)雜操作。具身智能也更依賴強化學(xué)習(xí)、元學(xué)習(xí)、少樣本學(xué)習(xí)與基于模型的規(guī)劃等技術(shù)，以實現(xiàn)從交互中快速適應(yīng)新任務(wù)。

為何汽車企業(yè)能較容易地部署具身智能的某些能力

既然具身智能更偏向機器人學(xué)，為何汽車公司反而更容易將其落地？汽車本身就是一個移動的、配備多種傳感器與執(zhí)行器的“具身平臺”。車輛擁有高質(zhì)量的定位系統(tǒng)、慣性測量單元、車輪里程計、攝像頭、雷達、激光雷達（部分車型）、線控轉(zhuǎn)向與制動等，這構(gòu)成了機器人所需的核心身體要素。相比從零開始研發(fā)人形機器人或家務(wù)機器人，汽車公司具備更成熟的硬件平臺、強大的傳感器采購與集成能力，以及豐富的整車實時控制經(jīng)驗。

圖片源自：網(wǎng)絡(luò)

車企還擁有大規(guī)模真實數(shù)據(jù)與車隊運營能力。具身智能的許多學(xué)習(xí)方法需要大量交互數(shù)據(jù)進行訓(xùn)練或微調(diào)，而汽車廠商的車隊（包括測試車、量產(chǎn)車與聯(lián)網(wǎng)車）能夠提供穩(wěn)定的數(shù)據(jù)采集渠道，使其能夠在真實環(huán)境中快速收集稀有場景、邊緣案例與長期運行數(shù)據(jù)，這是實驗室小型機器人難以比擬的優(yōu)勢。

車企更具備強大的工程化與安全管線。將學(xué)習(xí)模型部署到車輛上并非簡單嵌入電子控制單元即可，而是需要經(jīng)過功能安全評估、冗余設(shè)計、在線監(jiān)控、OTA升級流程與供應(yīng)鏈管理等一系列流程。車企在這些方面已有成熟流程，能夠?qū)⒕呱碇悄艿男鹿δ苤鸩郊{入車規(guī)化流程。

從經(jīng)濟動力與生態(tài)協(xié)同方面看，汽車產(chǎn)業(yè)鏈上有大量零部件供應(yīng)商、感知與計算模塊供應(yīng)商、云服務(wù)與地圖公司，這使得車企在集成新能力時可以橫向調(diào)用現(xiàn)有技術(shù)或通過合作快速落地。與其從頭打造通用家用機器人平臺，將具身智能概念嫁接到已具備“身體”的汽車平臺上，商業(yè)回報更明確，監(jiān)管路徑也更清晰。

最后的話

自動駕駛與具身智能其實在感知技術(shù)上有深厚的相似性，但在實現(xiàn)的優(yōu)先級與系統(tǒng)約束上存在差異顯著。自動駕駛強調(diào)可靠性、冗余與可驗證性，擅長在工程化管控下將復(fù)雜系統(tǒng)轉(zhuǎn)化為可運營的產(chǎn)品；具身智能則強調(diào)交互能力、在線學(xué)習(xí)與任務(wù)泛化，擅長在不確定的開放環(huán)境中通過身體動作與環(huán)境共同學(xué)習(xí)。這兩條技術(shù)路徑看似分道揚鑣，實則互為鏡像。

審核編輯 黃宇