面向敏捷制造自动化的人类中心通用物理智能

敏捷的人类中心制造日益需要具备鲁棒性的机器人解决方案，使其能在现代工厂的非结构化环境中实现安全且高效的交互。虽然多模态传感器融合提供了全面的情境感知，但机器人仍需对其推理进行语境化，以实现对复杂场景的深层语义理解。尤其是视觉-语言-动作（Vision-Language-Action, VLA）基础模型作为一种集成多样感知模态与时空推理能力的 promising 方法，正被用于将物理动作锚定于实现跨各种机器人本体的通用物理智能（General Physical Intelligence, GPI）。尽管GPI概念上已在文献中讨论，但其关键作用及实际部署在敏捷制造中仍鲜有探索。为填补这一空白，本篇实用综述通过GPI的视角系统性调查了近期在VLA模型方面的最新进展，提供对领先实现的比较分析，并通过结构化消除法评估其工业就绪状态。该综述将该领域的最新成果组织为六大主题支柱，包括多感官表征学习、仿真到现实迁移、规划与控制、不确定性与安全措施以及基准测试。最后，本文指出将GPI集成至工业生态系统的开放挑战及未来方向，以契合Industry 5.0中智能、自适应与协作制造生态系统的愿景。