Page 8 - 《武汉大学学报(信息科学版)》2025年第9期
P. 8

1736                            武 汉 大 学 学 报  (信 息 科 学 版)                        2025 年 9 月

                与自然的和谐共生和地球可持续发展。                                撑复杂环境下自主系统运行的高可靠性需求。
                     北斗时空具身智能与人形机器人既有相同                              2)智能处理能力不足,感知后续链条断裂。
                或类似之处,又有其单独的特征。作为具身智能                            传统遥感侧重影像获取与人工判读,北斗数据依
                的代表,人形机器追求发展与人类相同或相似的                            赖后台规则处理,整体上呈现感知强、认知弱,缺
                能力,比如具有像人一样的手臂、健硕的下肢、灵                           乏 具 备 推 理 、判 断 和 策 略 生 成 能 力 的 智 能 体 系
                活的身体和聪明智慧的大脑,来替代人类艰苦、                            统,尤其在多源异构数据背景下,现有模型难以
                枯燥、危险的劳动和工作。北斗时空具身智能更                            实现语义理解、实时响应与动态更新,严重制约
                强调基于对地球不同尺度的物理空间对象的时                             智能化作业系统的普适部署。
                空特性与规律的认知施加以适当的行为操作和                                 3)执 行 环 节 脱 节 ,感 知 -决 策 -执 行 未 闭 环 。
                作业,在认知能力、行为水平、集成对象、机理发                           当前“北斗+遥感”系统多应用于监测或静态识
                现、层级跃升、未知探索、空间拓展等方面具备的                           别,尚未实现与无人机、无人车、农业机器人等实
                主要典型特征和潜在优势包括:                                   体智能装备的深度融合,缺少将数据理解转化为
                     1)通过天-空-地一体化传感器数据获取和分                       物理操作的具身智能体系,导致感知结果难以直
                析,实现毫米级精密定位、纳秒级精确定时、多维                           接指导执行,作业链条不闭环,响应效率与作业
                度精细定性、立体动态精准定量,形成对现实世                            精度均受影响。
                界时空特性的新的概念认知和行为方式,实现传                                4)缺乏系统演进能力,模型不具备自学习优
                统遥感专题图到成作业施工图,再到科技、生态、                           化特性。现有系统往往依赖静态规则与人工经
                社会、经济四大效益的两个层级的转变;                               验 构 建 模 型 ,缺 乏 动 态 反 馈 机 制 与 持 续 学 习 能
                     2)深化多源异构时空信息的加工分析和规                         力,难以适应不同区域、复杂环境或变化条件下
                律探索,从已有的根据预设的指令和规则解决问                            的运行需求。在复杂场景如农田异构地块、山地
                题的自动化智能跃升到主动学习具身智能的新                             地质灾害区或海洋复杂环境中,现有技术适应性
                阶段,实现人、机、物三体合一,甚至天人合一;                           差、推广性弱。
                     3)以最优化的方式集成多个领域知识和技                             北 斗 导 航 和 高 分 遥 感 融 合 核 心 技 术 包 括 :
                术的融合成果,深入揭示事物背后的物理时空机                           (1)北斗高精度时空信息与多模态环境感知的深
                理,形成全新数字世界观;                                     度融合;(2)多源异构数据(如卫星遥感、位置姿
                     4)依靠具备出众能力的 AI 认知和计算方法,                     态 、环 境 变 化 、任 务 状 态 等)的 时 空 耦 合 分 析 ;
                通过大量时空参数的动态输入和全局特性极限                            (3)地学知识驱动的全过程动态自主决策优化;
                逼近的计算,发现不同尺度的物理空间新的时空                           (4)复杂场景下自主行为的实时生成与自适应调
                法则、时空规律和时空交互作用机理;                                控。通过天-空-地一体化感知网络、云端协同计
                     5)通过发展新的 AI 与人类的共同思考的方                      算架构与智能体动态响应机制的有机结合,实现
                法和技术途径,发展新的函数来描述物理空间法                            了从大尺度环境认知到精细化操作执行的全流
                则,实现那些原本人类无法解决的问题,找到新                            程自动化,全面提升智能化水平。根据应用场景
                的解决之道;                                           的空间尺度与系统复杂性,北斗时空具身智能可
                     6)借助“具身”在时间、空间、特性等方面超                       划分为宏观-中观、近观-微观两级别的系统。
                出人类的能力极限的优势,通过“具身”的天人合                           1.2 北斗时空具身智能结构模型
                一、知行合一,帮助、替代甚至超越人类的认知,                               结合北斗导航与高分遥感集成融合,达到时
                向极宏观拓展、向极微观深入、向极端条件迈进,                           空认知能力和具身智能应具备的感知-认知-执
                不断突破人类认知边界。                                      行-学习特征,构建了北斗时空具身智能模型,如
                     北斗时空具身智能的研究中,北斗导航和高                         图 1 所示。参照人类智能的主要组成,可划分为
                分遥感融合需要重点解决以下问题:                                 五官感知、人脑认知、心脏动力泵、四肢执行、血
                     1)融合深度不足,协同水平有限。当前多数                        脉循环传递、行为场景操作反馈等六大部分。
               “北斗+遥感”应用仍停留在功能叠加与信息辅                                 1)五 官 感 知 :通 过 BDS、卫 星 遥 感 、航 空 遥
                助层面,缺乏系统化、闭环化的技术体系,例如,                           感、地面物联网等系统的星空地协同观测,实现
                北斗提供定位轨迹,遥感提供环境图像,二者之                            对地球系统环境及其变化的时间、空间等多维度
                间缺少统一的数据模型与智能决策机制,难以支                            的精准感知。
   3   4   5   6   7   8   9   10   11   12   13