图灵奖得主萨顿：具身智能走向交互学习时代
2024年图灵奖得主萨顿指出，具身智能应转向交互学习，通过试错不断迭代。模仿学习仅能实现冷启动，商业化必须依赖真实环境中的交互，触觉感知的重要性随之提升。技术突破需落地真实场景，才能释放价值。
“具身智能过去主要靠模仿人类来学习，但人工智能真正的核心，是学会如何学习新东西。所以具身智能必须通过交互学习，在试错中实现持续迭代。”2024年图灵奖得主理查德·萨顿在6月29日的一席话，直接点出了当前具身智能发展的关键分歧。
交互学习，简单来说就是让机器人与真实环境互动、收集反馈，再从中学习——核心就是强化学习。而现在主流的模仿学习，则更像是“照葫芦画瓢”，让机器人复刻人类动作。两者之间的差距有多大？一个经典案例就是AlphaGo：早期它钻研棋谱，走的是模仿学习路线；后来研究者给它输入规则，让它自己不断“下棋”，最终打败了人类顶尖选手。从学棋谱到学会下棋，这是本质的跃迁。
萨顿明确表示：“现阶段人工智能的聚光灯大多打在大语言模型上，但具身智能的发展光靠大模型远远不够，更关键的是要关注‘经验’。”他所说的“经验”，指的是机器人在真实世界中通过一次次试错收集到的反馈。而这些经验，只能通过交互学习来获取。
同样在现场交流的触觉感知公司他山科技CEO马扬、协作机器人企业节卡机器人副总裁许雄，以及中信证券投资副总裁黄耀庭，也都围绕交互学习的重要性分享了自己的判断。马扬的观点很直白：“模仿学习只能帮具身智能完成‘冷启动’，但要想走向商业化，必须靠交互学习。”
他举了个例子：目前绝大多数具身智能的演示场景，都是精心设定的“舒适区”，跟现实环境差距很大。靠模仿学习，机器人只能知道“这样做是对的”，却永远搞不懂“什么才是对的”——这恰恰是商业化落地最大的门槛。
交互学习的另一个关键转变，是训练数据的来源。马扬解释，它意味着逐步减少甚至不再依赖仿真模拟数据，转而让机器人在真实世界里“动手”收集数据。萨顿也补充道：“模拟器的自由度太低，它提供的数据复杂度远不及现实世界。光靠仿真数据训练，很难应对真实场景的随机性。”
萨顿甚至给出了一个颇具碘伏性的判断：“具身智能不需要老师，也不需要被训练；它需要的是主动在环境中探索、学习。”
那交互学习具体要依赖哪些感知能力？马扬透露，早期具身智能主要靠视觉模型训练；进入交互学习阶段后，触觉感知能力的重要性急速上升。“视觉是用来感知的数据，触觉才是用来交互的数据。”在他看来，触觉感知能提供主动安全策略、驱动机器人自主探索，甚至可以通过触觉定义事件。
随着近年具身智能被部署到实际应用场景，行业逐渐发现一个问题：光靠视觉、缺乏触觉，机器人在具体场景里根本“玩不转”。目前能够落地的具身智能，在执行层面只能完成基础工作，或者给已有的工业自动化系统增加一点柔性功能。节卡机器人副总裁许雄也强调，工业机器人对安全可靠性、交互性和学习能力的要求越来越高，而这些都离不开触觉感知。
马扬透露，从去年开始，行业已经开始探索在纯视觉方案中融入触觉感知。下游厂商对机器人触觉产品的需求暴增——它们不再仅仅把触觉当成“执行器”，而是视为“收集器”。作为“收集器”的触觉感知，更看重的是鲁棒性、稳定性、耐久性和分辨率，而不是单纯的感知精度。比如说，分辨率足够好的触觉感知，能帮机器人快速对数据进行分类，从而做出即时响应和调整。
最后，黄耀庭给出了一个务实建议：“实验室和数据采集中心不是具身智能的终点。企业必须找到真实、可规模化、有商业价值的场景，在场景应用中持续收集数据、迭代产品。”这番话提醒我们：技术突破很重要，但只有落地到真实场景中，交互学习的价值才能真正释放。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
Beamer 4是面向macOS的本地视频投屏工具，可将Mac中的影片投放到Apple TV、Chromecast及兼容设备，支持常见格式、多类字幕、环绕声、播放列表和电视遥控操作。
Boom 3D macOS版是一款系统级音效增强工具，可为音乐、电影、游戏和流媒体提供3D虚拟环绕声、31段均衡器、音量增强及应用独立音量控制，并支持本地播放器与多种音频输出设备。
Boris FX macOS版是一套面向剪辑、合成、调色及动态图形工作的专业后期工具，涵盖视觉特效、平面与三维跟踪、转描、画面修复、粒子动画和音频清理，可配合多种主流宿主软件使用。
Capto 是面向 macOS 的屏幕截图、高清录屏与媒体编辑工具，支持区域及整屏捕获、网页长截图、双音轨处理、图片和视频标注、素材分类与多渠道分享，适合教师、学生、内容创作者及需要制作演示教程的用户。
Cursor Crane 是一款仅面向 macOS 的键盘操控效率工具，可通过提示标签、网格、文字查找和窗口模式完成点击、滚动、定位与切换，并支持屏幕内容提取、脚本及工作流扩展。
Deep Freeze 冰点还原 macOS版通过冻结系统配置，让受保护的Mac在重新启动后回到预设状态，并提供解冻空间、维护计划、密码保护及Apple Remote Desktop管理能力。
Focusky macOS版是一款面向教学课件、商务汇报、产品展示和动画宣传内容的演示制作工具。它通过无限画布、路径编排、缩放旋转转场及多媒体编辑，将传统逐页幻灯片转化为更具空间感的动态演示。
Folder Colorizer 2 macOS版是一款直观的文件夹外观定制工具，可更换颜色，添加表情、贴纸及图片背景，并支持批量处理、智能推荐和恢复默认样式，帮助用户更快辨认工作、学习与生活资料。
AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端，适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端，并可同时接收和智能排列多个镜像会话。
AlwaysUp是一款面向Windows的系统服务注册与程序托管工具，可让普通应用、脚本及批处理在无人登录时随系统启动，并通过状态检测、异常重启、资源监控和邮件通知保障关键任务持续运行。
AnyDesk Windows版是一款轻量化远程桌面与技术支持工具，可用于控制异地电脑、传输文件、远程打印及无人值守访问。它兼顾连接响应、安全权限和部署灵活性，适合个人远程办公、企业设备维护与客服支持。
Boom 3D Windows版是一款面向音乐、电影和游戏场景的系统级音效增强工具，支持虚拟3D环绕声、31段均衡器、预设音效、应用音量控制及本地音乐播放，可配合耳机、扬声器和蓝牙耳机使用。
Boris FX Windows版是一套服务于影视剪辑、视觉特效、运动跟踪、转描、图像修饰及音频修复的专业创作工具集合，可作为插件接入多种主流后期宿主，也包含可独立运行的应用，适合剪辑师、特效师与内容创作者使用。
ChemDraw Windows版是一款面向化学研究、药物研发、材料科学和教学工作的专业结构绘图工具，可快速绘制分子、反应式及生物聚合物，并提供结构整理、格式转换、性质计算和科研文档协作能力。
CODESOFT Windows版是一套企业级条码与RFID标签设计打印工具，可连接Excel、Access、SQL及云端数据源，支持变量、表单、GS1条码、数据库记录和多种工业打印机，适合制造、仓储、物流及合规标识场景。
Deep Freeze 冰点还原 Windows版通过重启恢复技术保护系统盘及指定分区，自动撤销恶意程序、误操作和配置漂移造成的改动，并支持密码保护、解冻空间与多硬盘管理，适合学校机房、公共电脑、办公终端及家庭电脑使用。
EDIUS 11 Windows版是一款面向影视制作、广播电视、纪录片、短视频及教育机构的专业非线性编辑工具，支持4K/8K、多格式混编、HDR调色、字幕、音频处理和后台渲染，并提供素材管理及丰富的导出预设。
FastStone Capture Windows版是一款轻量级屏幕捕捉、录屏与图像编辑工具，可截取窗口、区域、菜单和滚动页面，并提供标注、模糊、取色、OCR、录音录像及多格式导出能力，适合办公说明、教程制作和问题反馈。
Focusky Windows版是一款动画演示与交互课件制作工具，通过无限画布、缩放旋转镜头、模板素材和对象动画组织内容，可导入PPTX，并输出视频、EXE、PDF、网页等格式，适用于课堂教学、微课、商务汇报及产品展示。