简介
随着多模态大模型、智能体、机器人与空间计算加速融合，人机交互正从屏幕中的信息交换，迈向人与智能体在真实环境中共同感知、协同决策和联合行动的新阶段。具身智能不仅意味着智能体拥有多样化实体载体，更强调其能够理解人的意图并协同完成现实任务。在这一趋势下，人、智能体与环境共同构成动态耦合的协同交互系统。本论坛将围绕三个关键议题展开探讨：通过机器人和多终端智能设备（1）具身智能体如何更全面地感知人类与环境？（2）具身智能体如何更准确地理解人类意图？（3）具身智能体如何更好地与人协作并增强人的能力？论坛将汇聚产学研专家，分享最新成果与典型实践，共同探讨具身智能驱动下人机关系、交互方式与应用生态的未来演进。
简介为官网原文，部分内容可能未写完。
人员
主席
- 佟馨 · 香港科技大学（广州）
嘉宾
- 田丰 · 中科院软件所
- 王党校 · 北京航空航天大学
- 米海鹏 · 清华大学
- 张柳新 · 联想（北京）有限公司
- 陈震 · 享刻智能技术（北京）有限公司
- 范向民 · 北京中科睿医信息科技有限公司
- 王重阳 · 四川大学
- 张鑫磊 · 华为终端有限公司
- 赵凯星 · 西北工业大学
- 梁宸 · 香港科技大学（广州）
- 龚江涛 · 上海交通大学
- 卞玉龙 · 山东大学
报告安排
发展空间交互系统软件的一些思考
田丰 · 中科院软件所
简介
随着手机的创新逐渐放缓，面向空间交互的新一代计算形态正在形成。苹果、微软、Meta等公司均在尝试通过空间交互定义下一代计算形态，推出相应的空间交互终端和系统软件。但对标PC时代的图形用户界面、空间交互成果体系还有明显不足，面临着一些核心挑战。本报告将介绍报告人团队在这方面的研发思路和前沿探索。
具身智能的最后一毫米-机器人灵巧手触觉反馈遥操作的关键技术
王党校 · 北京航空航天大学
简介
现有人形机器人灵巧操作训练数据采集依赖用户的视觉反馈形成闭环，无法有效实现柔软易碎物品的安全操作。本报告将探讨基于全柔性、轻量化、多关节软体触觉手套的机器人灵巧手遥操作的关键技术，通过采集人体多模态信息驱动从端机械手动作同步复现，构建具有触觉感知反馈能力的人形机器人训练场，面对复杂形状、未知触觉属性、柔软易碎物体的灵巧安全作业，实现类人精细操作技能学习。
具身智能座舱交互：数据驱动、智能材料与协同设计
米海鹏 · 清华大学
简介
具身智能正推动人机交互从“功能响应”走向“主动协同”。在智能座舱场景中，如何将车内用户数据高效转化为可执行的个性化交互，并兼顾沉浸式体验和多角色协作，是核心挑战。 本报告将介绍我们在该方向的系统性探索：基于用户研究与设计工作坊，构建数据驱动的交互需求空间；开发AI辅助设计工具，实现交互逻辑的快速生成与闭环迭代；同时，将智能材料（如形状记忆合金、电致发光丝线）融入内饰，创造动态可感的交互体验，并发展了一套卡牌工具，支持设计师、工程师、产品经理和用户等多利益相关方的协同共创。以上工作已在CHI、DIS等会议发表，并形成多项POC原型。报告将讨论该框架在车载环境下的泛化潜力及其对具身交互设计范式的启示。
从类人记忆到具身智能：个性化认知与行动的探索
张柳新 · 联想（北京）有限公司
简介
具身智能（Embodied AI）正推动AI从数字空间的信息处理走向真实环境中的持续感知、情境理解与自主行动。如何将交互经历沉淀为长期经验，以支持当下的理解与后续的推理和决策，是值得探讨的研究问题。当前大模型与Agent在长期经历的系统建模方面仍存在不足，类人记忆为探索这一问题提供了新的视角。本报告将介绍我们提出的 HIPPO（Human-Inspired Personalization Planner & Orchestrator），一个受人类记忆机制启发的个性化智能框架。HIPPO借鉴认知科学关于情景记忆（Episodic Memory）、语义记忆（Semantic Memory）和程序性记忆（Procedural Memory）的研究成果，将第一视角视频、屏幕行为、环境感知等多模态数据转化为结构化AI记忆。报告将重点阐述如何通过事件中心记忆图谱（Event-Centric Memory Graph）组织跨设备、跨场景、跨时间的经历，实现记忆关联与知识抽象，并从中提炼用户画像、偏好和思维模式，构建面向个人的认知模型，推动AI从 “Know What I Know（知道我知道什么）”，逐步发展到 “Think What I Would Think（像我一样思考）”，并进一步迈向 “Do What I Would Do（像我一样行动）”。在此基础上，我们期待与具身智能领域的研究者共同探讨：上述类人记忆机制如何与真实环境中的持续感知和人机交互相结合，在具身交互场景中有哪些应用可能，又面临哪些研究挑战。
从操控到协同：具身智能时代商业服务场景人机交互产品化实践
陈震 · 享刻智能技术（北京）有限公司
简介
当大模型与多模态感知推开具身智能的大门，人机交互的重心正从“人操控机器”的单向交互，转向“人机环境任务”持续耦合的协同闭环。本报告以享刻智能在商业服务场景的三年落地实践为线索，结合讲者从 vSLAM 消费级感知、百万台级家用移动机器人到具身操作机器人（LAVA厨房机器人工作站、Nico 跨场景人形机器人）的技术—产业迭代路径，讨论三个问题：其一，交互如何下沉为协同——在厨房高动态、强约束环境中，视觉—力控—语言多模态感知如何将工艺转为可复用的机器人任务链，把厨师、店员纳入人机分工而非替代叙事；其二，场景如何反向定义技术——为何选择餐饮后厨这一“非结构化但可标准化”的典型场景，作为具身协同的首批商业闭环，而非先造通用人形再找场景；其三，协同如何被规模化验证——从单臂操作、双机接力（后厨制餐—前厅送餐）到“机器人+智能体”软硬一体方案，如何通过食品经营许可、连锁门店 SOP 与海外百台级交付，把HRI 推进为可追踪、可运维的商用系统。具身智能时代的人机交互，不在屏幕上，而在物理任务的切分与接续里；真正的协同，是让机器承接“脏重险”的子任务，把人留在判断、创意与服务温度中。