能以类人方式学习日常任务的机器人任务AI
一种能够像人类一样学习并执行日常重复任务的机器人任务人工智能系统已经被开发出来。该系统通过人类示范获取任务知识，并基于分层任务执行框架，将复杂任务拆解为多个步骤逐一完成。研究人员预计，这项技术将推动劳动密集型重复工作的自动化，减轻家庭、办公室以及零售和物流场景中的人力负担。
由KIMM团队开发的日常任务机器人智能
这项技术由人工智能机器人研究所（KIMM）AI机械部门负责人金正中博士带领的团队研发。团队构建的机器人任务AI，能够执行整理物品、清理桌面、操作各类物体等日常活动，为服务型机器人提供通用任务能力基础。
三大核心技术构成完整任务链路
该系统主要由三项关键技术组成：
- 任务提取技术：将人类示范过程转化为可用于学习的任务数据，使机器人能够理解“要做什么”和“如何做”。
- 任务虚拟化（仿真）技术：在虚拟空间中重建真实环境，用于任务训练和性能验证，降低在真实环境中反复试验的成本和风险。
- 分层任务执行人工智能：将复杂任务拆分为有序的子任务，按层级和顺序系统地执行，从而实现稳定的任务完成能力。
类人学习与分层推理执行
该机器人任务AI被设计为以接近人类的方式学习和执行任务。系统通过观察人类示范掌握任务流程，再利用分层推理与执行机制完成整个任务链。
借助虚拟化环境，研究人员可以在多种条件下生成训练数据并进行验证，使机器人在环境发生变化时仍能保持较为稳定的表现。通过分层任务执行结构，复杂的日常活动被拆解为连续的小步骤，机器人可以按顺序、系统化地完成。
从数据集到真实机器人的一体化验证
传统的机器人任务技术往往局限于单一任务数据集，或只在仿真环境中进行验证。与之相比，KIMM团队开发的技术覆盖了完整的开发流程：
- 构建涵盖多种日常任务的数据集；
- 将真实环境虚拟化，用于训练和测试；
- 设计分层任务执行AI；
- 将系统集成到真实机器人平台，并在实际环境中进行验证。
研究团队实现了可可靠处理多类型任务的分层执行技术，在多种任务场景中成功率超过 90%。该系统已部署到真实机器人上并在现实环境中测试，验证了其实用性。凭借对重复任务的强泛化能力以及对环境变化的适应性，这项技术具备向多种实际应用场景扩展的潜力。
面向家庭、办公室与服务业的广泛应用
开发出的机器人任务AI可应用于：
- 家庭和办公室中的服务任务，如整理、清洁等；
- 零售门店的商品摆放与补货；
- 物流场景中的拣选、分拣和整理工作等。
研究团队计划进一步扩展机器人可执行任务的种类，并提升其对空间布局变化和物体多样性的适应能力，以增强在真实服务环境中的可用性。
研究团队观点：通用任务能力与数据采集是关键
KIMM AI机械部门负责人金正中博士表示，这一机器人任务AI通过示范学习并采用分层推理执行任务，方式类似人类，其核心优势在于具备覆盖多种日常活动的通用任务能力。
他指出，通过构建多样化任务数据集、搭建验证环境，并在真实机器人系统上进行验证，团队确认机器人能够稳定地承担重复性日常工作。这项技术有望显著提升工作效率，同时减轻人们在日常任务上的负担。
首席研究员高斗烈补充，在数据采集阶段准确记录真实人类任务行为，对提升机器人任务AI性能至关重要。为此，团队开发了一套数据采集界面，在保证人类示范动作高度自由的前提下，仍能精确记录任务数据。
RoGeTA框架项目与未来开放资源
本研究属于KIMM机构研究项目“面向多样日常服务的 RoGeTA 框架（机器人通用任务人工智能）核心技术开发（2024–2029）”的一部分。
该项目目标是构建支持多种日常任务的机器人智能技术体系，覆盖从任务数据集构建、真实世界虚拟化到真实环境验证的完整开发周期。研究团队还计划对外公开所采集的任务数据集以及真实环境的虚拟化模型，供其他研究人员自由使用，为未来服务机器人和工业应用提供基础资源。
