1950年，科學家圖靈在其論文《計算機器與智能》中提出了著名的圖靈測試，用以評估機器是否能夠展現出與人類相似的智能行為。這一理念，可以視為具身智能最早的起源之一。

具身智能是依靠物理實體通過與環境交互來實現智能增長的智能系統。“具身”是前提，即具有身體且能通過交互、感知、行動等能力來執行任務；“智能”是核心，將人工智能技術嵌入物理實體如機器人身上，可顯著提升對環境的感知、交互和任務執行能力。

【大腦】負責理解任務、感知外部環境、結合感知信息對任務進行分解，并做出執行策略。

感知：具身智能可以感知并理解周圍環境，在物理環境中執行具體任務。感知是具身智能交互世界的窗口，通過環境傳感器（如視覺、聽覺、觸覺、溫度、濕度傳感器等）、運動傳感器（如力傳感器、IMU 等）收集環境與自身狀態信息，作為決策環節的依據。

決策：根據感知的信息以及任務目標，對自身行為進行決策，并向控制模塊發出指令。該環節以中央計算單元與多模態決策算法為核心。

控制：將決策指令轉化為實際操作，實現與物理世界的互動。為確保指令在微操作或高速運動場景中的準確執行，該環節需要具備高精度控制能力，同時與感知模塊緊密協作，在閉環控制下實現實時調整。

【身體】負責行動，包含機器人的物理結構和執行器，它根據小腦層的運動規劃，實際操作機器人的各個關節和組件，完成既定的任務。

得益于多模態大模型技術的進展，【大腦】領域的技術已經發展得非常成熟，不太存在數據匱乏的問題；而【小腦】，則是目前具身智能的主要技術瓶頸。

拓斯達通過運動控制作為切口布局具身智能，推出“感-算-控”一體化的新一代X5機器人控制平臺并實現工業場景的應用。該平臺將作為運動控制物理引擎接入AI仿真系統，發揮著類似人體“小腦及脊椎”的紐帶作用，加速具身智能技術在工業場景中的應用。

在技術架構層面，新一代X5機器人控制平臺采用靈活的云邊端架構，根據不同的算力需求，將具身智能大模型劃分為云側、邊側和端側三種部署方式，實現具身智能大模型在多樣化應用場景的精準適配。

云側部署優化對大規模數據處理和復雜計算任務的能力，適合于需要集中處理和存儲大量數據的場景，例如AIGC大模型與語言大模型的應用。邊側部署則強化了對實時性和低延遲的要求，適用于對響應速度敏感的工業自動化和物聯網應用，例如更加泛化的圖像識別功能。而端側部署則專注于提供高效的本地處理能力，尤其適合于對實時性和安全性有較高要求的場合，為機器人更加高精度的運動控制和感知提供實時性保障，例如實時環境感知能力與智能避障功能。

接口層面，支持Python、C++、C#等IT領域常用的開發語言框架，已開放超過400個功能接口，并提供自由協議、SDK等多種通訊協議，打通具身智能大模型與機器人之間的數據隔閡，實現大模型與控制器之間的順暢數據交互。

新一代X5機器人控制平臺作為拓斯達的自主研發成果，涵蓋從底層硬件到上層控制軟件及核心算法的全方位技術鏈條。

軟件層面：可依據具身智能大模型的訓練所需數據類型要求，提供優質數據以支持模型訓練，優化具身智能大模型的質量。

硬件層面：結合國產操作系統，不同的具身智能應用場景可以靈活地選擇搭配算力芯片和硬件方案，實現高效且多樣化的部署策略。

“自動化工廠”早已屢見不鮮，但是能根據實時數據和環境變化做出智能決策和優化調整的“智能化工廠”仍在發展中。

工業場景下，具身智能技術在規范性和成熟度上具備更加顯著的優勢。具身智能在工業領域的應用使得工業機器人等完成從“能干活”到“會干活”的轉變，能夠極大提升工業生產的效率，以此來為工業制造的智能化升級提供強大支持，將使得工業制造過程更加靈活、高效、智能。

展望未來，拓斯達將繼續依托底層控制技術，以機器人智能控制平臺作為智能中樞，發揮其紐帶作用，推進具身智能技術在實際場景中的應用，促進人工智能與工業場景的深度融合。