2025年10月29日上午，中国科学院大学人工智能学院在玉泉路校区成功举办《强化学习赋能具身智能》科学前沿讲座。本次讲座特邀中国科学院自动化研究所赵冬斌研究员担任主讲嘉宾，系统阐述了强化学习的技术体系与发展脉络，并深入探讨了其在通用人工智能与具身智能领域的前沿应用与未来挑战。
讲座伊始，赵老师从人类与动物的学习行为切入，通过巴甫洛夫条件反射实验等经典案例，生动阐释了强化学习通过建立状态与最优动作映射关系的核心机理。他指出，强化学习作为一种序贯决策过程，其本质在于智能体通过与环境的持续交互，基于奖励信号不断优化策略，以实现长期累积回报最大化。这一特性使其在解决复杂决策问题时展现出独特优势。
在技术发展回顾环节，赵老师重点梳理了强化学习的里程碑进展。2016年AlphaGo在围棋领域的突破性成就，标志着深度强化学习在解决高维输入、复杂决策问题上实现了质的飞跃。他系统分析了强化学习的技术谱系，包括基于值函数的方法、基于策略的方法，并对比了在线学习与离线学习、同策略与异策略等关键范式的特点与应用场景。
随着大语言模型的快速发展，强化学习与LLM的深度融合成为新的研究热点。赵老师详细解读了强化学习在ChatGPT等大模型训练中的关键作用，特别是在基于人类反馈的强化学习（RLHF）及推理优化阶段的重要价值。他强调，通过强化学习进行后训练，不仅能显著提升大模型的推理能力，还能有效缓解"幻觉"问题，为模型的可信可靠提供技术保障。
在具身智能应用展望部分，赵老师指出，将具备"思维"的大模型与能够感知和操作物理世界的"身体"相结合，是实现通用人工智能的重要路径。他展示了研究团队在机器人协同任务、自动驾驶仿真平台、端到端驾驶决策模型等方面的创新成果，彰显了强化学习从虚拟环境到实体应用的强大迁移能力。
讲座最后，赵老师对强化学习的未来发展提出展望。他认为，强化学习将在推动专家系统与智能体协同发展、促进科学发现等方面持续发挥关键作用。在交流环节，赵老师与在场师生就技术细节和应用前景进行了深入探讨，现场学术氛围热烈。
本次讲座内容系统深入，案例丰富生动，既有理论高度又具实践价值，为同学们把握强化学习前沿动态提供了重要参考，也激发了大家对强化学习和具身智能未来发展的深入思考。
更多专家信息：
赵冬斌，博士，中国科学院自动化研究所研究员，中国科学院大学岗位教授，博士生导师，IEEE/CAA/AAIA Fellow。主要从事深度强化学习算法和理论，及在游戏博弈、智能驾驶和具身智能等领域应用的研究。负责国家自然科学基金重点项目和科技部重点研发项目课题等多项，获2022年北京自然科学二等奖等。在国际权威期刊会议上发表论文300余篇，包括IEEE TASE/TCDS/TETCI期刊年度唯一杰出论文奖、热点论文和ESI高被引论文等20余篇，得到Nature论文引用。任领域权威期刊IEEE TSMCS, TAI等编委，领域权威国际会议2022年IEEE COG大会主席等。
