廣東
具身賽道迎來因果推理方向的學術明星。
作者丨張 賢
編輯丨高景輝
AI科技評論獨家獲悉，CMU博士、UCSD助理教授黃碧薇（Biwei Huang）已正式創業成立公司——上海原識之智科技有限公司，切入具身智能基礎層相關的因果推理方向。（本文作者長期關注機器人&具身智能賽道，添加微信交流：zhangxian2021）
01
黃碧薇是誰？
公開信息顯示，黃碧薇于2022年在卡內基梅隆大學（CMU）獲得博士學位，主要研究包括因果發現與推斷、因果賦能的機器學習/人工智能和基礎模型、白盒邏輯學習模型、圖形用戶界面代理、世界模型和 VLA 模型等方向。
黃碧薇師從美國卡內基梅隆大學以及阿聯酋 MBZUAI 的張坤教授與Clark Glymour教授，目前在UCSD（加州大學圣地亞哥分校）擔任助理教授，在HDSI（Hal?c?o?lu數據科學研究所）從事研究工作。
黃碧薇是因果推理領域的知名學者，2021年入選蘋果學者（Apple Scholars）。2025年7月，其團隊還推出了自主因果分析智能體Causal-Copilot，集成了20余種先進因果算法，在部分基準上優于GPT-4o。
02
為什么是"因果推理"？
當下的行業現狀是，大語言模型在符號世界中游刃有余，而機器人卻仍在"相關性"層面打轉，無法真正理解"為什么"。數據分布一旦發生變化，模型就傻了。
例如，讓分揀機器人學會將"紅色方形物體→放左邊箱子"，靠的是訓練數據中紅色方形恰好是要分類的物品——但它完全不理解"形狀"和"顏色"哪個才是真正影響分揀的因果特征，一旦換成藍色方形可能會徹底懵掉——這些問題背后都指向同一個原因：缺乏因果推理能力。
具體來說，具身智能面臨的因果推理挑戰集中在三個層面：
其一，時序數據的因果發現問題。 從一串連續變化的數據——機器人運動軌跡、物體運動狀態、傳感器時序信號中，自動找出變量之間是誰影響誰，從而掌握變量之間的因果關系。
其二，非穩態下的因果學習問題。比如在物理環境數據分布發生變化時，如光照、物理形變、場景、摩擦力等條件發生變化時，依然能找到變量之間的因果關系。
其三，可遷移、可泛化的因果機制。 一個在實驗室環境訓練的機器人，能否將在"桌面抓取"任務上學到的因果關系，遷移到"廚房操作"？跨任務、跨場景的因果知識遷移，是具身智能從"特種兵"走向通用化的關鍵臺階。
目前，業界已逐漸形成共識：能否實現物理因果推理，是具身智能發展的關鍵分水嶺。 而黃碧薇在因果推理領域的長期學術積累，恰好為這一技術方向提供了扎實的學術支撐。
據了解，目前原識之智項目已獲順為資本的早期投資，AI 科技評論將進一步關注該項目的最新進展。（更多具身智能行業信息，歡迎添加編輯微信 Ariadusty 互通有無）
未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！
公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
