一年一度的世界機(jī)器人大會是洞察機(jī)器人行業(yè)前沿的重要窗口。剛剛在京落下帷幕的2024世界機(jī)器人大會現(xiàn)場，被視為最適應(yīng)現(xiàn)實(shí)世界的人形機(jī)器人站上C位,，27臺整機(jī)同臺競技,，數(shù)量、水準(zhǔn)創(chuàng)歷屆之最,。
與往屆不同,，在大模型“催化”下，從AI點(diǎn)綴,、AI介入到AI驅(qū)動,，從鎖起來的展品，到動起來的產(chǎn)品,，再到加速量產(chǎn)的商品,，人形機(jī)器人正在經(jīng)歷由局部到整體的系統(tǒng)性進(jìn)化。
從單一靈巧到系統(tǒng)協(xié)調(diào)
對一款人形機(jī)器人說：“我想喝杯拿鐵,?！眱芍混`巧手的默契配合下，不一會兒,，一杯飄著香氣的咖啡就遞到眼前,；
對著另一款人形機(jī)器人“蓋博特”說一句：“蓋博特，幫我拿一把雨傘,?！苯拥街噶畹臋C(jī)器人伸出雙臂，立馬行動起來,。它面向眾多物品,，從中眼手協(xié)調(diào)地抓取出雨傘，贏得現(xiàn)場喝彩……
這屆大會,，人形機(jī)器人之間的比拼已不止于單點(diǎn)的技術(shù)突破,，以及單個“器官”技術(shù)參數(shù)之間的PK，而是“進(jìn)化”到不同器官之間的配合與協(xié)調(diào),。
“別看只是簡單的抓取,、歸置，這兩個動作背后包含了多種核心技術(shù),?！薄吧w博特”的研發(fā)方、北京銀河通用機(jī)器人有限公司聯(lián)合創(chuàng)始人姚騰洲向記者介紹,。
過去兩年,，單只靈巧手的核心技術(shù),，已逐步被多家企業(yè)掌握。例如,，最新發(fā)布的智元機(jī)器人已替下去年6個自由度的靈巧手,，換上19個自由度的升級版靈巧手。亮相本屆機(jī)器人大會的優(yōu)理奇人形機(jī)器人Martian,，單只靈巧手的自由度已達(dá)到23個,。
然而，如今人形機(jī)器人手部能力的“鍛造”,，已超越單個器官的靈巧,，轉(zhuǎn)向?yàn)榫植繀f(xié)調(diào)的迭代。左右手的協(xié)同配合,，一方面有賴于擁有像人一樣自由轉(zhuǎn)動的關(guān)節(jié),、更多的“自由度”，另一方面還需要多維度的環(huán)境感知,、更加精密的控制算法,。
“感知觸覺與視觸覺相結(jié)合的多觸覺傳感器，配合上持續(xù)優(yōu)化的控制算法,，能夠處理更廣泛的物體交互,。比如能實(shí)現(xiàn)左手捏住紐扣、右手拿針完成穿針引線這樣基于視觸覺位姿估計(jì)的精細(xì)操作,?！敝窃獧C(jī)器人聯(lián)合創(chuàng)始人兼首席技術(shù)官彭志輝說，當(dāng)機(jī)器人擁有了感知觸覺與視觸覺的能力,，它就可以做到對力的精準(zhǔn)定位與對力度大小的調(diào)節(jié)控制,。
“我們采用了立體視覺系統(tǒng)，形成了手眼伺服系統(tǒng),、控制系統(tǒng),、運(yùn)動系統(tǒng)，實(shí)現(xiàn)了人形機(jī)器人的‘眼到手到’,?！北本﹤ゾ爸悄芸萍加邢薰緞?chuàng)始人董霄劍說。
8月21日在2024世界機(jī)器人大會現(xiàn)場拍攝的人形機(jī)器人,。 新華社記者 任超 攝
一款多模態(tài)情感交互機(jī)器人向觀眾“眨眼”,?！⌒氯A社記者 陳鐘昊 攝
一款人形機(jī)器人在2024世界機(jī)器人大會展示炒菜?！⌒氯A社記者 張晨霖 攝
觀眾在2024世界機(jī)器人大會上參觀教育類機(jī)器人,?！⌒氯A社記者 李欣 攝
觀眾在2024世界機(jī)器人大會現(xiàn)場參觀機(jī)器人寫毛筆字?！⌒氯A社記者 張晨霖 攝
從AI“點(diǎn)綴”到AI驅(qū)動
人形機(jī)器人加速“進(jìn)化”,，背后離不開AI這個“驅(qū)動器”。
“人形機(jī)器人與人工智能的深度融合,，構(gòu)成今年機(jī)器人產(chǎn)業(yè)的顯著趨勢,。”優(yōu)理奇機(jī)器人科技公司創(chuàng)始人兼首席執(zhí)行官楊豐瑜做出判斷,。
早期的機(jī)器人僅能執(zhí)行特定環(huán)境的固定指令,。“過去,，機(jī)器人沒有自主的運(yùn)動控制能力,，只能在固定環(huán)境完成單一任務(wù)，換一個環(huán)境后就難以完成,?！北本┚呱碇悄軝C(jī)器人創(chuàng)新中心有限公司總經(jīng)理熊友軍說，由于傳統(tǒng)機(jī)器人基于Model-Based,，即以數(shù)學(xué)模型求解方程的方式訓(xùn)練機(jī)器完成任務(wù),，當(dāng)換一個陌生環(huán)境后，則需重新列方程,、解方程,，導(dǎo)致機(jī)器人的泛化能力很差。
如今AI驅(qū)動下,，“大腦”與“小腦”的升級,，牽引人形機(jī)器人不斷“進(jìn)化”。
大模型的一大功能,，首先體現(xiàn)在人形機(jī)器人“腦力”的升級,。熊友軍說，人形機(jī)器人的“大腦”以多模態(tài)大模型增強(qiáng)人機(jī)交互,，實(shí)現(xiàn)對人類意圖的理解,、對復(fù)雜外部環(huán)境的理解與認(rèn)知。
科大訊飛人形機(jī)器人首席科學(xué)家季超舉例說,，例如星火大模型在復(fù)雜任務(wù)拆解,、開放場景物體識別、多模態(tài)感知與理解等維度,，顯著提升了人形機(jī)器人的智能化水平,。
“大模型的思維鏈推理能力顯著提升了機(jī)器人對于復(fù)雜任務(wù)的理解能力，并提供了符合物理世界常識的任務(wù)拆解與規(guī)劃,。具身感知模型與具身決策模型的結(jié)合,，進(jìn)一步提升了機(jī)器人在真實(shí)場景下的多模態(tài)感知與理解能力,。”季超說,。
大模型的另一功能,，體現(xiàn)在人形機(jī)器人“小腦”的增強(qiáng)?！耙簿褪峭ㄟ^算法驅(qū)動人形機(jī)器人的運(yùn)動控制,，提升機(jī)器人的靈活性與協(xié)調(diào)性。全方位調(diào)動視覺算法,、運(yùn)動控制算法,、語音算法、基于狀態(tài)記憶的強(qiáng)化模仿學(xué)習(xí)算法,，實(shí)現(xiàn)對機(jī)器人的運(yùn)動控制,。”熊友軍說,。
大模型對機(jī)器人的賦能,，還體現(xiàn)在通用性與泛化性的提升。楊豐瑜說：“預(yù)訓(xùn)練大模型,，使用大量數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練,，能使機(jī)器人具備更強(qiáng)的學(xué)習(xí)能力。遷移學(xué)習(xí),，意味著大模型能將特定任務(wù)上的學(xué)習(xí)能力遷移到機(jī)器人任務(wù)上,，提高適應(yīng)性、泛化性,。另外是多模態(tài)學(xué)習(xí),，也就是結(jié)合視覺、聽覺,、觸覺等多種信號輸入,，提升機(jī)器人對復(fù)雜場景的感知與理解能力，學(xué)會‘舉一反三’,?！?/p>
今年以來，人工智能正深度滲透到人形機(jī)器人“進(jìn)化”的各個階段,?！耙皇歉兄到y(tǒng)，從基本的環(huán)境感知到復(fù)雜的多模態(tài)感知（視覺,、聽覺等）,。二是運(yùn)動控制，從站、走到跳,、跑，手部從簡單的抓取到完成復(fù)雜的精細(xì)操作,。三是智能決策,，從預(yù)定義行為到自主學(xué)習(xí)和決策。最后是交互能力,，機(jī)器人與人,、環(huán)境的互動，從單純接受指令,，到自然語言的理解,，再到情感識別?！睏钬S瑜介紹,，前兩者涉及機(jī)器人的“小腦”和“軀干”，后兩者則深入到機(jī)器人的“大腦”層面,。
大模型驅(qū)動下,，人形機(jī)器人的演進(jìn)路線什么樣？“最初是傳統(tǒng)自動化,，即人工編排下初步的感知,、執(zhí)行。這一階段的機(jī)器無法在不同場景下做遷移,，不具備泛化性,。第二階段是基于基礎(chǔ)模型的通用原子能力，也就是單個的任務(wù)編排,，部分實(shí)現(xiàn)特定任務(wù)的能力遷移,。第三階段是數(shù)據(jù)驅(qū)動下的端到端操作，逐步經(jīng)過認(rèn)知推理規(guī)劃大模型到端到端操作大模型的升級,，實(shí)現(xiàn)更強(qiáng)的跨任務(wù)泛化能力,。”彭志輝歸納,。
從產(chǎn)品迭代到量產(chǎn)提速
站在2024世界機(jī)器人大會展廳門口,，仿佛踏入一個未來世界——機(jī)器狗在行人的匆匆腳步間靈活避障、自由穿梭,，有的機(jī)器人作揖,、奔跑，有的機(jī)器人炫起球技,，有的忙于為參觀者準(zhǔn)備可樂,、冰激凌，還有機(jī)器人原地跳起“科目三”……場景的擴(kuò)容,，打開人形機(jī)器人新的可能,。
技術(shù)構(gòu)筑價值,，落地檢驗(yàn)價值。最近,，隨著多家國產(chǎn)人形機(jī)器人技術(shù)突破,、產(chǎn)品上新、場景刷新,，人形機(jī)器人正由小批量出貨加速叩開量產(chǎn)之門,。
幾天前，智元機(jī)器人剛剛給出量產(chǎn)出貨時間表：作為上海首座人形機(jī)器人量產(chǎn)工廠,，智元機(jī)器人一期工廠已完成產(chǎn)線建設(shè)和人員招募,，今年10月投產(chǎn)，計(jì)劃月產(chǎn)規(guī)模達(dá)到百臺以上,、今年出貨量達(dá)到300臺左右,。
隨著加速規(guī)模化量產(chǎn)成為多家企業(yè)的發(fā)力方向,，業(yè)內(nèi)正加速挖掘場景,，推進(jìn)大模型與具身智能的融合，以開源等方式完善產(chǎn)業(yè)鏈生態(tài),，強(qiáng)化成本控制,。
例如，北京具身智能機(jī)器人創(chuàng)新中心正吸納更多海內(nèi)外人才,，攻克全球人形機(jī)器人關(guān)鍵共性技術(shù)等問題,。科大訊飛通過“機(jī)器人超腦平臺”方案深度鏈接420家機(jī)器人企業(yè),、1.5萬名機(jī)器人開發(fā)者,，并與優(yōu)必選、智元機(jī)器人,、銀河通用,、人形機(jī)器人創(chuàng)新中心（上海）等企業(yè)、機(jī)構(gòu)探索多模態(tài)交互等方案的集成應(yīng)用,，協(xié)同推進(jìn)技術(shù)迭代下的商用落地,。
然而，人形機(jī)器人邁向量產(chǎn)的路上,，還有諸多問題待解,。
一個問題在于人形機(jī)器人的動作還不能像人類一樣迅速敏捷，“進(jìn)化”路上還存在運(yùn)動的時延問題,?！皶r延問題是一個系統(tǒng)性問題，需要操作系統(tǒng)、架構(gòu),、算力,、通信機(jī)制等方面的協(xié)同破解?！毙苡衍娬f,。
另一個問題在于人形機(jī)器人的能耗問題，尚未實(shí)現(xiàn)不間斷地為人類“出工”“出力”,。普通的人形機(jī)器人處于待機(jī)狀態(tài)可以維持5至8個小時，如果直立行走僅能維持2至3小時,。
“能耗問題,，與人形機(jī)器人的電池、電機(jī),、減速器,、重量等參數(shù)息息相關(guān)。如何在研發(fā)高能量密度電池的同時提升電機(jī)效率,、減輕重量以降低能耗,，是接下來需要解決的另一問題?！毙苡衍娬f,。
此外，想要讓人形機(jī)器人成為真正為人所用的商品,，還需不斷提高智能化程度,，提升它的“類人”水平。熊友軍認(rèn)為,，人形機(jī)器人第一個階段是“形式”類人：外形上長得像人,；第二階段是“行式”類人，行走,、行動類人,；第三階段則是“神式”類人，即通過具身智能大模型,，使人形機(jī)器人在理解,、表達(dá)、思考等方面向人類看齊,。
