“簡單來說，目前做人形機器人，包括AI應用，只要把現(xiàn)有大模型的技術拿過來移植或者裁減一下，對人形機器人來說就已經(jīng)足夠了。”近日，宇樹科技創(chuàng)始人兼首席執(zhí)行官王興興日前對記者作出了如上判斷。

 

　　在他看來，人形機器人已經(jīng)經(jīng)歷了各種高校、科研院所幾十年的研發(fā)，過去有高潮也有低谷，但是隨著AI迭代速度越來越快，目前人類的控制技術已經(jīng)有希望駕馭人形機器人這么復雜的機器人形態(tài)，而今年AI的進展速度已經(jīng)遠超機器人所需的技術。

 

　　事實上，行業(yè)內(nèi)秉持著如此觀點的人并非少數(shù)。在8月18日下午舉辦的2023世界機器人大會-通用人形機器人技術與產(chǎn)業(yè)創(chuàng)新論壇上，中國科學院院士、清華大學交叉信息研究院院長姚期智在現(xiàn)場表示，ChatGPT的能力目前僅主要體現(xiàn)于對語言的處理之上，而如果未來真正讓通用人工智能發(fā)揮出它的價值，AGI一定需要有具身實體來和真實的物理世界相交互完成各種任務。而人形機器人就是具身智能落地的最理想形態(tài)之一。

 

　　硬件、算法與模型

 

　　在多位業(yè)內(nèi)專家看來，人形機器人基本上具備三個部分，第一部分是身體，第二部分是小腦，第三部分則是大腦。身體的具身必須要有足夠的硬件，例如傳感器和執(zhí)行器，小腦會主導視覺、觸覺各種感知來控制身體，完成復雜的任務，最后大腦主導上層的邏輯推理、決策、長時間的規(guī)劃，以及與其他的智能體和環(huán)境進行自然語言交流。

 

　　在身體形態(tài)方面，姚期智表示，由于人形能夠適應各種環(huán)境，同時人類社會環(huán)境主要是為人類而定制，例如樓梯的結(jié)構(gòu)、門把手的高度、被子的形狀等等，因此如果能夠打造一個有泛應用的通用機器人，人形是最合適的形態(tài)。

 

　　而在人形機器人小腦方面，姚期智指出，搭建在機器人實體上、扮演小腦角色的是一套機器人運動控制算法。上層是固態(tài)規(guī)劃層，下層則是基于動力學的實時全身運動控制，其可以計算發(fā)給電機關節(jié)精確的指令并搭配對應狀態(tài)的固定器。

 

　　但他同時表示，在構(gòu)建小腦的算法端上行業(yè)還未實現(xiàn)對于機器人的更好控制，因此行業(yè)也在利用人工智能、強化學習的方法研究靈活度更高的對應策略。

 

　　在這其中，運用強化學習框架的好處在于沒有了模型的限制，因此它在復雜與不確定的環(huán)境下能夠展現(xiàn)出更強的適應能力，同時它能夠利用人體運動實際的數(shù)據(jù)，給予深度學習更好的引導。

 

　　“通過強化學習，機器人能夠用自然的方式來模擬人態(tài)的行走，這樣也使它消耗更低的能耗，但強化學習應用的難題就是其所需要的樣本非常多，這也成為一直困擾著行業(yè)的一大挑戰(zhàn)。”姚期智說道。

 

　　因此，如何通過創(chuàng)新算法的架構(gòu)，實現(xiàn)更高效率的樣本學習能力是行業(yè)需要持續(xù)探索的方向。

 

　　此外，在姚期智看來，另一個困擾強化學習的難題則是人形機器人的泛化性，即系統(tǒng)對于這些任務及其環(huán)境中間的不確定性和干擾，能不能夠泛化的更好。

 

　　“谷歌日前推出的palm-e是行業(yè)非常重要的技術路線，但這一框架也存在著問題，即它的下一層不一定能夠很好執(zhí)行上一層的規(guī)劃，尤其是中間如果發(fā)生一些意外的干擾。而解決的方法在于首先需要像大語言模型一樣，給機器人描述一下他所需要的任務，機器人就按照這個任務來執(zhí)行，比如一個搬箱子的工作，它的右邊是一個攝像頭，在這里面它的視覺語言模型就通過這個視角，檢測是不是有意外發(fā)生，如果有的話怎么樣能夠糾正，看到這個箱子掉到地上，這個機器人能夠想出一個方法最后把它撿起來，最后能夠完成任務。”姚期智解釋稱。

 

　　工業(yè)與家庭場景落地

 

　　在世界機器人大會期間，人形機器人具體的落地場景。也成為了與會者密集討論的議題。

 

　　優(yōu)必選科技創(chuàng)始人周劍在論壇現(xiàn)場接受21世紀經(jīng)濟報道記者采訪時表示，在未來，人形機器人有兩個最為理想的落地場景：“首先是制造業(yè)場景的應用。我們看到當下所有的汽車生產(chǎn)線上的工業(yè)機械手臂還需要幾十萬生產(chǎn)線上的工人來操作，而人形機器人有望實現(xiàn)對他們的替代。其次，在生活環(huán)境中那些符合人體工程學的工作也適合人形機器人發(fā)揮作用，例如‘陪伴，工作、學習與生活’。”

 

　　而這就意味著，人形機器人未來必然走向“通用化”，那么為何在已經(jīng)存在一些標準化機器人的情況下，行業(yè)仍然需要通用機器人？

 

　　“這是技術走向更前瞻性、通用性的問題，行業(yè)希望有一種機器人在誕生后，可以完成所有任務。而不是每種工作都要去開發(fā)特定的機器人，因此目前通用人形機器人的形態(tài)是大家公認的最好形態(tài)。”一位業(yè)內(nèi)人士在現(xiàn)場對記者解釋稱。

 

　　但值得注意的是，在當下這個硬件和軟件等技術都邁向新臺階的關鍵節(jié)點，人形機器人技術實際上還面臨許多瓶頸。

 

　　追覓科技研究院負責人喻超接受21世紀經(jīng)濟報道記者采訪時指出，人形機器人行業(yè)公認的一個事實是，行業(yè)要向前發(fā)展，必先跨越“三座大山”，即：技術難度大，制造成本高昂，以及商業(yè)化難度高。

 

　　清華大學交叉信息研究院助理教授、星動紀元創(chuàng)始人陳建宇則在現(xiàn)場表示，對硬件來說，行業(yè)希望機器人同時兼顧力量、速度、精度以及成本，但是目前所有技術都無法同時兼顧這幾項，例如液壓的技術速度和力量都很強，但是它成本太貴。

 

　　而高減速比諧波技術，可能精度比較高，但是靈巧性又降低；而新的轉(zhuǎn)制期技術雖然成本比較低，但是卻犧牲了載荷和精度，因此現(xiàn)在還沒有一個能夠兼顧所有達到我們滿意的情況。

 

　　而在軟件方面，陳建宇表示，行業(yè)目前還無法很好兼顧其泛化性和控制任務操作的精巧性，“控制的算法以及強學習算法，我們可以做到比較精準的控制，但這基本上目前還是一個任務對應一個模型或者一個特別的算法，很難做到泛化。”

 

　　在他看來，現(xiàn)在行業(yè)能做的就是針對不同的應用場景，選擇不同的技術路線，來進行下一步的平衡。