人工智能大模型的火熱，也催熱了人形機(jī)器人。

“簡單來說，目前做人形機(jī)器人，包括AI應(yīng)用，只要把現(xiàn)有大模型的技術(shù)拿過來移植或者裁減一下，對(duì)人形機(jī)器人來說就已經(jīng)足夠了?！苯眨顦淇萍紕?chuàng)始人兼首席執(zhí)行官王興興日前對(duì)記者作出了如上判斷。

在他看來，人形機(jī)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(shù)已經(jīng)有希望駕馭人形機(jī)器人這么復(fù)雜的機(jī)器人形態(tài)，而今年AI的進(jìn)展速度已經(jīng)遠(yuǎn)超機(jī)器人所需的技術(shù)。

(相關(guān)資料圖)

事實(shí)上，行業(yè)內(nèi)秉持著如此觀點(diǎn)的人并非少數(shù)。在8月18日下午舉辦的2023世界機(jī)器人大會(huì)-通用人形機(jī)器人技術(shù)與產(chǎn)業(yè)創(chuàng)新論壇上，中國科學(xué)院院士、清華大學(xué)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(duì)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(jià)值，AGI一定需要有具身實(shí)體來和真實(shí)的物理世界相交互完成各種任務(wù)。而人形機(jī)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(jī)器人基本上具備三個(gè)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(huì)主導(dǎo)視覺、觸覺各種感知來控制身體，完成復(fù)雜的任務(wù)，最后大腦主導(dǎo)上層的邏輯推理、決策、長時(shí)間的規(guī)劃，以及與其他的智能體和環(huán)境進(jìn)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(yīng)各種環(huán)境，同時(shí)人類社會(huì)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(gè)有泛應(yīng)用的通用機(jī)器人，人形是最合適的形態(tài)。

而在人形機(jī)器人小腦方面，姚期智指出，搭建在機(jī)器人實(shí)體上、扮演小腦角色的是一套機(jī)器人運(yùn)動(dòng)控制算法。上層是固態(tài)規(guī)劃層，下層則是基于動(dòng)力學(xué)的實(shí)時(shí)全身運(yùn)動(dòng)控制，其可以計(jì)算發(fā)給電機(jī)關(guān)節(jié)精確的指令并搭配對(duì)應(yīng)狀態(tài)的固定器。

但他同時(shí)表示，在構(gòu)建小腦的算法端上行業(yè)還未實(shí)現(xiàn)對(duì)于機(jī)器人的更好控制，因此行業(yè)也在利用人工智能、強(qiáng)化學(xué)習(xí)的方法研究靈活度更高的對(duì)應(yīng)策略。

在這其中，運(yùn)用強(qiáng)化學(xué)習(xí)框架的好處在于沒有了模型的限制，因此它在復(fù)雜與不確定的環(huán)境下能夠展現(xiàn)出更強(qiáng)的適應(yīng)能力，同時(shí)它能夠利用人體運(yùn)動(dòng)實(shí)際的數(shù)據(jù)，給予深度學(xué)習(xí)更好的引導(dǎo)。

“通過強(qiáng)化學(xué)習(xí)，機(jī)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(qiáng)化學(xué)習(xí)應(yīng)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)?！币ζ谥钦f道。

因此，如何通過創(chuàng)新算法的架構(gòu)，實(shí)現(xiàn)更高效率的樣本學(xué)習(xí)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(gè)困擾強(qiáng)化學(xué)習(xí)的難題則是人形機(jī)器人的泛化性，即系統(tǒng)對(duì)于這些任務(wù)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(shù)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(jī)器人描述一下他所需要的任務(wù)，機(jī)器人就按照這個(gè)任務(wù)來執(zhí)行，比如一個(gè)搬箱子的工作，它的右邊是一個(gè)攝像頭，在這里面它的視覺語言模型就通過這個(gè)視角，檢測(cè)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(gè)箱子掉到地上，這個(gè)機(jī)器人能夠想出一個(gè)方法最后把它撿起來，最后能夠完成任務(wù)?！币ζ谥墙忉尫Q。

工業(yè)與家庭場景落地

在世界機(jī)器人大會(huì)期間，人形機(jī)器人具體的落地場景。也成為了與會(huì)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(jì)經(jīng)濟(jì)報(bào)道記者采訪時(shí)表示，在未來，人形機(jī)器人有兩個(gè)最為理想的落地場景：“首先是制造業(yè)場景的應(yīng)用。我們看到當(dāng)下所有的汽車生產(chǎn)線上的工業(yè)機(jī)械手臂還需要幾十萬生產(chǎn)線上的工人來操作，而人形機(jī)器人有望實(shí)現(xiàn)對(duì)他們的替代。其次，在生活環(huán)境中那些符合人體工程學(xué)的工作也適合人形機(jī)器人發(fā)揮作用，例如‘陪伴，工作、學(xué)習(xí)與生活’?！?/p>

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

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

但值得注意的是，在當(dāng)下這個(gè)硬件和軟件等技術(shù)都邁向新臺(tái)階的關(guān)鍵節(jié)點(diǎn)，人形機(jī)器人技術(shù)實(shí)際上還面臨許多瓶頸。

追覓科技研究院負(fù)責(zé)人喻超接受21世紀(jì)經(jīng)濟(jì)報(bào)道記者采訪時(shí)指出，人形機(jī)器人行業(yè)公認(rèn)的一個(gè)事實(shí)是，行業(yè)要向前發(fā)展，必先跨越“三座大山”，即：技術(shù)難度大，制造成本高昂，以及商業(yè)化難度高。

清華大學(xué)交叉信息研究院助理教授、星動(dòng)紀(jì)元?jiǎng)?chuàng)始人陳建宇則在現(xiàn)場表示，對(duì)硬件來說，行業(yè)希望機(jī)器人同時(shí)兼顧力量、速度、精度以及成本，但是目前所有技術(shù)都無法同時(shí)兼顧這幾項(xiàng)，例如液壓的技術(shù)速度和力量都很強(qiáng)，但是它成本太貴。

而高減速比諧波技術(shù)，可能精度比較高，但是靈巧性又降低；而新的轉(zhuǎn)制期技術(shù)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(gè)能夠兼顧所有達(dá)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(wù)操作的精巧性，“控制的算法以及強(qiáng)學(xué)習(xí)算法，我們可以做到比較精準(zhǔn)的控制，但這基本上目前還是一個(gè)任務(wù)對(duì)應(yīng)一個(gè)模型或者一個(gè)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(duì)不同的應(yīng)用場景，選擇不同的技術(shù)路線，來進(jìn)行下一步的平衡。

（編輯：陶力）