人形机器人突进与阻力的较量
导语：“人形机器人”，如今在外界眼中，简直是“冬天里的一把火”。暴雪加寒潮，是这几天的天气特色，而人形机器人概念股，却火热得很。 寒潮天气来临前，人形机器人的专属新政出炉了。11月2日，工信部印发了《人形机器人创新发展指导意见》（下称“意见”）。 意见描绘出人形机器人的可期前景，甚至给出了确切的时间表。意见提出，到2025年，人形机器人创新体系初步建立，并实现批量生产；到2027年，综合实力达到世界先进水平。 人形机器人的赛道，如今热闹喧嚣了很多。但在外界眼中，那群长期探索中的知名从业者们，他们浸淫多年的感知和逻辑，却依然影影绰绰，犹如迷雾一般。 源于此，笔者将两个多月前的世界机器会期间，智创未来人形机器人技术与产业发展论坛上，专家、学者以及企业家等的演讲以及对话等内容进行编辑，梳理出赛道内权威人士的所做所思所想，以供参考。 01 未来最大变量？ 黄晓庆缔造达闼科技已有8年之久，他有一个深切感知——“机器人为什么必须是人形”，是机器人行业一直争论的问题。 黄晓庆是达闼科技创始人兼CEO、中国云计算专委会副主任。他喜欢从过往找答案。 一百多年前，福特梦想造一辆“不用马的马车”，从model A一直制造到model T，世界汽车工业也由此开始。 人形机器人诞生至今，也已走过上百年的漫长岁月。演变期间，有潮涨潮落，但从未止息。 黄晓庆看到，日本自1973年造出第一台人形机器人后，研究从未中断，即使在“福岛事件”后进入低潮期，也并未停止；另一个“工业强国”德国，也同样对人形机器人的研究孜孜以求。 “人形机器人，将是未来人机共存的第一选择。”黄晓庆判断。他认为，机器人的发展演进，与AI发展从专用小模型到通用大模型的转变类似，路径是从专用机器人到通用机器人。这一前提下，人形机器人同时具备：自动适应人类环境、使用人类工具、进行自然语言交互三个特点。 姚期智是2000年图灵奖获得者、中国科学院院士、清华大学交叉信息研究院院长。他最近在思考：人工智能的下一步是什么？ “未来的AGI（通用人工智能），需要有具身的实体。”姚期智思考过后得出结论。 姚期智说，人类本身，是世界上相当理想的一个具身智能体，其基本具备三个成分，即身体、小脑和大脑。其中身体的部分，应该就是人形机器人。 丹尼斯·洪（Dennis Hong）是美国加州大学洛杉矶分校教授、RoMeLa实验室创始人，他从小就痴迷机器人，长大后延续了小时候的梦想。 丹尼斯·洪还是小孩时，就梦想和机器人一起生活。他发现，家庭环境是为人设计的，比如楼梯、门把手等都是由人来使用，因此他认为，机器人最好是人形的。“过去二十年当中，我们都专注于人形机器人的研究。”丹尼斯·洪说。 马克·雷伯特（Marc Raibert）是美国波士顿动力公司创始人兼首席执行官，他是有名的长期主义者。他认为，机器人人工智能，由运动智能和认知智能两部分组成。认知智能是人类头脑思考中的意象。运动智能涉及如何使用自己的身体。 马克·雷伯特发现，人类拥有非常高超的运动智能，哪怕仅仅几岁的孩童，也具备这一智能。于是，他试图赋予机器人运动智能。 宇树科技创始人兼首席执行官王兴兴坦言，“前几年，我个人有点悲观，我甚至觉得世界科技已经停滞，红利殆尽”，然而从去年底开始，他重新燃起了斗志。 这源自于通用性AI进展，远超他个人预期，他感受到，目前通用人形机器人需要的AI，已经慢慢趋于成熟。去年底，他们立项做通用人形机器人。 “未来五到十年间，新工业、新经济增长，都会诞生，”王兴兴说。 王兴兴认为，人形机器人与通用AI结合，是未来整个人类科技和经济增长最大的变量。 02 坚守者的野望 周剑称，很多年前他就提及，人类需要人形机器人来赋能生活。 周剑是优必选科技创始人、董事长兼首席执行官，优必选则是他缔造的一家人形机器人公司，在该领域沉浸已有11个年头。 在周剑看来，人形机器人并不缺应用场景。 在工业场景当中，他看到，如今几乎所有的汽车生产线，ABB、库卡用工业机械手臂到最后汽车组装线，集体上阵的情况下，现场依然有大量工人。很多头部企业拥有几十万规模的生产线工人。这个未来可以由人形机器人去替代。 “人形机器人和传统智能化的设备去协作作业，用来解决复杂场景的柔性无人化的工厂，这才是未来机器人或者汽车智慧的超级无人工厂。”周剑说。 未来市场空间到底有多大？周剑预估称，目前一个拥有50万工人的汽车工厂，如果能节省10%的工人数量，就是5万人，按每人节省6、7万美金来算，这意味着，一个To B的工厂可能有几十亿美金的市场。 在生活场景当中，这里到处都要符合工程学，人形机器人尤其适合，在这一环境里陪伴人类，一起工作、学习、生活。 尤其是AI大模型的不断发展之下，不同的大学、科研机构、公司，都用AI大模型，让梦想不断照进现实。 王兴兴认为，去年开始，人形机器人越来越火热，这与马斯克的身体力行脱不开关系，国内资本层面也与国外进行了对标。过去该领域与低谷，已循环了很多个周期。“很难想象，十年前，AI是个冷门行业，如果不是去年生成式AI出现爆发性增长，可能AI又进入一个新低谷时期，但是，现在整个AI迭代速度已越来越快。” 马克·雷伯特和其团队的研究，可以追溯到15年前，他们开发了各种各样的机器人，比如大狗机器人、野猫机器人、spot机器人、物流机器人stretch、人形机器人Atlas等等。 马克·雷伯特将三个机器人，代表了波士顿动力公司的今天、明天和未来。其中正在开发的人形机器人Atlas代表未来。spot机器人和物流机器人stretch则分别代表今天、明天。 “人形机器人Atlas，我们管它叫未来机器人，因为目前它还算不上真正意义的机器人，”马克·雷伯特说。 Atlas机器人有一个机载的计算机，还附有电池，四肢上大概有28个不同的传感器或者一个视觉系统，可以帮助它看到前方的地形。马克·雷伯特透露，最近他们正在研究Atlas的移动操控能力。 马克·雷伯特认为，硬件工程，对于未来的机器人技术非常重要，它和软件同等重要。“有人认为，软件可以克服硬件上的所有问题和限制，但我个人并不赞同。我认为，只有最好的硬件设计师和软件设计师倾力合作，才能够设计出世界上最好的机器人。” 除了运动智能，认知智能也同等重要。马克·雷伯特表示，他们创立了一个新的机构叫人工智能研究院，在现代集团的支持下，该院致力于具有运动智能和认知智能的智慧机器人。 丹尼斯·洪则讲述了“ARTEMIS”人形机器人研发过程的波折。它花了团队6年时间研发出来。2018年，它仅仅是停留在纸面上的一个简单草图。2019年，众筹到12万美金开始启动。2020年疫情来袭，项目刚起步，实验室却关闭。“但是我们没有就此止步，在家里继续研究，在寝室、卧室里，开着线上会议……”丹尼斯·洪回忆称。 丹尼斯·洪进一步回忆说，“2021年1月，动态评估期；2月，第一次让它站起来，好像不太成功；3月，第一次开始让它做平衡工作，做推、拉，让它地面开始震颤，进行站稳、平衡等各种实验……2022年10月，它第一次稳定地走路，这是一个非常重大的成功；12月，第一次出现严重的故障，这对于通过力控制的机器人，如果有问题就会失去平衡，几乎是自我摧毁，当时给我们很大的打击，后续给样机修理，花了很长时间。” 今年3月，“ARTEMIS”人形机器人正式发布，其特点就是，在极度的踢打测试中仍能保持平稳，奔跑速度达到2.1米/秒。它可以踢足球，还参加了2023年机器人世界杯足球赛。丹尼斯·洪说，比赛结束后，他发现比尔·盖茨关注了他。 03 突进与阻力的较量 近年来，出现众多知名厂商放弃，或暂停多年研发成果的现象。比如，去年3月，本田Asimo正式宣布退役，其经历14年的技术攻关后才诞生，之后的命运却是，诞生12年、经历七次迭代，最终结束生命周期。那之前，软银Pepper机器人于2021年已经停产，只存活了6年。 究其原因，“先烈们”折在了两点上，一个是功能未达客户可以买单的要求，二则是成本过高。 早年间，最基本的一体化关节，都要成立专门的公司，但近年来，智能制造以及工业机器人的长足发展，使得上下游产业链极大拉通，用产量来降低成本，正在照进现实。 除此之外，ChatGPT引发的生成式AI热潮，也为其打开了一扇新大门。 王兴兴是新进者，他看到，现有大模型技术可以直接拿来用，或移植，或裁剪，对于人形机器人来说，只要一个小模型或中等模型，就足够了。 日本大阪大学教授Hiroshi Ishiguro，对未来的一个畅想是，人类会使用各种不同的机器人以及替身，帮助展开各种活动。这意味着，人类想要发展人类与机器人共生的社会，而不是发展仅仅由机器人支持的社会。 启动交互式机器人项目20多年来，Hiroshi Ishiguro制造了许多的机器人、类人机器人、替身以及计算机图形替身。 Hiroshi Ishiguro的感受是，得益于大语言模型的问世，他们可以重点研究机器人更高层次的语言认知的功能。 他进一步称，通过融合大型语言模型与面部表情、手势等机器人的技术，他们可以研究许多模态的集成和多模态的表达，然后可以将意图或者，赋予机器人或类人机器人。 “我认为，意识是未来10年当中，最重要的问题之一，”Hiroshi Ishiguro说。 黄晓庆认为，机器人是人类的第三台计算机，未来机器人的编程和安卓手机、windows PC的编程没有本质区别。“ChatGPT的出现、5G的发展，开启了一个用人工智能和云端机器人技术，来解放生产力的时代，这是一次非常重要的工业。” 突进之下，阻力也显而易见。 黄晓庆看到，目前大模型缺乏机器人数据，没有足够多的行为数据，就没办法支持机器人的控制。需要把更多行为数据融进去，进行二次训练，等机器人有了行为能力、空间能力，就可以进一步加快多模态大模型，可以叫它robot GPT。 “robot GPT是机器人的大脑。”黄晓庆说。 英国曼彻斯特大学终身教授、吉林大学唐敖庆讲席教授任雷，二十多年来，他同时在做两件事，一是仿生机器人，二是科学。 任雷的深切感受是，目前仿人机器人跟人类相比，在运动性上相差太远，包括它的运动经济性、运动机敏性、运动多样性、环境适应性和运动的可塑性等等。 “现在我们把目光又转向到了，是怎么设计的，能带来哪些启示，能不能有一条新的仿生的技术，带来新型的仿人机器人，这是我们团队目前在探索的。”任雷说。 德国慕尼黑工业大学教授Alois C. Knoll认为，人形机器人目前主要的障碍，在形态上。现在做一个数据中心的计算机比较容易，但做一个机械臂，让其能完全模仿人的手臂，就比较困难，所以让机器人像人一样行走，也比较困难。 另外，Alois C. Knoll说，能源供应等问题，也需要新技术突破。还有一个较为遥远的难题，即如何让系统开发出一个自己的智慧，比如有自己的感知或灵魂，这涉及伦理问题。 王兴兴说，通用大模型本身，不是给通用机器人用的，其目前已把文本或文字逻辑处理好了，但它是静态的，它对环境认知和感知基本是零。没办法认知物理环境，就没法抓取，做一些操作。 王兴兴看到，谷歌对此事非常用心。十年来一直在做机器人AI相关的事情。“大家现在非常希望，给人形机器人或通用机器人，做一个专用的大模型出来。” 清华大学交叉信息研究院助理教授、星动创始人陈建宇认为，当前机器人技术在硬件和软件等方面都取得了长足的发展，但是仍然存在许多技术瓶颈。比如在硬件方面，机器人需要兼顾力量、速度、精度和成本等因素，但目前没有一种技术能够同时满足这些要求。例如，液压技术力量和速度强，但成本高，而高减速比谐波电机技术虽然精度高但灵活性有限。因此，目前的解决方案是平衡各种技术，根据不同的应用场景选择不同的技术路线。未来，人们希望出现一种新技术，能够像人一样兼顾所有因素。 陈建宇发现，软件也存在很大问题，目前还无法很好兼顾其泛化性和控制的任务操作的精巧性，比如谷歌Robotic Transformer系列，可以做到很泛化，但是控制的精度比较低，控制频率就很低，做任务基本在操作控制层面，做相对简单一些的任务。 陈建宇还看到，安全性的问题。实验过程中出现的各种问题，具备一定的可解释性，但如果用大模型、神经网络，很难解释它会不会出现一个非常危险的动作。“用ChatGPT对话时，它说错一些字词，关系不大。但是作为一个机器人，进入我们生活中时，这个就至关重要，这些都亟待新技术去改进。” Alois C. Knoll也“泼出一瓢冷水”称，人形机器人演变至今，已有百年之久，期间进展非常缓慢，如今不能把标准设得太高，或把市场胃口吊得太高，创造出一个类似于投机的氛围来，甚至变成一个泡沫。“这是一个难而又难的高端研究，或许比通用性AI要慢，可能不会快速见到巨变。” “人形机器人，还有许多山峰需要翻越，”Alois C. Knoll强调。
