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。”接到指令的機(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)向為局部協(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)、運動系統(tǒng)，實現(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。

　　從AI“點綴”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?！眱?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?！斑^去，機(jī)器人沒有自主的運動控制能力，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)器人在真實場景下的多模態(tài)感知與理解能力?！奔境f。

　　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，實現(xiàn)對機(jī)器人的運動控制?！毙苡衍娬f。

　　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)?；慨a(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”路上還存在運動的時延問題。“時延問題是一個系統(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。”熊友軍說。

　　另一個問題在于人形機(jī)器人的能耗問題，尚未實現(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。