一年一度的世界機器人大會(huì )是洞察機器人行業(yè)前沿的重要窗口。剛剛在京落下帷幕的2024世界機器人大會(huì )現場(chǎng)，被視為最適應現實(shí)世界的人形機器人站上C位，27臺整機同臺競技，數量、水準創(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驅動(dòng)，從鎖起來(lái)的展品，到動(dòng)起來(lái)的產(chǎn)品，再到加速量產(chǎn)的商品，人形機器人正在經(jīng)歷由局部到整體的系統性進(jìn)化。

　　從單一靈巧到系統協(xié)調

　　對一款人形機器人說(shuō)：“我想喝杯拿鐵?！眱芍混`巧手的默契配合下，不一會(huì )兒，一杯飄著(zhù)香氣的咖啡就遞到眼前；

　　對著(zhù)另一款人形機器人“蓋博特”說(shuō)一句：“蓋博特，幫我拿一把雨傘?！苯拥街噶畹臋C器人伸出雙臂，立馬行動(dòng)起來(lái)。它面向眾多物品，從中眼手協(xié)調地抓取出雨傘，贏(yíng)得現場(chǎng)喝彩……

　　這屆大會(huì )，人形機器人之間的比拼已不止于單點(diǎn)的技術(shù)突破，以及單個(gè)“器官”技術(shù)參數之間的PK，而是“進(jìn)化”到不同器官之間的配合與協(xié)調。

　　“別看只是簡(jiǎn)單的抓取、歸置，這兩個(gè)動(dòng)作背后包含了多種核心技術(shù)?！薄吧w博特”的研發(fā)方、北京銀河通用機器人有限公司聯(lián)合創(chuàng )始人姚騰洲向記者介紹。

　　過(guò)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)布的智元機器人已替下去年6個(gè)自由度的靈巧手，換上19個(gè)自由度的升級版靈巧手。亮相本屆機器人大會(huì )的優(yōu)理奇人形機器人Martian，單只靈巧手的自由度已達到23個(gè)。

　　然而，如今人形機器人手部能力的“鍛造”，已超越單個(gè)器官的靈巧，轉向為局部協(xié)調的迭代。左右手的協(xié)同配合，一方面有賴(lài)于擁有像人一樣自由轉動(dòng)的關(guān)節、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(jué)與視觸覺(jué)相結合的多觸覺(jué)傳感器，配合上持續優(yōu)化的控制算法，能夠處理更廣泛的物體交互。比如能實(shí)現左手捏住紐扣、右手拿針完成穿針引線(xiàn)這樣基于視觸覺(jué)位姿估計的精細操作?！敝窃獧C器人聯(lián)合創(chuàng )始人兼首席技術(shù)官彭志輝說(shuō)，當機器人擁有了感知觸覺(jué)與視觸覺(jué)的能力，它就可以做到對力的精準定位與對力度大小的調節控制。

　　“我們采用了立體視覺(jué)系統，形成了手眼伺服系統、控制系統、運動(dòng)系統，實(shí)現了人形機器人的‘眼到手到’?！北本﹤ゾ爸悄芸萍加邢薰緞?chuàng )始人董霄劍說(shuō)。

　　從AI“點(diǎn)綴”到AI驅動(dòng)

　　人形機器人加速“進(jìn)化”，背后離不開(kāi)AI這個(gè)“驅動(dòng)器”。

　　“人形機器人與人工智能的深度融合，構成今年機器人產(chǎn)業(yè)的顯著(zhù)趨勢?！眱?yōu)理奇機器人科技公司創(chuàng )始人兼首席執行官楊豐瑜做出判斷。

　　早期的機器人僅能執行特定環(huán)境的固定指令?！斑^(guò)去，機器人沒(méi)有自主的運動(dòng)控制能力，只能在固定環(huán)境完成單一任務(wù)，換一個(gè)環(huán)境后就難以完成?！北本┚呱碇悄軝C器人創(chuàng )新中心有限公司總經(jīng)理熊友軍說(shuō)，由于傳統機器人基于Model-Based，即以數學(xué)模型求解方程的方式訓練機器完成任務(wù)，當換一個(gè)陌生環(huán)境后，則需重新列方程、解方程，導致機器人的泛化能力很差。

　　如今AI驅動(dòng)下，“大腦”與“小腦”的升級，牽引人形機器人不斷“進(jìn)化”。

　　大模型的一大功能，首先體現在人形機器人“腦力”的升級。熊友軍說(shuō)，人形機器人的“大腦”以多模態(tài)大模型增強人機交互，實(shí)現對人類(lèi)意圖的理解、對復雜外部環(huán)境的理解與認知。

　　科大訊飛人形機器人首席科學(xué)家季超舉例說(shuō)，例如星火大模型在復雜任務(wù)拆解、開(kāi)放場(chǎng)景物體識別、多模態(tài)感知與理解等維度，顯著(zhù)提升了人形機器人的智能化水平。

　　“大模型的思維鏈推理能力顯著(zhù)提升了機器人對于復雜任務(wù)的理解能力，并提供了符合物理世界常識的任務(wù)拆解與規劃。具身感知模型與具身決策模型的結合，進(jìn)一步提升了機器人在真實(shí)場(chǎng)景下的多模態(tài)感知與理解能力?！奔境f(shuō)。

　　大模型的另一功能，體現在人形機器人“小腦”的增強?！耙簿褪峭ㄟ^(guò)算法驅動(dòng)人形機器人的運動(dòng)控制，提升機器人的靈活性與協(xié)調性。全方位調動(dòng)視覺(jué)算法、運動(dòng)控制算法、語(yǔ)音算法、基于狀態(tài)記憶的強化模仿學(xué)習算法，實(shí)現對機器人的運動(dòng)控制?！毙苡衍娬f(shuō)。

　　大模型對機器人的賦能，還體現在通用性與泛化性的提升。楊豐瑜說(shuō)：“預訓練大模型，使用大量數據集進(jìn)行預訓練，能使機器人具備更強的學(xué)習能力。遷移學(xué)習，意味著(zhù)大模型能將特定任務(wù)上的學(xué)習能力遷移到機器人任務(wù)上，提高適應性、泛化性。另外是多模態(tài)學(xué)習，也就是結合視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等多種信號輸入，提升機器人對復雜場(chǎng)景的感知與理解能力，學(xué)會(huì )‘舉一反三’?！?/p>

　　今年以來(lái)，人工智能正深度滲透到人形機器人“進(jìn)化”的各個(gè)階段?！耙皇歉兄到y，從基本的環(huán)境感知到復雜的多模態(tài)感知（視覺(jué)、聽(tīng)覺(jué)等）。二是運動(dòng)控制，從站、走到跳、跑，手部從簡(jiǎn)單的抓取到完成復雜的精細操作。三是智能決策，從預定義行為到自主學(xué)習和決策。最后是交互能力，機器人與人、環(huán)境的互動(dòng)，從單純接受指令，到自然語(yǔ)言的理解，再到情感識別?！睏钬S瑜介紹，前兩者涉及機器人的“小腦”和“軀干”，后兩者則深入到機器人的“大腦”層面。

　　大模型驅動(dòng)下，人形機器人的演進(jìn)路線(xiàn)什么樣？“最初是傳統自動(dòng)化，即人工編排下初步的感知、執行。這一階段的機器無(wú)法在不同場(chǎng)景下做遷移，不具備泛化性。第二階段是基于基礎模型的通用原子能力，也就是單個(gè)的任務(wù)編排，部分實(shí)現特定任務(wù)的能力遷移。第三階段是數據驅動(dòng)下的端到端操作，逐步經(jīng)過(guò)認知推理規劃大模型到端到端操作大模型的升級，實(shí)現更強的跨任務(wù)泛化能力?！迸碇据x歸納。

　　從產(chǎn)品迭代到量產(chǎn)提速

　　站在2024世界機器人大會(huì )展廳門(mén)口，仿佛踏入一個(gè)未來(lái)世界——機器狗在行人的匆匆腳步間靈活避障、自由穿梭，有的機器人作揖、奔跑，有的機器人炫起球技，有的忙于為參觀(guān)者準備可樂(lè )、冰激凌，還有機器人原地跳起“科目三”……場(chǎng)景的擴容，打開(kāi)人形機器人新的可能。

　　技術(shù)構筑價(jià)值，落地檢驗價(jià)值。最近，隨著(zhù)多家國產(chǎn)人形機器人技術(shù)突破、產(chǎn)品上新、場(chǎng)景刷新，人形機器人正由小批量出貨加速叩開(kāi)量產(chǎn)之門(mén)。

　　幾天前，智元機器人剛剛給出量產(chǎn)出貨時(shí)間表：作為上海首座人形機器人量產(chǎn)工廠(chǎng)，智元機器人一期工廠(chǎng)已完成產(chǎn)線(xiàn)建設和人員招募，今年10月投產(chǎn)，計劃月產(chǎn)規模達到百臺以上、今年出貨量達到300臺左右。

　　隨著(zhù)加速規?；慨a(chǎn)成為多家企業(yè)的發(fā)力方向，業(yè)內正加速挖掘場(chǎng)景，推進(jìn)大模型與具身智能的融合，以開(kāi)源等方式完善產(chǎn)業(yè)鏈生態(tài)，強化成本控制。

　　例如，北京具身智能機器人創(chuàng )新中心正吸納更多海內外人才，攻克全球人形機器人關(guān)鍵共性技術(shù)等問(wèn)題?？拼笥嶏w通過(guò)“機器人超腦平臺”方案深度鏈接420家機器人企業(yè)、1.5萬(wàn)名機器人開(kāi)發(fā)者，并與優(yōu)必選、智元機器人、銀河通用、人形機器人創(chuàng )新中心（上海）等企業(yè)、機構探索多模態(tài)交互等方案的集成應用，協(xié)同推進(jìn)技術(shù)迭代下的商用落地。

　　然而，人形機器人邁向量產(chǎn)的路上，還有諸多問(wèn)題待解。

　　一個(gè)問(wèn)題在于人形機器人的動(dòng)作還不能像人類(lèi)一樣迅速敏捷，“進(jìn)化”路上還存在運動(dòng)的時(shí)延問(wèn)題?！皶r(shí)延問(wèn)題是一個(gè)系統性問(wèn)題，需要操作系統、架構、算力、通信機制等方面的協(xié)同破解?！毙苡衍娬f(shuō)。

　　另一個(gè)問(wèn)題在于人形機器人的能耗問(wèn)題，尚未實(shí)現不間斷地為人類(lèi)“出工”“出力”。普通的人形機器人處于待機狀態(tài)可以維持5至8個(gè)小時(shí)，如果直立行走僅能維持2至3小時(shí)。

　　“能耗問(wèn)題，與人形機器人的電池、電機、減速器、重量等參數息息相關(guān)。如何在研發(fā)高能量密度電池的同時(shí)提升電機效率、減輕重量以降低能耗，是接下來(lái)需要解決的另一問(wèn)題?！毙苡衍娬f(shuō)。

　　此外，想要讓人形機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(lèi)人”水平。熊友軍認為，人形機器人第一個(gè)階段是“形式”類(lèi)人：外形上長(cháng)得像人；第二階段是“行式”類(lèi)人，行走、行動(dòng)類(lèi)人；第三階段則是“神式”類(lèi)人，即通過(guò)具身智能大模型，使人形機器人在理解、表達、思考等方面向人類(lèi)看齊。