小米造“人”比特斯拉還快 首款全尺寸人形仿生機(jī)器人CyberOne發(fā)布

夢(mèng)晨 韓智 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

什么？小米發(fā)布了全尺寸仿生人形機(jī)器人？

就在雷軍在個(gè)人年度演講快結(jié)束時(shí)，順手扔出了這個(gè)王炸——全尺寸仿生人形機(jī)器人CyberOne。

并且這次不是PPT，也不是請(qǐng)人穿著道具上去跳舞，而是直接拿出原型機(jī)，現(xiàn)場和雷軍互動(dòng)了一番。

近些年，機(jī)器人儼然成為眾多科技公司展現(xiàn)自己綜合研發(fā)實(shí)力最好的產(chǎn)品。

從早年的波士頓動(dòng)力、軟銀Pepper，到去年馬斯克的一手「快閃」，每次發(fā)布都引來無數(shù)關(guān)注——

小米這臺(tái)CyberOne與其他家有什么區(qū)別？這個(gè)雷總的新寵到底有多少技術(shù)含金量？

老規(guī)矩，更多軟硬件細(xì)節(jié)及幕后信息，一并為大家揭秘。

小米人形機(jī)器人，究竟是個(gè)啥？

縱觀當(dāng)下叫得上號(hào)的“網(wǎng)紅”人形機(jī)器人，我們不難發(fā)現(xiàn)，各家公司對(duì)于人形機(jī)器人的描摹有很大差異。

按產(chǎn)品定位大致可以分為三個(gè)方向。

超越人，以大名鼎鼎的波士頓動(dòng)力為代表，旨在追求極致機(jī)能以達(dá)到擁有超越人類的運(yùn)動(dòng)能力。

這個(gè)方向也吸引了國內(nèi)外眾多科研單位參與?？梢哉f波士頓動(dòng)力在姿態(tài)控制、動(dòng)作預(yù)判算法、動(dòng)力輸出等領(lǐng)域走在了全球人形機(jī)器人領(lǐng)域的前列。

替代人，以去年宣布打造人形機(jī)器人的特斯拉為代表。

馬斯克是個(gè)明白人，特斯拉出貨量穩(wěn)步提高，光超級(jí)工廠就規(guī)劃了不下10個(gè)，如果能打造一個(gè)人形機(jī)器人來代替工廠中重復(fù)勞動(dòng)的員工，只要綜合成本低過員工工資，就是筆好生意。所以馬老板也絲毫不掩飾他想通過人形機(jī)器人替代人的想法。

服務(wù)人，這是小米CyberOne選擇的方向。

具體來說，是依托人形更好的研究人感知、認(rèn)知、決策、執(zhí)行過程從而更好服務(wù)于人。

這一定位方向，在產(chǎn)品細(xì)節(jié)上如何體現(xiàn)？我們一項(xiàng)一項(xiàng)看。

如果給CyberOne來個(gè)外科體檢，高177cm，是一個(gè)標(biāo)準(zhǔn)的成年人身高。

體重則僅為52kg，別看現(xiàn)在身板有點(diǎn)單薄，其實(shí)也是為了后續(xù)進(jìn)一步演進(jìn)做重量冗余。

再查五官科，CyberOne的臉蛋沒走擬真的精致五官路線。

頭部前面是個(gè)面罩，外層半透明材質(zhì)，內(nèi)層為OLED與柔光特效，再加上2D彎曲貼合顯示模組實(shí)時(shí)表達(dá)機(jī)器人情緒。

下一項(xiàng)該考察機(jī)器人的運(yùn)動(dòng)能力。

這其中，關(guān)節(jié)是核心，業(yè)內(nèi)皆知，這塊相關(guān)組件一般占人形機(jī)器人成本三分之一以上。

以CyberOne上肢關(guān)節(jié)電機(jī)為例，小米自研了一枚重量僅為500g，額定輸出扭矩高達(dá)30N·m的高效電機(jī)，保證上肢靈活性。

CyberOne髖關(guān)節(jié)主要電機(jī)瞬時(shí)峰值扭矩可達(dá)300N·m，配合自研的人形雙足控制算法，行走姿態(tài)更加平穩(wěn)。

再有就是「手」了，CyberOne單手垂直抓握物體重量為1.5kg。

總體來看，極致運(yùn)動(dòng)能力非CyberOne的目標(biāo)。

CyberOne更多的采用了以高性能、小型化電機(jī)為主的干系統(tǒng)作為運(yùn)動(dòng)能力支撐，并沒有過多的使用機(jī)械性能當(dāng)下更強(qiáng)大的液壓濕系統(tǒng)。

這種選擇上的傾向還是較為激進(jìn)的，迎合了新能源時(shí)代下例如智能汽車從濕系統(tǒng)逐步替換成干系統(tǒng)的大趨勢(shì)。

傳感器方面，CyberOne對(duì)外界信息獲取來自聽覺和視覺。

深度相機(jī)配合AI相機(jī)幫助機(jī)器人收入真實(shí)場景和物體，通過CV算法獲得物體三維模型實(shí)現(xiàn)避障，自帶小米傳統(tǒng)藝能「萬物追焦」技術(shù)，讓CyberOne能夠集中注意力看關(guān)鍵物體。

聽覺傳感器配合音頻算法可識(shí)別6類45種人類情緒語音，外加85種環(huán)境音識(shí)別。

你大概好奇環(huán)境音識(shí)別有什么用？小米工程師舉了一個(gè)有趣的例子——

離家前忘關(guān)水龍頭？它就能識(shí)別滋滋水流聲并提醒你。

據(jù)了解，CyberOne還實(shí)現(xiàn)了「拖動(dòng)示教學(xué)習(xí)」這項(xiàng)特別的功能。

所謂拖動(dòng)示教學(xué)習(xí)，就像是父母手把手教你第一次學(xué)會(huì)用上了筷子。

這動(dòng)作對(duì)人來說簡單，但對(duì)機(jī)器就難度很大了。不僅要求硬件機(jī)械臂是「活」的，可被移動(dòng)，反驅(qū)的形式對(duì)關(guān)鍵部位電機(jī)性能要求更高，也是小米團(tuán)隊(duì)最初要求的關(guān)鍵指標(biāo)。

除此之外，機(jī)器人還要通過傳感器和軟件層能夠記憶學(xué)習(xí)動(dòng)作，重復(fù)執(zhí)行，工程師們希望通過該功能實(shí)現(xiàn)，讓機(jī)器人模擬人的學(xué)習(xí)過程。

看到這，大致能得出些不吹不黑的結(jié)論——

小米新發(fā)布這個(gè)人形機(jī)器人的確挺像樣，不僅外觀，其各方面組件的確滿足人形機(jī)器人要求。

無論行動(dòng)速度，還是抓握力，再到突出的交互能力和AI算法對(duì)環(huán)境語義的識(shí)別判斷，能看出這臺(tái)CyberOne更面向/服務(wù)于人本身。

不管怎么說，小米居然不聲不響，閃亮登場一個(gè)全尺寸人形仿生機(jī)器人，還是出乎了所有人意料。

人形機(jī)器人，有多難？

人形是解決綜合問題最高效的形態(tài)之一，是機(jī)器人領(lǐng)域公認(rèn)的終極方向，同時(shí)也是技術(shù)難度最大、需要投入最多的。

毫不夸張的說，全尺寸人形仿生機(jī)器人是“機(jī)器人皇冠上的明珠”。

原因也不難理解。

身體結(jié)構(gòu)上，人類雙足直立行走、雙手操作工具都是歷經(jīng)上百萬年進(jìn)化而來，靠的可是自然選擇的力量。

想用完全不同于生物的一套材料、靠人為設(shè)計(jì)去模仿逼近，工程難度可見一斑。

行為和決策上，人形機(jī)器人要做到和人一樣、解決復(fù)雜問題問題，這就就需要做到對(duì)環(huán)境的全面理解，需要多模態(tài)結(jié)合的推理和交互，除了視覺、聽覺，還要考慮更不成熟的嗅覺、觸覺等。

最后還有點(diǎn)現(xiàn)實(shí)原因，人形機(jī)器人行業(yè)還沒有機(jī)器狗那么成熟，不要說開源方案了，連論文都沒有幾篇可以參考。

小米人形機(jī)器人項(xiàng)目的負(fù)責(zé)人向迪昀表示，這次難度和去年的機(jī)器狗鐵蛋不在一個(gè)level上。

看上去理論似乎很健全，但怎么做、技術(shù)如何演進(jìn)，誰也沒有正確答案。

縱觀目前市面上成熟的項(xiàng)目，從產(chǎn)品迭代路線來看大概能分4步：先做下半身站立，到下半身行走，組裝上半身，最后是全身的動(dòng)作協(xié)同。

小米則通過在智能制造和之前CyberDog機(jī)器狗項(xiàng)目上的技術(shù)積累，最終決定下半身和上半身并行推進(jìn)，項(xiàng)目進(jìn)展較快。

機(jī)械方面對(duì)應(yīng)人類行為的執(zhí)行部分，一般由小腦控制。但如果只做到擬人運(yùn)動(dòng)能力，充其量可以稱之為機(jī)器。

只有擁有了感知-認(rèn)知-執(zhí)行的大腦能力，才真的稱得上機(jī)器人。而大腦能力也是仿生人形機(jī)器人的技術(shù)制高點(diǎn)。

從已公開的信息來看，CyberOne首先擁有空間感知、認(rèn)知能力。

CyberOne搭載自研Mi-Sense深度視覺模組，結(jié)合AI交互算法，使其不僅擁有完整的三維空間感知能力，更能夠?qū)崿F(xiàn)人物身份識(shí)別、手勢(shì)識(shí)別、表情識(shí)別，CyberOne真正做到了不僅看得到也能看得懂。

但相比于機(jī)器狗，人的世界中信息量級(jí)堪稱爆炸。就以簡單的路徑規(guī)劃為例，目前最全面、技術(shù)難度最高的路徑規(guī)劃為自動(dòng)駕駛路徑規(guī)劃。

智能汽車路徑規(guī)劃除了解決機(jī)器人從A點(diǎn)到B點(diǎn)外，還需要在過程中針對(duì)各種情況進(jìn)行語義標(biāo)定，例如停止的障礙車輛、地上的行車線、運(yùn)動(dòng)中的行人等等，從而對(duì)其作出預(yù)判，保證安全舒適行車。

雖然CyberOne得到了來自小米自動(dòng)駕駛團(tuán)隊(duì)的技術(shù)幫助，但但自動(dòng)駕駛?cè)匀皇窃诘缆方煌ㄓ邢迗鼍跋碌穆窂揭?guī)劃技術(shù)，而人形機(jī)器人則是全場景的路徑規(guī)劃，面對(duì)的情況更加豐富，需要對(duì)環(huán)境語義的標(biāo)定更加復(fù)雜。

CyberOne同樣擁有情緒的感知和認(rèn)知能力，這部分能力則是師承小米內(nèi)部小愛同學(xué)團(tuán)隊(duì)。

小米人形機(jī)器人項(xiàng)目的負(fù)責(zé)人向迪昀表示，小愛同學(xué)面向大眾展現(xiàn)的能力只是冰山一角，其實(shí)小愛團(tuán)隊(duì)很早就開始搭建情緒訓(xùn)練模型和環(huán)境語音語義模型，這方面技術(shù)對(duì)軟硬件平臺(tái)要求較高，尚未開放給大眾用戶，而讓CyberOne搶了“首發(fā)”。

解決了諸如上述的各類問題后，CyberOne有了基本的感知、決策、運(yùn)動(dòng)和交互能力，可以算是大小腦平衡發(fā)展了，所以這次發(fā)布會(huì)上雷總把他帶上臺(tái)進(jìn)行了演示。

CyberOne和所有的人形仿生機(jī)器人一樣，都是處在持續(xù)演進(jìn)過程中。

接下來一段時(shí)間，CyberOne還需要改進(jìn)的地方有很多，硬件上比如完善手指靈活性、學(xué)著像人一樣使用工具，軟件的架構(gòu)也需要整合，從分布式迭代固化為集成式，智能算法更是需要持續(xù)迭代改進(jìn)等。

不過擺在機(jī)器人行業(yè)面前的問題，從來就不局限于技術(shù)本身。

人形機(jī)器人投入成本高、回報(bào)周期長，商業(yè)化進(jìn)展上這幾年也經(jīng)歷了一番波折。

波士頓動(dòng)力公司7年內(nèi)被3次轉(zhuǎn)手，產(chǎn)品上機(jī)器狗Spot公布的銷量只有數(shù)百臺(tái)，人形機(jī)器人Atlas就要更少。

軟銀的人形機(jī)器人Pepper則在去年被曝出直接停產(chǎn)。

總之，邁過技術(shù)驗(yàn)證階段之后，小米想要把機(jī)器人打造成一款產(chǎn)品推向市場還有很長的路要走。

既然如此之難，小米為何要做？

在外界看來，小米新技術(shù)研發(fā)更值得投入精力的地方，似乎應(yīng)該是造車。

分出人力物力來搞這么難的人形機(jī)器人，是出于什么考慮？

對(duì)于這個(gè)問題，小米給出的答案是CyberOne并不是規(guī)劃而來的。

他更像是人，是小米“科技生態(tài)”自然進(jìn)化而來的產(chǎn)物，也是小米科技生態(tài)的代言人，可分為兩個(gè)方面來看。

第一是技術(shù)方面。

小米自成立以來，從智能手機(jī)出發(fā)，到可穿戴設(shè)備、智能家居，再到智能制造、智能電動(dòng)汽車以及仿生機(jī)器人，貫穿其中的是一套不斷融合進(jìn)化的技術(shù)體系。

融合進(jìn)化，說的是看似已成熟的技術(shù)用在新的領(lǐng)域就會(huì)暴露出新的問題，然后才有機(jī)會(huì)做出改進(jìn)。

舉例來說，機(jī)器人自身可以移動(dòng)，對(duì)視覺、語音算法的要求就和手機(jī)完全不同。這也印證了AI學(xué)術(shù)界最近呼聲很高的”具身智能”——給AI一個(gè)身體，它理解這個(gè)世界的方式才能更貼近人類。

進(jìn)一步來說，通過融合創(chuàng)新和改進(jìn)的技術(shù)還可以在科技生態(tài)內(nèi)的各個(gè)場景相互遷移。

如最初用在機(jī)器狗上的萬物追焦算法也能用于手機(jī)；小米自動(dòng)駕駛進(jìn)展非?？欤靡嬗?017年創(chuàng)辦的小米人工智能實(shí)驗(yàn)室；未來人形機(jī)器人上驗(yàn)證成熟的技術(shù)也有機(jī)會(huì)支援造車。

正如小米機(jī)器狗項(xiàng)目發(fā)起人去年說過的，”手機(jī)就是沒有腿的機(jī)器人，機(jī)器狗有腿但不需要顯示屏，汽車則是四輪機(jī)器人”。

第二個(gè)是場景方面。

如果簡單粗暴的將人的行為分為四個(gè)狀態(tài)：居家生活、工作辦公、交通出行、睡眠休息。那么一個(gè)好的商業(yè)模型應(yīng)該盡可能多的覆蓋人的四個(gè)狀態(tài)，并且越了解四個(gè)狀態(tài)中用戶不同的需求，從而提供更好的服務(wù)，那么這個(gè)商業(yè)模型的價(jià)值就越高。

小米目前提供的服務(wù)恰好對(duì)這四種狀態(tài)全覆蓋，前面也提到，人形機(jī)器人目前有三種發(fā)展方向。

一種是「超越人」，以波士頓動(dòng)力為代表，專注提升機(jī)器人的運(yùn)動(dòng)性能。

一種是「替代人」，以特斯拉為代表，要讓機(jī)器人進(jìn)入造車工廠補(bǔ)充勞動(dòng)力。

小米選擇的是第三種「服務(wù)人」，要圍繞人的生活和工作，更好為人服務(wù)，緊密連接人和萬物。

從這個(gè)角度看，小米的科技生態(tài)在理解人方面有著得天獨(dú)厚的優(yōu)勢(shì)。

原研哉在為小米設(shè)計(jì)全新LOGO的時(shí)候，就提到全新的小米LOGO能夠體現(xiàn)小米的品牌精神：科技就越是進(jìn)化，就越接近生命的形態(tài)。如此看來，小米能夠率先推出仿生機(jī)器人也是順理成章。

△小米集團(tuán)技術(shù)能力示意圖

關(guān)于機(jī)器人如此之難，為何還要做，國家也給出了相關(guān)答案。

在工信部等十五部門聯(lián)合印發(fā)《“十四五”機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃》中提到：

面向制造業(yè)、采礦業(yè)、建筑業(yè)、農(nóng)業(yè)等行業(yè)，以及家庭服務(wù)、公共服務(wù)、醫(yī)療健康、養(yǎng)老助殘、特殊環(huán)境作業(yè)等領(lǐng)域需求，集聚優(yōu)勢(shì)資源，重點(diǎn)推進(jìn)工業(yè)機(jī)器人、服務(wù)機(jī)器人、特種機(jī)器人重點(diǎn)產(chǎn)品的研制及應(yīng)用，拓展機(jī)器人產(chǎn)品系列，提升性能、質(zhì)量和安全性，推動(dòng)產(chǎn)品高端化智能化發(fā)展。

……

看了這么多，最后不妨一起來聊聊，你覺得人形機(jī)器人離廣泛來到人們身邊還有多遠(yuǎn)？

超越人、代替人、服務(wù)人這三種路線，你又更期待哪個(gè)？