仿生機(jī)器人大咖談現(xiàn)狀：說iPhone時(shí)刻有點(diǎn)早，諾基亞時(shí)刻剛剛好

量子位智庫(kù)發(fā)自 凹非寺

量子位| 公眾號(hào) QbitAI

都說仿生機(jī)器人在大模型趨勢(shì)帶動(dòng)下，也來到了“iPhone時(shí)刻”。

但更加行業(yè)內(nèi)的認(rèn)知是：

現(xiàn)在只能說到了摩托羅拉/諾基亞時(shí)刻。

為什么？

因?yàn)閱吸c(diǎn)技術(shù)還遠(yuǎn)沒有走向成熟，行業(yè)內(nèi)還不會(huì)出現(xiàn)如喬布斯般的技術(shù)整合者，底層技術(shù)仍需持續(xù)研究和突破。

在量子位智庫(kù)最新舉辦的仿生機(jī)器人沙龍上，云深處聯(lián)合創(chuàng)始人兼CTO李超、大象機(jī)器人產(chǎn)品副總裁林鴻林，一起給出了這樣新鮮獨(dú)到的業(yè)內(nèi)見解。

除此之外，如今仿生機(jī)器人產(chǎn)業(yè)發(fā)展到哪一步？為什么會(huì)在此時(shí)此刻迎來爆發(fā)？未來趨勢(shì)走向如何？業(yè)內(nèi)當(dāng)下最關(guān)注什么？

這些行業(yè)內(nèi)外最關(guān)注的問題，在沙龍中也都有討論。

量子位在不改變?cè)獾幕A(chǔ)上，對(duì)分享內(nèi)容及圓桌對(duì)話進(jìn)行了編輯整理。希望能夠給你帶來更多的啟發(fā)與思考。

仿生機(jī)器人爆發(fā)為什么是現(xiàn)在？

今年是仿生機(jī)器人發(fā)展格外快的一年，為何如此？

大象機(jī)器人產(chǎn)品副總裁林鴻林表示，AI和大模型的成熟，推動(dòng)了整個(gè)產(chǎn)業(yè)鏈和技術(shù)鏈的發(fā)展，并影響了仿生機(jī)器人的落地。

如果從技術(shù)層面拆解，可以從硬件和軟件控制兩個(gè)層面看起，能發(fā)現(xiàn)從工業(yè)商業(yè)機(jī)器人邁向未來的人形服務(wù)機(jī)器人，有兩個(gè)最明顯的區(qū)別。

第一個(gè)非常直觀的變化，是機(jī)器人關(guān)節(jié)數(shù)量上，有了10倍左右的提高。

比如特斯拉Optimus的人形機(jī)器人，具有64個(gè)關(guān)節(jié)。這使得其成本要求和輕量化要求，和過去的協(xié)作機(jī)器人、工業(yè)機(jī)器人完全不一樣。

并且服務(wù)機(jī)器人在應(yīng)用場(chǎng)景上也發(fā)生了變化，從結(jié)構(gòu)化轉(zhuǎn)變?yōu)榉墙Y(jié)構(gòu)化，這對(duì)機(jī)器人的感知和決策也提出了不同要求。

所以過去在協(xié)作機(jī)器人、工業(yè)機(jī)器人中常用的諧波減速機(jī)、RV減速機(jī)，在仿生機(jī)器人中的應(yīng)用有所下降。原因在于它自重更大、慣量更大，以及整體成本非常高，也就不符合要求。

傳感器方面，過去常用2D和3D單一的，一般不會(huì)二者融合。

但是人形機(jī)器人對(duì)傳感器的要求就多了，聲吶、各種雷達(dá)、SLAM都被放到了體積更小的人形機(jī)器人關(guān)節(jié)中，這對(duì)結(jié)構(gòu)和硬件是一個(gè)非常大的挑戰(zhàn)。

第二個(gè)就是控制層面。

過去因?yàn)槭菃我坏臋C(jī)構(gòu)化場(chǎng)景，所以對(duì)于工業(yè)機(jī)器人的控制要求可以是單關(guān)節(jié)、或者多關(guān)節(jié)的一些簡(jiǎn)單聯(lián)動(dòng)。

但是到了人形機(jī)器人場(chǎng)景之后，很大的一個(gè)原因是場(chǎng)景不再結(jié)構(gòu)化，機(jī)器人不能再簡(jiǎn)單地控制自己的運(yùn)動(dòng)關(guān)節(jié)，而是需要對(duì)場(chǎng)景做出判斷。

大模型的出現(xiàn)就給控制層面提供了一個(gè)很好的助力和抓手?？刂埔惨嗷趧?dòng)力學(xué)的運(yùn)動(dòng)軌跡生成，考慮身體的平衡以及落點(diǎn)。

回看當(dāng)下，仿生機(jī)器人的應(yīng)用落地以四足機(jī)器人為主，常見場(chǎng)景是工業(yè)巡檢等。

想要做到這一步，需要具備哪些核心能力？

云深處聯(lián)合創(chuàng)始人兼CTO李超表示至少要涵蓋四方面：

• 通用能力
• 控制算法
• 搭載能力
• 通訊能力

第一要位是通用性能力，關(guān)節(jié)能力需要很好。

第二，要有很好的控制算法，使其具備基本運(yùn)動(dòng)能力。以云深處的絕影X20為例，在運(yùn)動(dòng)控制算法加持下，能夠爬上20cm的階梯，最高運(yùn)動(dòng)速度達(dá)4.95m/s，最大作業(yè)負(fù)載為85KG。

在此之上，四足機(jī)器人還要具備搭載各種組織的能力。比如搭載云臺(tái)、加上“眼睛”、機(jī)械臂或者其他傳感器等。

如雙光譜云臺(tái)，可以通過紅外線檢測(cè)溫度異常，跨域度感知補(bǔ)足人類的視覺能力。

以及通訊能力，是當(dāng)下很多機(jī)器人的痛點(diǎn)。

現(xiàn)在很多機(jī)器人是在樓宇里工作，如果做巡檢任務(wù)，在陌生場(chǎng)景下，不能機(jī)械狗出去工作卻丟了，人類還是要知道它在什么地方。

尤其像管廊場(chǎng)景像隧道一樣、特別長(zhǎng)，對(duì)于機(jī)器人來說很容易丟失，所以會(huì)用到一些專用技術(shù)解決狹長(zhǎng)管道的定位問題。

除了以上分享之外，量子位還和兩位嘉賓進(jìn)行了圓桌對(duì)話。

共同探討了關(guān)于仿生機(jī)器人行業(yè)當(dāng)下、未來的諸多挑戰(zhàn)與機(jī)遇。對(duì)話亮點(diǎn)包括：

• 仿生機(jī)器人行業(yè)硬件等發(fā)展超過預(yù)期
• 大模型給仿生機(jī)器人交互帶來重大影響
• 服務(wù)機(jī)器人需要控制自重才能保證安全
• 機(jī)器人領(lǐng)域應(yīng)該有公開的技術(shù)對(duì)比平臺(tái)
• 輪式方案能有效降低人形機(jī)器人落地成本
  ……

具體內(nèi)容如下~

圓桌對(duì)話實(shí)錄

軟硬件電池發(fā)展均超過預(yù)期

量子位：近年來看到仿生機(jī)器人公司不斷增多，大家為什么這么看好這一賽道？從行業(yè)角度來看，背后的核心邏輯是？

云深處李超：云深處從2017年成立到現(xiàn)在6年時(shí)間，也是陪伴這個(gè)發(fā)展過程走過來的。

從我們從業(yè)者角度來說，第一方面，近幾年硬件發(fā)展是超出預(yù)期的。比如電機(jī)伴隨著工業(yè)機(jī)器人、電動(dòng)汽車整個(gè)領(lǐng)域的快速發(fā)展。第二方面，電池也有很大的突破，支撐移動(dòng)機(jī)器人發(fā)展。第三方面，各種算力平臺(tái)發(fā)展也給算力提供了很好的支持，比如英偉達(dá)或者國(guó)內(nèi)各種GPU公司等。我們覺得這些因素都給行業(yè)更進(jìn)一步的提供了支撐。再往上層看，算法的進(jìn)展也超出預(yù)期、突飛猛進(jìn)。

所以現(xiàn)在其實(shí)到了一個(gè)很好的爆發(fā)點(diǎn)，這些能力剛好能聚集在具身機(jī)器人上，或者說具身智能在機(jī)器人平臺(tái)上帶來了很好的呈現(xiàn)。

硬件和算法上的支持，以云深處為例，我們的機(jī)器人可以在很多工業(yè)場(chǎng)景下進(jìn)行應(yīng)用。我看到量子位《中國(guó)仿生機(jī)器人產(chǎn)業(yè)全景報(bào)告》上寫2023年開始會(huì)有工業(yè)化應(yīng)用，其實(shí)要比預(yù)計(jì)更早一些，去年已經(jīng)出現(xiàn)了。以上是我作為從業(yè)者來說的一些判斷。

人形機(jī)器人給硬件續(xù)航提出更高要求

量子位：現(xiàn)在仿生機(jī)器人中四足機(jī)器人和人形機(jī)器人有哪些差別，也是大家比較關(guān)心的問題，兩位機(jī)器人領(lǐng)域?qū)＜铱煞窠o出一定理解？

云深處李超：我從兩個(gè)維度來說一下，一個(gè)是業(yè)務(wù)本身，另一個(gè)是技術(shù)，其實(shí)兩者的差異不大。

在底層技術(shù)上，關(guān)節(jié)能力、控制、操作、交互和感知都是有共性的。但每個(gè)技術(shù)上遇到的難點(diǎn)不一樣。尤其是運(yùn)動(dòng)控制層面，四足機(jī)器人更加穩(wěn)定，雙足機(jī)器相對(duì)差一些，所以它在平衡控制上有難度。

雙足機(jī)器人的關(guān)節(jié)更多。正常來說，雙足機(jī)器人有20多個(gè)關(guān)節(jié)，四足機(jī)器人就只有12個(gè)，即便加一個(gè)機(jī)械臂，也只有16個(gè)。這進(jìn)一步影響算法也不太一樣。

從硬件本身來說，雙足機(jī)器人硬件要求會(huì)更高，它是兩條腿站在地上，要求它的力氣要比四足機(jī)器人的一條腿大。如果想要實(shí)現(xiàn)同樣的負(fù)載能力、行走能力，就給人形機(jī)器人提出了更高要求。

從應(yīng)用方面，未來我們借助人形機(jī)器人的場(chǎng)景肯定比四足機(jī)器人要多很多，這是我感受很深的一個(gè)地方?，F(xiàn)在城市中的基礎(chǔ)建設(shè)設(shè)施、所有工具都是為人而誕生的。如果我們做一個(gè)機(jī)器狗，首先它從高度或者其他能力上，天然就不具備更廣泛的應(yīng)用場(chǎng)景。比如剛剛給大家看過的管道機(jī)器人，管道建設(shè)時(shí)是為人類巡查設(shè)計(jì)的，它的觀測(cè)高度比狗要高很多。

所以這就是為什么我們要加機(jī)械臂。因?yàn)楦叩臇|西四足機(jī)器人看不到，加上機(jī)械臂后延伸了它的觸覺和視覺。

在工廠場(chǎng)景里也是這個(gè)邏輯。還有更多日常生活場(chǎng)景，比如倒咖啡等，人形機(jī)器人能以更相近的形態(tài)替代人類。

△絕影X20四足機(jī)器人

大象機(jī)器人林鴻林：我的理解是人形機(jī)器人不一定要是兩條腿，但是基本上現(xiàn)在沒有看到雙臂以外的其他選擇，這是目前全世界范圍內(nèi)達(dá)成的一個(gè)共識(shí)。

所以它大概率是一個(gè)雙臂七軸結(jié)構(gòu)，這是最接近人類手臂的。它在空間上沒有歧義點(diǎn)，所有位點(diǎn)都可到達(dá)——其實(shí)六軸已經(jīng)能做到很好了——是工業(yè)上最常見的形態(tài)。但是人形機(jī)器人需要多一個(gè)關(guān)節(jié)，原因在于這樣可以讓它在更小的體積里做零空間運(yùn)動(dòng)——就是姿態(tài)不會(huì)變得非常詭異，但是可以在很小的軌跡路徑里去完成這個(gè)動(dòng)作。所以現(xiàn)在看到雙臂七關(guān)節(jié)，基本上是一個(gè)確定的答案。至于中間需不需要一個(gè)腦袋，這就見仁見智了，因?yàn)檫@個(gè)主要看工業(yè)設(shè)計(jì)能不能把所有傳感器非常合理地布局在中間。

△大象機(jī)器人myBuddy

它甚至不需要一個(gè)類人的腦袋，因?yàn)槲覀冇X得本質(zhì)上人形機(jī)器人、四足機(jī)器人，都是工具就人身體的延伸。如果現(xiàn)在的目標(biāo)是去洗衣服，最聰明的方式是做一個(gè)滾筒，而不是做兩個(gè)手去搓衣服，它的效率才是最高的。

如果從這個(gè)方面去思考的話，我覺得雙臂七軸應(yīng)該是一個(gè)確定的答案，至于下面應(yīng)該是兩條腿還是四足的機(jī)器狗，就看特定場(chǎng)景了。比如電力巡檢，或者有坡度障礙需要跨越的戶外場(chǎng)景，四足的通過性一定遠(yuǎn)遠(yuǎn)好于雙足和輪式。

我們現(xiàn)在了解到雙足機(jī)器人在算法控制的難度上，比四足高很多；在整個(gè)平衡性方面的掌握、續(xù)航能力，也會(huì)是一個(gè)很大的挑戰(zhàn)；更直觀的表現(xiàn)是它的成本也會(huì)更高。

所以可能短時(shí)間內(nèi)，雙足機(jī)器人想要做到量產(chǎn)并落地應(yīng)用，挑戰(zhàn)還是很多。我倒是覺得輪式機(jī)器人可能在效率、成本上，是當(dāng)下節(jié)點(diǎn)的一個(gè)最優(yōu)解。因?yàn)閷?shí)際上殘疾人通過輪椅，可以到達(dá)世界上80-90%的空間，也就是雙足不會(huì)成為一個(gè)硬性的限制。

所以從技術(shù)上拆分來看，雙足的操作性、靈活性以及在結(jié)構(gòu)仿生方面，是比較合理的一個(gè)方案。然后中間的感知層面，攝像頭、電子皮膚可能有很多方式。現(xiàn)在看到一些機(jī)器人，比如帕西尼的機(jī)器人有一個(gè)腰關(guān)節(jié)可以做90度的活動(dòng)；像達(dá)闥在腰關(guān)節(jié)上實(shí)現(xiàn)可以上下移動(dòng)30cm……這些我們都覺得是非常合理的方案。至于下半部分的移動(dòng)功能，我覺得四足和輪式都比較成熟，短期內(nèi)可以落地。雙足的方案，一方面我們對(duì)這個(gè)領(lǐng)域比較陌生，另一方面感覺在技術(shù)上，它的成本能夠達(dá)到量產(chǎn)的時(shí)間會(huì)更晚一些。

雙臂方案是確定方向，但更多臂不一定

量子位：您剛才提到雙臂比雙足更適合人形機(jī)器人，我們看到云深處的四足機(jī)器人上面會(huì)增加單獨(dú)的機(jī)械臂。那么雙臂是單臂之上，更好的一個(gè)改進(jìn)嗎？

云深處李超：這個(gè)是肯定的。但是基于成本問題，單臂和雙臂是有一定差異的。剛剛有提到，如果基于任務(wù)去做開發(fā)，比如管廊場(chǎng)景里的任務(wù)，它是通過臂來增加攝像頭的活動(dòng)范圍，所以一個(gè)機(jī)械臂就夠了。

如果未來有更加復(fù)雜的場(chǎng)景，其實(shí)機(jī)械狗是可以做成半人馬的感覺。在一些特種場(chǎng)景中已經(jīng)有這樣的應(yīng)用，給機(jī)械狗裝上雙臂去做排爆，因?yàn)殡p臂的協(xié)同能實(shí)現(xiàn)更精細(xì)的操作。單臂和雙臂的選擇，目前還主要看要解決什么任務(wù)。

量子位：手臂越多會(huì)越好嗎？比如像螃蟹一樣裝八個(gè)，這樣可行嗎？

大象機(jī)器人林鴻林：從仿生學(xué)出發(fā)來看，現(xiàn)在三個(gè)手臂的例子，現(xiàn)在我能想到的就是自然界里蝎子是兩個(gè)鉗子加一條尾巴。如果做三臂機(jī)器人，我們沒有一個(gè)出發(fā)的立足點(diǎn)。

但是做雙臂的原因在于，工業(yè)場(chǎng)景里確實(shí)需要，這不是為了做而做?，F(xiàn)在工業(yè)方面絕大部分產(chǎn)線，都是單臂已經(jīng)做完了?，F(xiàn)在很多工廠想用機(jī)器人，但其實(shí)都有一個(gè)顧慮，因?yàn)樗漠a(chǎn)線不是長(zhǎng)期穩(wěn)定做一個(gè)工件，現(xiàn)在有很多柔性需求。這種情況如果用單臂機(jī)器人成本會(huì)很高，在于機(jī)械臂固定的制距和工件部分需要不停地更換，機(jī)器人的調(diào)試也要不斷修改。

這種情況下，雙臂的優(yōu)勢(shì)就體現(xiàn)出來了。因?yàn)閮蓚€(gè)手可以靈活配合，一只手抓，另一只手做插件。這時(shí)候左邊固定的一只手臂就不需要去做一個(gè)固定的制距。如果整體用雙臂方案，成本也能控制在合理范圍內(nèi)，所以雙臂方案在工業(yè)生產(chǎn)上就是可行的。

現(xiàn)在我們看到做的比較好的，像ABB的雙臂機(jī)器人“玉米”，它在工廠里做的其實(shí)就是雙臂靈活配合兩個(gè)組件插件來做這個(gè)事情。所以這是我認(rèn)為雙臂存在的合理性。

但至于為什么沒有三個(gè)手臂、四個(gè)手臂，一個(gè)是效率方面的考量，每增加一條手臂它不是1+1的關(guān)系，是平方的關(guān)系，更加復(fù)雜。而且如果我們要去做二十幾個(gè)或者四十幾個(gè)自由度，并且每個(gè)都是在上面擁有六個(gè)自由度，這個(gè)復(fù)雜度就放大很多很多倍了。

所以這也可能是為什么自然界里沒有進(jìn)化出來三條手臂的人，也可能出現(xiàn)過，但是被淘汰掉了。

△ABB雙臂機(jī)器人“玉米”

量子位：我們看到特斯拉人形機(jī)器人的宣傳片里出現(xiàn)了機(jī)器人幫機(jī)器人維修的畫面。它在單臂情況下抓取動(dòng)作比較多，抬手臂、上下抓是雙臂參與比較多。請(qǐng)問這種是算法預(yù)先設(shè)定好的嗎？還是說可以根據(jù)物體形狀來預(yù)估？

云深處李超：這個(gè)是逐步來的。這就是為什么現(xiàn)在做人形機(jī)器人，2D和3D相機(jī)要同時(shí)有。過去在工廠場(chǎng)景，一般只用一顆三維相機(jī)就可以做到大多數(shù)姿態(tài)判斷和抓取了。2D和3D同時(shí)要有，就是因?yàn)榇嬖趧倓偰岬降膱?chǎng)景。它需要判斷相對(duì)位置，一個(gè)是它在空間里面的姿態(tài)，然后去做雙臂姿態(tài)的調(diào)節(jié)。至于他抓取這個(gè)位置是否足夠準(zhǔn)確，這個(gè)肯定是沒法一次到位的，哪怕人手去調(diào)一次，也沒有辦法調(diào)得很準(zhǔn)確。

這種情況下，用的最多的是仿真模型。今年小米發(fā)布最新一代機(jī)器狗時(shí)有提到，他們建了一個(gè)模型，里面有幾百條模擬機(jī)器狗，讓它們每天在里面不停地跑、不停地摔倒、不停地站起來。這實(shí)際上就是在模擬這個(gè)過程。同一個(gè)麥克風(fēng)，應(yīng)該用幾只手抓？抓上面還是下面？讓它不斷地去做嘗試，然后自主學(xué)習(xí)，最后總能抓到一個(gè)合理的位置。這樣一個(gè)結(jié)果，實(shí)際上就是非結(jié)構(gòu)場(chǎng)景中一個(gè)很典型的案例。

量子位：想問一下李超博士，在管道或工廠巡檢場(chǎng)景中，是如何訓(xùn)練機(jī)械臂或者執(zhí)行器識(shí)別環(huán)境的？

云深處李超：我來客觀說一下，剛剛林總提到的很多還處于仿真階段。那么我們目前在工廠應(yīng)用，我怕給大家一個(gè)過高的期望。目前來說更多的還是預(yù)設(shè)點(diǎn)位去進(jìn)行工作。因?yàn)樵诤芏鄳?yīng)用場(chǎng)景下，是不允許有失敗的，可靠性優(yōu)先。

像我們剛剛說到的，為什么更多應(yīng)用場(chǎng)景現(xiàn)在可以落地？因?yàn)樗窃谝粋€(gè)固定場(chǎng)景下做重復(fù)性的事情，替代人去完成枯燥的、危險(xiǎn)的工作。我們認(rèn)為這個(gè)商業(yè)模式是成立的，現(xiàn)在也在陸續(xù)往外做拓展。比如向消防領(lǐng)域發(fā)展，在半確定的環(huán)境下遙控機(jī)器狗探測(cè)，它具備一定的智能，可以繞障。但確實(shí)在實(shí)際應(yīng)用中遇到的困難，比實(shí)驗(yàn)室里多得多，這也是現(xiàn)在我們正在努力的方向。

△絕影X20管廊隧道巡檢

機(jī)器人領(lǐng)域應(yīng)該有公開對(duì)比平臺(tái)

量子位：目前在行業(yè)里，仿生機(jī)器人需要自研的部分多嗎？或者說大家都會(huì)選擇自研嗎？

云深處李超：說到自研我怕大家有個(gè)誤解。因?yàn)槟壳安煌瑘?chǎng)景對(duì)機(jī)器人的性能要求都有些差異，所以在差異化技術(shù)的供應(yīng)鏈沒有形成以前，所以每個(gè)團(tuán)隊(duì)都需要沉淀自己的技術(shù)。這些自研技術(shù)包括關(guān)節(jié)部分，比如機(jī)器狗和機(jī)械臂的關(guān)節(jié)肯定是不同的。還有自研除了本身能力外，還要滿足一些行業(yè)要求。比如電力領(lǐng)域要求它抗電磁干擾、消防領(lǐng)域要求耐高溫等。

現(xiàn)在網(wǎng)上提自研的很多，關(guān)于自研算法這一塊，我今天不做判斷。因?yàn)閲?guó)內(nèi)現(xiàn)在還是有點(diǎn)虛，都說自己是自研，但是也沒扒開看一看。

今天也借這個(gè)溝通的機(jī)會(huì)，各位同仁朋友都在。想說以后是否有有機(jī)會(huì)大家搭建一個(gè)公開的平臺(tái)，可以將各種技術(shù)做對(duì)比，比如圖像處理等等方面。

因?yàn)樽匝胁皇悄康?，最終都是為了解決一個(gè)問題、實(shí)現(xiàn)某方面能力。

現(xiàn)在還沒有這樣一個(gè)平臺(tái)。我覺得如果有機(jī)會(huì)，我們可以把產(chǎn)業(yè)做的更深入一點(diǎn)。正如剛剛有位老師說到一些行業(yè)標(biāo)準(zhǔn)的問題，我們來通過一個(gè)共同的平臺(tái)去驗(yàn)證大家的能力差異。

機(jī)器人自重和安全性直接相關(guān)

量子位：現(xiàn)在很多機(jī)器人在發(fā)布產(chǎn)品時(shí)都會(huì)披露自重，這個(gè)數(shù)據(jù)在實(shí)際應(yīng)用中會(huì)影響到哪些方面？

云深處李超：自重確實(shí)很關(guān)鍵。對(duì)于人形機(jī)器人、都市機(jī)器人，它的重量和安全性很多時(shí)候都是幾乎等價(jià)的。我們的絕影X20自重是50公斤左右，這個(gè)重量在特定環(huán)境下需要考慮安全性。

自重和負(fù)載有很大關(guān)系，如果沒有很大的自重，就無法具備很強(qiáng)的作業(yè)能力。所以基本上會(huì)以重量來劃定機(jī)器人的定位。多年積累下來，40-50公斤的級(jí)別，差不多就是行業(yè)機(jī)器人。再往下，就是面向科研教育的機(jī)器人，相當(dāng)于未來的服務(wù)機(jī)器人，要在20公斤以下，這樣大家使用起來會(huì)更加安全。

因?yàn)楝F(xiàn)在好多功能不能保證絕對(duì)安全，如果是小機(jī)器人出現(xiàn)意外，很多事情能兜底。

△絕影X20產(chǎn)品參數(shù)

大模型改寫機(jī)器人交互方式

量子位：大象機(jī)器人之前是做機(jī)械臂的，在相對(duì)成熟的工業(yè)機(jī)器人技術(shù)上，有哪些仿生機(jī)器人是可以直接套用的？還有哪些是需要重新開發(fā)的？

大象機(jī)器人林鴻林：底層硬件部分很多是可以使用的。運(yùn)動(dòng)控制算法這一部分，無論是單臂獨(dú)立工作，還是放在人形機(jī)器人上雙臂協(xié)同配合，我們的底層機(jī)械臂運(yùn)動(dòng)控制算法經(jīng)過這么多年考驗(yàn)，還是非?？煽康?。

但是從單臂到雙臂，會(huì)增加額外的新技術(shù)。比如雙臂協(xié)同算法、雙臂通信上的低延遲等，這也是我們最近在做的一些工作，是可以直接從工業(yè)機(jī)器人上面借鑒及應(yīng)用的。

我們感受到比較大的不同是交互上面。工業(yè)領(lǐng)域可以接受更加底層的編譯、程序邏輯的編寫，但是在上升到雙臂之后，如果所有的動(dòng)作是先寫左臂再寫右臂，效率其實(shí)非常低，是一個(gè)很笨的1+1工作，它沒有做到兩個(gè)臂融為一體。

所以怎樣同時(shí)給兩條機(jī)械臂編譯一個(gè)命令，然后再加上它的底層運(yùn)動(dòng)控制算法？

我們之前也做過像SLAM這種基于激光雷達(dá)建圖掃描的一些控制，如果將這些研發(fā)的精力放到一起，怎樣去融合一個(gè)更高效的交互，是現(xiàn)在一個(gè)比較大的考驗(yàn)。

量子位：今年大火的大模型、GPT技術(shù)，是否有嘗試在機(jī)器人上使用？未來大模型能給機(jī)器人提供哪些動(dòng)力？

云深處李超：大模型出來后，給我們蠻大震撼。它解決了以前機(jī)器人面面相更廣泛應(yīng)用、從ToB到ToC的一個(gè)很重要問題。

現(xiàn)在很多交互都是通過后臺(tái)、通過手柄去操控。這對(duì)于一臺(tái)真正的機(jī)器人是非常不便利的。我覺得大模型能解決很多問題，比如理解能力、算法提升，在這些方面我們都有做一些嘗試。

大象機(jī)器人林鴻林：ChatGPT發(fā)布后，微軟發(fā)布了一個(gè)大模型在機(jī)器人上的綜合應(yīng)用，其中一個(gè)和機(jī)械臂有關(guān)的案例，用的就是我們的機(jī)器人?，F(xiàn)在大模型+機(jī)器人每天都在做嘗試，但我覺得現(xiàn)在還處在非常早期的階段。現(xiàn)在能使用的案例，比如教育套件里能夠用AI去識(shí)別顏色、形狀、堆疊排放等，就是一些比較簡(jiǎn)單的空間意義和概念，然后讓機(jī)器人去完成對(duì)應(yīng)色塊、形狀的抓取和堆疊。

到了仿生寵物上面使用，我覺得這會(huì)更加復(fù)雜。因?yàn)槲覀儠?huì)希望它識(shí)別場(chǎng)景，而不是一個(gè)單一的形狀和色塊。現(xiàn)在反倒有一些比大模型更加簡(jiǎn)單的方式去實(shí)現(xiàn)這件事。很多做3D智能相機(jī)的，它的人臉識(shí)別算法已經(jīng)非常成熟。比起我們自己訓(xùn)練，一個(gè)可以直接使用的供應(yīng)商方案是更成熟的。

所以我們認(rèn)為大模型+機(jī)器人肯定是一個(gè)很大的方向。我們現(xiàn)在也在做多方面嘗試，希望能夠?qū)崿F(xiàn)自然語(yǔ)言到機(jī)器語(yǔ)言上的轉(zhuǎn)換，但我認(rèn)為現(xiàn)在還處在非常早期的探索階段。

人形機(jī)器人不一定要有雙足

量子位：可否介紹一下大象機(jī)器人的人形機(jī)器人研發(fā)工作？最大特點(diǎn)是什么？

大象機(jī)器人林鴻林：我們過去做了很多單一場(chǎng)景，每一個(gè)單個(gè)產(chǎn)品完成了在定位上的要求。比如做產(chǎn)線上的六軸機(jī)械手臂，它的要求是高重復(fù)定位精度、可靠重復(fù)單一任務(wù)。我們也做了桌面級(jí)教育機(jī)器人，它是完全開源的，在這方面我們有很多底層算法，是有我們的創(chuàng)客用戶自己開發(fā)出來的，之后在開源平臺(tái)上共享。過去這些產(chǎn)品的定位和面向人群是非常不同的，在這些方面累計(jì)了一些能力。

這一次我們想要做一個(gè)完整人形機(jī)器人，其實(shí)就是將這些能力綜合，按照實(shí)際需求場(chǎng)景結(jié)合。所以我們現(xiàn)在看到的一個(gè)正在做的方向，是雙臂運(yùn)動(dòng)控制，底層硬件上面的可批量制造性、可批量交付性以及新的雙臂控制和交互方式。這都是我們比較有優(yōu)勢(shì)的一個(gè)方面。

那么在底層移動(dòng)上，現(xiàn)在還在做一些新的探索。我們可能大概率不會(huì)用一個(gè)雙足，現(xiàn)在很多同行都在做雙足，我們可能會(huì)用輪式方案，用一個(gè)更接近人形輪式的方式，來最后定義產(chǎn)品。

量子位：我們觀察到大象機(jī)器人的人形機(jī)器人最先在工廠場(chǎng)景中應(yīng)用，為此有做什么不用的設(shè)計(jì)嗎？

大象機(jī)器人林鴻林：從場(chǎng)景出發(fā)，我們?cè)缦冗M(jìn)行了很多實(shí)際調(diào)研。現(xiàn)在工廠里到底哪些場(chǎng)景是單臂機(jī)器人不能做、而需要一個(gè)雙臂的？答案如果是不需要雙臂機(jī)器人，那就不用做。但這個(gè)需求是實(shí)際存在的。

比如剛剛提到的雙手協(xié)同拼接。而且我們?cè)谛袠I(yè)里不斷積累，服務(wù)行業(yè)提出了一些場(chǎng)景。比如在日本，我們做了可以在便利店里煮關(guān)東煮的機(jī)器人。它需要做識(shí)別、完成抓取。還有很多各種各樣的想法被提出來，比如廚房機(jī)器人、帶雙臂的倉(cāng)儲(chǔ)等。

綜上，現(xiàn)在其實(shí)有一些共性需求。工業(yè)機(jī)器人不能滿足外觀、噪聲、安全性等方面的要求。我們現(xiàn)在做的是協(xié)作機(jī)器人，它和工業(yè)機(jī)器人的區(qū)別在于，協(xié)作機(jī)器人在工廠里工作是不需要裝安全護(hù)欄的，它可以和工人們?cè)谕粋€(gè)空間內(nèi)，所以對(duì)于它的安全性要求就非常高，進(jìn)一步也就不太可能做超過40公斤以上的協(xié)作機(jī)器人——40公斤以上就是工業(yè)機(jī)器人人標(biāo)準(zhǔn)了。

對(duì)于整體力矩的控制、末端人體感知等安全方面，會(huì)有很多新要求。所以這要求雙臂靈活、可以相互配合、可以協(xié)同并且足夠安全。同時(shí)在交互方面，我們也有一些應(yīng)用層上的創(chuàng)新，比如結(jié)合VR等外部設(shè)備。

機(jī)器人應(yīng)用還是太少了

量子位：我們注意到絕影Lite3已經(jīng)開始面向非結(jié)構(gòu)化場(chǎng)景使用了，適應(yīng)不同場(chǎng)景最大的技術(shù)難點(diǎn)是什么？

云深處李超：我們感覺用的時(shí)候技術(shù)難點(diǎn)到處都是哈哈。以我們行業(yè)機(jī)器人為例，現(xiàn)在的問題還是機(jī)器人用得太少了。

有一些機(jī)器人在隧道里面使用，夏天的隧道會(huì)滲水，地面特別滑，我們已經(jīng)解決了地面濕滑穩(wěn)定行走的問題，可以保證它不倒。但是在很多狹窄的地方，還希望它既能不倒、又能很精確，這確實(shí)是目前遇到的一個(gè)問題。還比如在草坪上走，會(huì)出現(xiàn)螞蟻洞這種看不到的東西，這個(gè)問題現(xiàn)在也在被逐步解決。

云深處現(xiàn)在的優(yōu)勢(shì)是不怕這些問題，我們會(huì)不斷進(jìn)行迭代。其實(shí)今天很遺憾，沒有帶著機(jī)器人來到現(xiàn)場(chǎng)，如果能有一個(gè)實(shí)體機(jī)器人給大家展示，能夠更直觀感受。

量子位：云深處設(shè)計(jì)機(jī)器人過程中，模塊化設(shè)計(jì)是經(jīng)常被提及的。這在非結(jié)構(gòu)化場(chǎng)景機(jī)器人的應(yīng)用上，有什么優(yōu)勢(shì)？

云深處李超：模塊化是批量化的一個(gè)前置，這樣可以獨(dú)立去做開發(fā)。硬件、軟件模塊化對(duì)我們來說是有些困難的，它涉及到新技術(shù)引入、各個(gè)方面的協(xié)同。做模塊化是為了更好和行業(yè)做接口。

仿生機(jī)器人只是到了“摩托羅拉時(shí)刻”

量子位：現(xiàn)在都說仿生機(jī)器人到了“iPhone時(shí)刻”，作為業(yè)內(nèi)人士如何看待這種說法？我們現(xiàn)在走到哪一步了？

大象機(jī)器人林鴻林：看待這個(gè)問題首先要明確定義下什么是“iPhone時(shí)刻”。我們理解這個(gè)概念，是指智能手機(jī)被廣泛接受，并且定義了智能手機(jī)應(yīng)該是什么樣子。實(shí)際上遠(yuǎn)遠(yuǎn)在iPhone 3S出來之前，很多功能就已經(jīng)有了，比如3G網(wǎng)絡(luò)通信、電容屏觸摸，這些東西不是iPhone帶來的。

所以對(duì)于喬布斯的定位，大家都認(rèn)為他是一個(gè)整合者而不是一個(gè)創(chuàng)造者，因?yàn)樗嗍前押芏?u>現(xiàn)有技術(shù)做結(jié)合。

站在這個(gè)意義上面，我覺得我們這個(gè)時(shí)刻還具有很大一段距離。原因在于底層硬件技術(shù)本身還非常不成熟，我們只是單點(diǎn)技術(shù)比較成熟、離那個(gè)時(shí)刻非常近。

那么反過來問，iPhone時(shí)刻為什么會(huì)被定義為這個(gè)時(shí)刻？

我覺得是因?yàn)樗x了很多底層交互。比如它明確了實(shí)際上不需要用鍵盤、鼠標(biāo)來操作，而是直接用手指來點(diǎn)擊屏幕，這個(gè)更符合直覺交互，并且它定義了我們今天使用的GUI。

今天的桌面PC，無論是Windows還是macOS，他們做的這一整套定義基本上都是一樣的。無論是iOS還是安卓，這一整套視覺GUI和蘋果當(dāng)時(shí)發(fā)布的那一套是一樣的。當(dāng)我們接受了這一整套交互設(shè)定，所以我覺得這個(gè)是它能夠成為時(shí)刻點(diǎn)、定義下一代產(chǎn)品的一個(gè)原因，并且他成功把現(xiàn)有比較成熟的技術(shù)放到了一起。

放到今天來看，我覺得我們現(xiàn)在底層算法、硬件產(chǎn)業(yè)鏈發(fā)展，還沒有非常成熟、以至于可以很快出現(xiàn)一個(gè)像喬布斯一樣的整合者，還需要很多底層上面的持續(xù)研究和突破。

量子位：現(xiàn)在什么技術(shù)要素會(huì)成為通往通用人形機(jī)器人之路的鑰匙？

云深處李超：我接著剛剛林總的話說，我覺得現(xiàn)在不是iPhone時(shí)刻，是“摩托羅拉時(shí)刻”。

這是因?yàn)槿诵螜C(jī)器人很多功能是有的，怎么讓它成為一個(gè)適用范圍更大的工具？這是現(xiàn)在制約它發(fā)展的點(diǎn)。

機(jī)器人領(lǐng)域的五項(xiàng)技術(shù)，現(xiàn)在都有很多需要突破，從底層、硬件、感知、交互到觸覺，離我們的想象還是有一定差距。但之前最大的差距就是交互、理解方面，這也是今天為什么大家坐在這里來討論。大模型確實(shí)彌補(bǔ)了具身智能的最后一環(huán)，其他環(huán)節(jié)此前都有，但是能力還不夠，現(xiàn)在我們各個(gè)環(huán)節(jié)都補(bǔ)齊了。

行業(yè)需要更多耐心和時(shí)間

量子位：最后，想請(qǐng)問兩位有什么觀點(diǎn)和想法想和關(guān)注、熱愛仿生機(jī)器人的觀眾朋友分享？

大象機(jī)器人林鴻林：我想說我們現(xiàn)在確實(shí)在做一些比較新的東西，希望大家能夠?qū)ξ覀冞@個(gè)行業(yè)更加寬容。實(shí)際上，我們每天都是在看著機(jī)器人不斷在各種場(chǎng)合里翻車，它走不好一段路、抓不到一個(gè)東西，這個(gè)是日常工作中最常遇到的情況。最后能夠呈現(xiàn)在宣傳片里的，都是經(jīng)過很長(zhǎng)時(shí)間實(shí)驗(yàn)后得出的結(jié)果。

所以一方面，我們對(duì)未來有樂觀的判斷，有理想的追求。同時(shí)我們也要接受這不會(huì)是一個(gè)非常簡(jiǎn)單并且能快速實(shí)現(xiàn)的路徑。

我一方面希望更多人可以關(guān)注到這個(gè)行業(yè)，但同時(shí)也希望大家能對(duì)任何新興行業(yè)都更加寬容，給予它一些耐心和時(shí)間。

云深處李超：我們確實(shí)在很多場(chǎng)景下實(shí)實(shí)在在解決一些問題，但是這些問題是媒體或者投資圈很少被關(guān)注到的。

在2015年，仿生機(jī)器人出現(xiàn)過一波熱潮。當(dāng)時(shí)谷歌收購(gòu)了兩家機(jī)器人公司，波士頓動(dòng)力和Schaft，他們的技術(shù)水平都比國(guó)內(nèi)任何一家機(jī)器人公司高非常多。但是在那三年之后，波士頓動(dòng)力被賣掉，另一家Schaft直接關(guān)閉了。

這中間有一個(gè)原因，可能是當(dāng)時(shí)技術(shù)水平還不夠，或者說還是大家給出了一個(gè)過高的期望？

從我們成立云深處這家公司開始，就抱著一個(gè)解決問題的目標(biāo)。

但是剛剛也說到，今年具身智能的發(fā)展，實(shí)現(xiàn)了技術(shù)閉環(huán)。我其實(shí)蠻感謝這個(gè)時(shí)代，從2017年創(chuàng)業(yè)開始，每年的技術(shù)進(jìn)步都遠(yuǎn)超我預(yù)期。我們剛成立時(shí)，都不能確定我們做到死，機(jī)器人能不能用得上。但實(shí)際上真實(shí)情況比預(yù)期好。

所以我最后希望整個(gè)行業(yè)大家能腳踏實(shí)地一點(diǎn)，把這件事當(dāng)成像汽車產(chǎn)業(yè)或者其他技術(shù)產(chǎn)業(yè)慢慢向前去推進(jìn)，即便沒有到iPhone時(shí)刻，現(xiàn)在也是摩托羅拉時(shí)刻/諾基亞時(shí)刻，也是會(huì)被每個(gè)人去用到的。

關(guān)于量子位智庫(kù)沙龍

量子位智庫(kù)主題活動(dòng)，圍繞AI和前沿科技相關(guān)的最新進(jìn)展和熱門話題，邀請(qǐng)一線行業(yè)專家，系統(tǒng)性分享認(rèn)知。