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

夢晨 韓智 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

什么？小米發(fā)布了全尺寸仿生人形機器人？

就在雷軍在個人年度演講快結束時，順手扔出了這個王炸——全尺寸仿生人形機器人CyberOne。

并且這次不是PPT，也不是請人穿著道具上去跳舞，而是直接拿出原型機，現場和雷軍互動了一番。

近些年，機器人儼然成為眾多科技公司展現自己綜合研發(fā)實力最好的產品。

從早年的波士頓動力、軟銀Pepper，到去年馬斯克的一手「快閃」，每次發(fā)布都引來無數關注——

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

老規(guī)矩，更多軟硬件細節(jié)及幕后信息，一并為大家揭秘。

小米人形機器人，究竟是個啥？

縱觀當下叫得上號的“網紅”人形機器人，我們不難發(fā)現，各家公司對于人形機器人的描摹有很大差異。

按產品定位大致可以分為三個方向。

超越人，以大名鼎鼎的波士頓動力為代表，旨在追求極致機能以達到擁有超越人類的運動能力。

這個方向也吸引了國內外眾多科研單位參與?？梢哉f波士頓動力在姿態(tài)控制、動作預判算法、動力輸出等領域走在了全球人形機器人領域的前列。

替代人，以去年宣布打造人形機器人的特斯拉為代表。

馬斯克是個明白人，特斯拉出貨量穩(wěn)步提高，光超級工廠就規(guī)劃了不下10個，如果能打造一個人形機器人來代替工廠中重復勞動的員工，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器人替代人的想法。

服務人，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、認知、決策、執(zhí)行過程從而更好服務于人。

這一定位方向，在產品細節(jié)上如何體現？我們一項一項看。

如果給CyberOne來個外科體檢，高177cm，是一個標準的成年人身高。

體重則僅為52kg，別看現在身板有點單薄，其實也是為了后續(xù)進一步演進做重量冗余。

再查五官科，CyberOne的臉蛋沒走擬真的精致五官路線。

頭部前面是個面罩，外層半透明材質，內層為OLED與柔光特效，再加上2D彎曲貼合顯示模組實時表達機器人情緒。

下一項該考察機器人的運動能力。

這其中，關節(jié)是核心，業(yè)內皆知，這塊相關組件一般占人形機器人成本三分之一以上。

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

CyberOne髖關節(jié)主要電機瞬時峰值扭矩可達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，極致運動能力非CyberOne的目標。

CyberOne更多的采用了以高性能、小型化電機為主的干系統(tǒng)作為運動能力支撐，并沒有過多的使用機械性能當下更強大的液壓濕系統(tǒng)。

這種選擇上的傾向還是較為激進的，迎合了新能源時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。

傳感器方面，CyberOne對外界信息獲取來自聽覺和視覺。

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

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

你大概好奇環(huán)境音識別有什么用？小米工程師舉了一個有趣的例子——

離家前忘關水龍頭？它就能識別滋滋水流聲并提醒你。

據了解，CyberOne還實現了「拖動示教學習」這項特別的功能。

所謂拖動示教學習，就像是父母手把手教你第一次學會用上了筷子。

這動作對人來說簡單，但對機器就難度很大了。不僅要求硬件機械臂是「活」的，可被移動，反驅的形式對關鍵部位電機性能要求更高，也是小米團隊最初要求的關鍵指標。

除此之外，機器人還要通過傳感器和軟件層能夠記憶學習動作，重復執(zhí)行，工程師們希望通過該功能實現，讓機器人模擬人的學習過程。

看到這，大致能得出些不吹不黑的結論——

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

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

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

人形機器人，有多難？

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

毫不夸張的說，全尺寸人形仿生機器人是“機器人皇冠上的明珠”。

原因也不難理解。

身體結構上，人類雙足直立行走、雙手操作工具都是歷經上百萬年進化而來，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、靠人為設計去模仿逼近，工程難度可見一斑。

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

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

小米人形機器人項目的負責人向迪昀表示，這次難度和去年的機器狗鐵蛋不在一個level上。

看上去理論似乎很健全，但怎么做、技術如何演進，誰也沒有正確答案。

縱觀目前市面上成熟的項目，從產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，最后是全身的動作協同。

小米則通過在智能制造和之前CyberDog機器狗項目上的技術積累，最終決定下半身和上半身并行推進，項目進展較快。

機械方面對應人類行為的執(zhí)行部分，一般由小腦控制。但如果只做到擬人運動能力，充其量可以稱之為機器。

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

從已公開的信息來看，CyberOne首先擁有空間感知、認知能力。

CyberOne搭載自研Mi-Sense深度視覺模組，結合AI交互算法，使其不僅擁有完整的三維空間感知能力，更能夠實現人物身份識別、手勢識別、表情識別，CyberOne真正做到了不僅看得到也能看得懂。

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

智能汽車路徑規(guī)劃除了解決機器人從A點到B點外，還需要在過程中針對各種情況進行語義標定，例如停止的障礙車輛、地上的行車線、運動中的行人等等，從而對其作出預判，保證安全舒適行車。

雖然CyberOne得到了來自小米自動駕駛團隊的技術幫助，但但自動駕駛仍然是在道路交通有限場景下的路徑規(guī)劃技術，而人形機器人則是全場景的路徑規(guī)劃，面對的情況更加豐富，需要對環(huán)境語義的標定更加復雜。

CyberOne同樣擁有情緒的感知和認知能力，這部分能力則是師承小米內部小愛同學團隊。

小米人形機器人項目的負責人向迪昀表示，小愛同學面向大眾展現的能力只是冰山一角，其實小愛團隊很早就開始搭建情緒訓練模型和環(huán)境語音語義模型，這方面技術對軟硬件平臺要求較高，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、運動和交互能力，可以算是大小腦平衡發(fā)展了，所以這次發(fā)布會上雷總把他帶上臺進行了演示。

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

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

不過擺在機器人行業(yè)面前的問題，從來就不局限于技術本身。

人形機器人投入成本高、回報周期長，商業(yè)化進展上這幾年也經歷了一番波折。

波士頓動力公司7年內被3次轉手，產品上機器狗Spot公布的銷量只有數百臺，人形機器人Atlas就要更少。

軟銀的人形機器人Pepper則在去年被曝出直接停產。

總之，邁過技術驗證階段之后，小米想要把機器人打造成一款產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，小米新技術研發(fā)更值得投入精力的地方，似乎應該是造車。

分出人力物力來搞這么難的人形機器人，是出于什么考慮？

對于這個問題，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)”自然進化而來的產物，也是小米科技生態(tài)的代言人，可分為兩個方面來看。

第一是技術方面。

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

融合進化，說的是看似已成熟的技術用在新的領域就會暴露出新的問題，然后才有機會做出改進。

舉例來說，機器人自身可以移動，對視覺、語音算法的要求就和手機完全不同。這也印證了AI學術界最近呼聲很高的”具身智能”——給AI一個身體，它理解這個世界的方式才能更貼近人類。

進一步來說，通過融合創(chuàng)新和改進的技術還可以在科技生態(tài)內的各個場景相互遷移。

如最初用在機器狗上的萬物追焦算法也能用于手機；小米自動駕駛進展非常快，得益于2017年創(chuàng)辦的小米人工智能實驗室；未來人形機器人上驗證成熟的技術也有機會支援造車。

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

第二個是場景方面。

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

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

一種是「超越人」，以波士頓動力為代表，專注提升機器人的運動性能。

一種是「替代人」，以特斯拉為代表，要讓機器人進入造車工廠補充勞動力。

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

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

原研哉在為小米設計全新LOGO的時候，就提到全新的小米LOGO能夠體現小米的品牌精神：科技就越是進化，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器人也是順理成章。

△小米集團技術能力示意圖

關于機器人如此之難，為何還要做，國家也給出了相關答案。

在工信部等十五部門聯合印發(fā)《“十四五”機器人產業(yè)發(fā)展規(guī)劃》中提到：

面向制造業(yè)、采礦業(yè)、建筑業(yè)、農業(yè)等行業(yè)，以及家庭服務、公共服務、醫(yī)療健康、養(yǎng)老助殘、特殊環(huán)境作業(yè)等領域需求，集聚優(yōu)勢資源，重點推進工業(yè)機器人、服務機器人、特種機器人重點產品的研制及應用，拓展機器人產品系列，提升性能、質量和安全性，推動產品高端化智能化發(fā)展。

……

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

超越人、代替人、服務人這三種路線，你又更期待哪個？