特斯拉擎天柱機器人首次自主登臺！馬斯克：3年量產5年商用，售價不超過14萬

編輯部 假裝發(fā)自 Palo Alto

智能車參考 | 公眾號 AI4Auto

擎天柱機器人，這次自己登場！

在剛剛結束的特斯拉2022 AI Day現場，馬斯克押注未來的人形機器人擎天柱（Optimus）——一系列新進展得到披露。

先是用手指倒計時開啟展示，其后緩步登臺，有模有樣，還展示了一段馬斯克最愛跳的舉手搖擺舞。

馬斯克強調，這是擎天柱機器人首次獨自登臺。

接著就通過視頻，展示著這個機器人目前的日常：在特斯拉工廠里搬包裹、澆花、學習各種人類做的事情。

但作為測試版本，這個原型擎天柱還比較粗糙，線圈裸露、胸口有醒目的電機等等。

所以緊接著第二版本、更美觀的擎天柱機器人也登場了——暫時還不會走，卻有更具設計的外觀，甚至還給配了一個得州牛仔腰帶。

馬斯克對特斯拉機器人的進展相當滿意，他說雖然很難，但一定會比特斯拉的車更便宜，要服務于人類生活和經濟，成本和售價要瞄準2萬美元（14萬元）的標準去量產和商用。

在最后的問答中，馬斯克還給出了時間表：3年量產，5年商用。

總之，特斯拉的AI Day在經歷延期之后，果然不負眾望，國內十一假期和國外周五夜晚都沒能阻擋熱情，數萬人在線實時觀看。

而且馬斯克家的擎天柱機器人一登場，立馬就讓不少網友感慨：相比之下，XX家的XX就是個遙控玩具而已呀。

擎天柱機器人，究竟有何不同？特斯拉AI Day上，又分享了哪些自動駕駛和芯片、超算方面的進展？

智能車參考，帶你一文看盡。

“擎天柱”機器人亮相

擎天柱首次登場，自己走上臺，向觀眾揮手。

還跳了一段馬斯克最喜歡的舉手舞。

動作還比較生澀，但這已經是目前完成度最高的AI人形機器人了。

波士頓動力？

馬斯克特意強調了擎天柱是第一個沒有外部穩(wěn)定輔助、沒有遙控、沒有外帶電源，完全靠AI算法、自身電池電控、高集成的電驅執(zhí)行器驅動的人形機器人。

怎么實現？特斯拉在這個項目上有哪些創(chuàng)新？

一一來看。

整體情況

擎天柱機器人身高170cm左右，重73公斤。整個機器人由一塊2.3度電池供電。

電控系統(tǒng)，包括充放電的功率半導體模塊，都集成在了機器人胸口的電池包中。

機器人靜坐時，功耗為100w，快步行走時，功耗為500w。

可以估算，這樣的能耗水平和電池容量，可以支撐擎天柱不間斷持續(xù)工作1.5-2小時之間。

擎天柱全身最大實現200度自由活動范圍。

負責完成主要任務的手部，有最大27度活動范圍（腕部）。

我們看到的這個能走路、揮手、跳舞的擎天柱，是目前的最新版本，沒有包覆外殼。

馬斯克介紹，今年4月擎天柱第一次實現站立行走，到現在也不過半年時間。

下一個完成度較高、包裹“皮膚”的機器人，未來幾個月內就能下地走路。

售價嗎…馬斯克也給出了一個讓人期待的估計：

很可能20000美元以內，肯定比汽車便宜。

擎天柱能做到什么？

擎天柱200多個自由活動維度，由全身28個結構執(zhí)行器實現。

控制這些執(zhí)行器的，也是從特斯拉FSD自研計算平臺衍生而來的SoC。

擎天柱機器人能做到什么？

簡單的展示中，能夠自己搬運物品，完成精細動作比如澆花。

通過模仿人類的關節(jié)和肌肉工作方式，特斯拉為擎天柱開發(fā)了6種不同的執(zhí)行機構：

甚至可以提起500公斤重的鋼琴:

如何使6種、28個不同的執(zhí)行機構像人一樣協(xié)調統(tǒng)一的活動呢？

整體策略：AI像人學習

機器人有28個驅動機構，基礎已經具備。

但難點在于執(zhí)行器級別優(yōu)先度不明確。

所以需要AI模型理解不同任務下各個關節(jié)的調動方式。

特斯拉的方式是采集不同這是任務下的人類關節(jié)運動模式，提取其中關鍵參數，比如扭矩分布、關節(jié)旋轉角度等等，然后合成一個整體的多維向量數據，并灌輸給系統(tǒng)。

如何讓擎天柱完成一個具體任務？

總體分為兩個步驟。

首先是前面說的將人類的示范動作映射成多維向量，并讓系統(tǒng)首先模擬出這個具體任務的關節(jié)運動軌跡：

緊接著，再通過實時系統(tǒng)將已經生成好的軌跡指令，發(fā)送到機器人對應的執(zhí)行機構上。

但這個過程中，涉及到許多細分技術難題，特斯拉分別介紹了感知識別、行走與平衡、執(zhí)行策略，以及手部動作幾個方面。

感知：特斯拉自動駕駛同源技術方案

擎天柱看到的世界是這樣的：

目標感知和識別算法的基礎，其實就是FSD的相應模塊。

這一部分如何提高識別的準確度和規(guī)劃擎天柱前進的路線，其實和自動駕駛算法相同。

“相當于一個低速、兩條腿的自動駕駛汽車”。

后面介紹FSD時會詳細說明。

如何保持平衡

從工程角度看，行走并不是一件簡單的事。最重要的是保持平衡。

其次保持整體動作的協(xié)調。

機器人上如何實現？

特斯拉開發(fā)了一個全新的機器人運動模型。

預設路線規(guī)劃好，輸入給系統(tǒng)后，系統(tǒng)會自動繪制出機器人的下一個落腳點，并且和整個機器人重心聯動，保持邁步同時的平衡。

不過 ，這里仍然存在工程上的控制挑戰(zhàn)。

如何實現規(guī)控

剛剛說的運動規(guī)劃，是在理想條件下實現的，只存在于系統(tǒng)模擬之中。

擎天柱真正邁出這一步，其實很容易受現實世界復雜環(huán)境的干擾而摔倒。

特斯拉的方案是在執(zhí)行決策中加入修正步驟。

利用傳感器數據的真實性，不斷修正運動學模型對軌跡的估計。

這張圖解釋的很清楚：

基本運動模型，由本地已經訓練好的算法模塊（以真實世界模擬為素材）為基礎。

這個模型首先對環(huán)境進行模擬，預測出下一步行動軌跡。然后由傳感器數據預測修正。

最后將修正后的指令發(fā)送到執(zhí)行機構。

手部復雜系統(tǒng)

擎天柱手指單獨成一個系統(tǒng)，有6個執(zhí)行機構，每個關節(jié)實現最大11度的自由運動。

基本靈活性和人類手掌相當，也能做到每秒300度的轉動速度，而且關節(jié)、指尖觸點裝有傳感器。

能夠承重20磅（9公斤）、使用工具，以及抓取細小物品。

擎天柱明年開始量產，馬斯克盡管說它的售價可能不超過20000美元，但同時也認為人形機器人的價值其實并沒有被大眾真實認知。

所以之前馬斯克也在推特上說，最先應用擎天柱的場景，可能就是特斯拉自己的超級工廠。

關于這一部分，他畫了一張很大的餅。

特斯拉之所以把機器人造成人類模樣，主要目的就是取代人類完成幾乎所有經濟活動中需要的勞動。

“因為這個世界的所有工具、系統(tǒng)都是為人類的形體特征建造的?！?/p>

而馬斯克認為，一旦機器人變成主要生產力，人類完全就能實現個人的全面發(fā)展。

得到你想要的一切物質財富，學習享受一切你感興趣的東西。

我們中國群眾一點都不陌生，這不就是共 產 主 義嗎？？？

特斯拉FSD，和背后的數據閉環(huán)

首先登場的是特斯拉Autopilot負責人Ashok Ellaswamy。

他表示，特斯拉FSD自動駕駛車隊規(guī)模從去年的2000，到現在已經擴充到了16萬。

緊接著說道，之所以能達到這個成績，主要歸功于過去一年里工程師們的血汗付出——對75,000多個神經網絡模型進行訓練。

整個特斯拉FSD系統(tǒng)由以下部分組成：

更準確的說，這是特斯拉典型自動駕駛算法的開發(fā)流程。

FSD的主體算法框架，由車道、障礙物識別算法，以及環(huán)境建模算法（可供行駛的空間）組成。

當然，這些都是已經預訓練好的框架。

然后將經過自動標注、模擬的訓練數據喂給算法，這就形成了完整的迭代過程。

之后將這套算法部署在車端，完成自動駕駛任務。

接下來還詳細介紹了特斯拉Autopilot系統(tǒng)如何與現實世界進行交互。

每50毫秒可以實時做出一個決策，具體依靠如下的框架，將其概括為“交互搜索”。

決策的依據，是現實存在的車道線、以及其他移動的交通參與者。

根據軌跡預測算法，計算出多種可能的運動軌跡，這里需要用到不同的限制條件過濾掉那些明顯不安全、不合規(guī)的軌跡。

這些規(guī)則，其實也是FSD系統(tǒng)通過巨量的真實道路數據學習得來的。

而且不僅僅是機械的交通準則，更多是人類老司機處理極端場景時的策略和方法。

后臺訓練方面，特斯拉目前的計算集群，由14,000個GPU構成，其中使用10,000個GPU來訓練，4000個GPU則用來標記。

關于自動標注，以復雜路口的車道線為例，特斯拉每天有超過50萬個case被收集，如果全部使用人工標注，將耗費數個月的時間。

所以，特斯拉開發(fā)了一種新的系統(tǒng)：3D自動“打標工廠”。

第一步，數據從8個攝像頭處獲得，并且使用Transformer為基礎的BEV模型從不同傳感器的2D數據中恢復3D場景。

然后從這些初步處理過的數據中，先進行軌跡預測。

第二步，對于多車道的場景進行重建，這里指的是在系統(tǒng)中重建用于模擬訓練的場景。

最后，則是在新建的模擬場景中，標注出新的數據要素，比如其他目標的軌跡策略、車道線的不同形式等等。

整個流程不過30分鐘時間。

標注之外的另一個環(huán)節(jié)，是模擬。

重建模擬環(huán)境，通常需要幾個星期的人工。

但特斯拉的Lanegraph工具，幾分鐘內就能完成。

生成模擬環(huán)境，基礎還是車輛在路徑上采集到的真實信息。

Lanegraph會基于這些數據，學習到關于某一類道路環(huán)境的基本要素（ground truth），包括車道線形式、道路寬度、人行道邊界、交通標志信息等等。

然后，Tile creator模塊會根據這些要素，自動生成一個模擬場景。

然后，場景中的物體幾何信息，與時間維度的實時狀態(tài)會被提取出來。

最后，再使用虛幻引擎將這些特征渲染成高真實度的場景。

有多真實？包括道路標牌信息上的文字、路旁樹木形成的斑駁陰影等等都能呈現。

數據閉環(huán)最后一步，就是訓練和迭代。

這張圖展示特斯拉整個數據閉環(huán)的過程：

其中，值得關注的是“影子模式”，即車主在使用過程中傳回的高價值場景數據。

這也構成了特斯拉最主要的訓練數據來源，也是FSD快速進步的最主要原因：

以識別路口靜止車輛這個具體案例來說，真實場景數據遠高于模擬場景，一年時間內識別準確率從85%左右提升到近100%。

這次的AI Day，特斯拉FSD講了很長時間，但和去年相比，顛覆性技術革新并不多。更多的是特斯拉展示已經建成的高度自動化的數據閉環(huán)體系，以及這套數據閉環(huán)帶來的高效迭代速度。

有意思的是，這些技術思路，比如對Attention機制、Transformer、語言模型化用等新進展，跟國內更早之前自動駕駛公司毫末智行的AI Day上的大同小異——也意味著對于自動駕駛的工程化探索，目前業(yè)界到了合流的時候。

最后總結一下：

數據前融合，采用基于Attention的Transformer進行。這是一個由特斯拉開創(chuàng)、其他自動駕駛玩家紛紛跟進的趨勢。

模型優(yōu)化方面，應用了不少NLP（自然語言處理）領域的思路。

格外重視的，還云端訓練，這就帶出了AI Day的另一個重要內容：

特斯拉超算Dojo新進展

這一部分，幾乎都是黃仁勛和英偉達的受難時間。

Dojo由特斯拉自研計算芯片D1集成。

具體來看，25塊D1集成為一個計算模塊。

一個計算模塊，相當于6個通用GPU性能，而成本和能耗，僅相當于1個GPU。

另外，去年特斯拉介紹了自建超算的基本模塊單位ExaPOD，集成120個訓練模塊，包含3000個D1芯片，超過1百萬個訓練節(jié)點。算力達到1.1EFLOP。

當時只是PPT，最新消息是，明年特斯拉即將在加州Palo Alto開建，總共規(guī)劃了7個ExaPOD組成計算集群。

不用說，建成之后肯定是人類有史以來最大的AI專用訓練、模擬基礎設施。

馬斯克在問答中也透露，DOJO不光會特斯拉自己用，也會考慮AWS一樣的方式對外商用，總之有這樣的大殺器，不愁商業(yè)模式。

問答馬斯克

最后，作為AI Day的互動交流環(huán)節(jié)，馬斯克親自上陣，盡可能回答了所有問題。

這些問題主要集中在三個方向上：

第一，擎天柱機器人和通用人工智能。

第二，自動駕駛。

第三，馬斯克的認知和特斯拉未來。

我們言簡意賅傳送如下。

問：擎天柱機器人現在用的肌腱系統(tǒng)定型了嗎？

馬斯克：我們現在的方案是為了更快實現工程化制造，即便有很多方案可以選擇但也有取舍，但根本上依然保持開放心態(tài)，會在不斷迭代中改進方案。

問：擎天柱機器人會有認知智能嗎？比如開開玩笑。

馬斯克：肯定能跟人聊聊天，有簡短的交談，但也不要走到終結者那樣……我們希望擎天柱能夠安全、有保障地為人類服務。

現在的擎天柱核心是實用主義的完成任務，以后會推進創(chuàng)造性認知的一面…擎天柱機器人肯定不是無聊的執(zhí)行器。

問：如何保證擎天柱機器人的“意識”始終是正確的，不會傷害人類？

馬斯克：我們的機器人跟科幻電影的里的還不一樣，主要還是你希望做什么它就執(zhí)行什么，當前還是比較偏執(zhí)行的機器人。

機器人工程師補充：機器人的“意識”一方面可以通過數據訓練，二是確保可以遠程控制，一旦發(fā)現有不對的傾向可以接管。

馬斯克補充：或許會有一個終極控制按鈕。

問：擎天柱機器人的開發(fā)還跟加速可持續(xù)能源的特斯拉使命有關嗎？

馬斯克：嚴格講不是一個路線。擎天柱核心還是希望讓世界更美好，能夠讓人類更美好。

我是真的想看看最酷的最前沿的技術，讓世界在5年后、10年后變成什么樣……我是真的很感興趣。

問：擎天柱機器人正在走向通用人工智能（AGI），你擔心嗎？

馬斯克：我是人工智能的忠實信徒，并且認為需要像監(jiān)督汽車、飛機和藥物一樣，確保AI的正確使用。應該有一個裁判的角色，保證AGI的安全使用。

但實現AGI，可能需要一個史無前例的超大數據集。不僅是互聯網數據，還有諸多線下的數據。于是就需要有更大的超算來訓練……這樣才能實現AGI。

問：AGI的發(fā)展預估？

馬斯克：AGI一定會來。比如5年、10年會有很大的改變，但下周可能不會有大的更新…所以前途是光明的，道路是曲折的，還有很多工作要做。

機器人的本質是傳感器和執(zhí)行器，以及如何控制執(zhí)行器。

問：擎天柱機器人啥時候會投入使用？

馬斯克：現在就已經在特斯拉工廠測試，搬東西，從一個地方搬到另一個地方。

我希望很快能進入到開放訂購的狀態(tài)。

三五年吧。三年量產、五年隨便買，能夠當個禮物送人。

問：特斯拉FSD為什么開始引入語言模型？

工程師：車道和路口啥的，只能通過語言模型的方式，可以實現更好的……視覺信息的建模沒那么完整的時候，語言模型、語言生成模型可以起到很好的作用。

問：FSD的公測推送標準？

工程師：我們會有好幾個版本，通過公測推送的不是內部最新的那個版本。

馬斯克：內部最新的版本通常都是我來測，我是FSD的首席測試。經常給他們debug。（現場笑）

問：特斯拉會始終堅持視覺方案？

馬斯克：自動駕駛的本質就是生物神經網絡，你始終可以參照人類的方式。

問：FSD的推進計劃？

馬斯克：很多國家需要批準才能開始FSD測試，但我相信我們已經準備好了。FSD今年年底還會有大的更新。目標就是一個停車場到目的地停車場的連續(xù)自動駕駛。

問：如果回到20歲，你會告訴自己什么？

馬斯克：（認真思考了一會兒），我會想辦法給20歲的自己說點實用的吧。比如盡可能站到人前，和更多聰明人認識，讀更多的書。以及不要太羞澀內向……偶爾送送玫瑰啥的也很好。

享受每一個時刻。比如我們火箭在小島研發(fā)的時候，該喝一杯的時候就喝一杯，因為那個時刻的感覺轉瞬即逝，不會再有了。

問：特斯拉何以為特斯拉？獨特性在哪里？

馬斯克：我們現在是很大的公司了，有不同領域知識的人才，而且我們做的事情幾乎都相當成功，因為在做正確的事情。也因為我們的使命是工程師用技術讓世界變得更美好。

其實很多硅谷公司都這么想，但能讓工程師真正快樂、且發(fā)揮才能的，不多。多數就是被畫餅進去，然后得不到有效地成長。

但特斯拉不是，這里非?？?，也很辛苦，解決很多艱難的挑戰(zhàn)，但如果你是一個天才，不管是哪個方面的，總有你的用武之地。

問答最后，馬斯克帶動現場參會者感謝了特斯拉工程師們，還講了一下AI Day的意義，說之所以披露大量的細節(jié)，就是希望感興趣的人可以隨時挑著看自己感興趣的東西，加入我們，改變世界。