近日，在上海2024世界人工智能大會上，人形機器人和大模型成為了兩大人氣王。
新設(shè)的機器人專區(qū)里，25個人形機器人、各種靈活的機械臂、穿梭在過道中送水的機器狗，還有能夠幫你成為超能人——兩只手指頭就能搬起沙袋的外骨骼；大模型展區(qū)更是各種炫技，讀懂你的情緒、模擬你的動作、幫你做個個性化的診療、甚至讓你直接和你喜歡的數(shù)字名人聊天，比如羅永浩……置身其間，你似乎來到了未來世界。
據(jù)國際機器人聯(lián)合會的數(shù)據(jù)顯示，全球人形機器人的市場規(guī)模正以每年超過20%的速度增長。預(yù)計到2025年，將達到數(shù)百億美元的規(guī)模。
4月，首屆中國人形機器人產(chǎn)業(yè)大會發(fā)布《人形機器人產(chǎn)業(yè)研究報告》預(yù)測，2024中國人形機器人市場規(guī)模約27.6億元（人民幣，下同）；2026年達104.71億元；到2029年達到750億元，將占到世界總量的32.7％，位居世界第一，到2035年規(guī)模有望達到3000億元。
過去，由于技術(shù)不成熟，人形機器人只能提供casebycase服務(wù)，缺乏對復(fù)雜場景的認知能力，應(yīng)用空間局限；同時在本體控制層，人形動作僵硬，需按照預(yù)設(shè)好的算法運行，不具備更智能的靈巧操作能力。
隨著2023年大模型技術(shù)席卷而來，技術(shù)進步給人形機器人具身智能帶來了新轉(zhuǎn)折。從事AI賦能企業(yè)數(shù)字化的常信科技CEO葛林波表示，有了大模型的加持，“新”人形機器人已經(jīng)突破了上一代技術(shù)路徑的局限。它的革命性變化主要體現(xiàn)在：實現(xiàn)了更高層次的抽象理解和推理能力，大幅提升了非結(jié)構(gòu)化環(huán)境中的適應(yīng)性，使機器人具備了更接近人類的認知決策能力，并能實現(xiàn)跨領(lǐng)域知識遷移和自主學(xué)習。
“人形機器人也許將是AI在演進中最重要的應(yīng)用場景?！绷柙浦悄茉瑿EO祝凌云直言。
大模型帶動行業(yè)變革
大模型的加入相當于為機器人安裝了一個大腦，讓它可以對周圍環(huán)境做出更加深入的理解。
達闥在上海2024世界人工智能大會上展出的人形雙足機器人XR4小紫，搭載了大模型RobotGPT。人工智能公司OpenAI與人形機器人公司FigureAI合作，推出了大模型加持的人形機器人Figure01。
“目前，國內(nèi)許多人形機器人已經(jīng)接入大模型。據(jù)不完全統(tǒng)計，截至目前，優(yōu)必選、傅立葉、智源以及北京銀河通用等企業(yè)均已載入大模型，科大訊飛人形機器人主要基于自研的星火大模型?！笨拼笥嶏w機器人首席科學(xué)家季超對中國工業(yè)報表示。
而在3月人形機器人大賽現(xiàn)場，中國工業(yè)報聽到最多的一句話就是，“在大模型賦能下，人形機器人將是具身智能最佳的載體?！?/span>
具身智能，是指在機器智能領(lǐng)域中，通過將智能算法與物理實體的感知、行動和環(huán)境交互相結(jié)合，使機器能夠以更自然、更智能的方式與環(huán)境進行交互和解決問題的能力。人形機器人作為通用人工智能具象化載體，與人工智能大模型相結(jié)合，就可以感知物理世界，利用多模態(tài)感知控制自己的身體，完成復(fù)雜的任務(wù)。
從2010年開始至2023年具身智能熱爆發(fā)，國內(nèi)人形機器人技術(shù)路徑劃分為兩個階段。
第一階段為具體任務(wù)、單個場景的技術(shù)路徑階段。如針對特定園區(qū)設(shè)置運輸線路，搬運機器人就可在固定路徑上完成配送，穩(wěn)定性強；多條路線下，用算法提前規(guī)劃即可。但機器人一旦脫離該設(shè)定，便無法運轉(zhuǎn)。因此，面對新場景、新任務(wù)，人形機器人都需要重新收集數(shù)據(jù)訓(xùn)練、設(shè)定方案和測試。
“過去，機器人工作可能停留在‘小腦’層面，即如何讓機器人更穩(wěn)定行走，機械臂控制更靈活，這本質(zhì)上與業(yè)務(wù)流程存在較大鴻溝?！奔境瑢χ袊I(yè)報解釋道，例如，過去，機器人從A點走到B點，或者在流水線上抓取某些物品，但它并不了解為何要走到B點，以及為什么要抓取物品。“如果機器人只完成這些基礎(chǔ)功能，就無法滿足業(yè)務(wù)場景的需求?！?/span>
“如果一家電力公司發(fā)生燃氣泄漏或有毒氣體泄漏，而變壓器存在放電等危險，我們希望人形機器人可以代替人進入有潛在風險的工作場景，識別并關(guān)閉閥門，再打開窗戶。我們需要將任務(wù)與實際業(yè)務(wù)流程結(jié)合，基于大模型進行微調(diào)，形成基于任務(wù)場景下的多模態(tài)矩陣大模型。讓機器人能夠按照我們對場景的理解，進行一系列基于時間序列的穩(wěn)步操作?！奔境硎荆按竽Ｐ偷募尤胂喈斢跒闄C器人安裝了一個大腦，讓它可以對周圍環(huán)境做出更加深入的理解。大模型的核心能力主要體現(xiàn)在對環(huán)境的理解和認知推理能力顯著增強。”
第二階段則是以具身智能為代表的技術(shù)路徑更強調(diào)泛化性，追求多場景適配。大模型能解決多種任務(wù)，機器人可以完成單任務(wù)式交付到規(guī)模化應(yīng)用的可能。
“過去，大家對機器人的要求是提前把事項預(yù)編好，執(zhí)行就可以了。但人們希望人形機器人既能是個熟練的螺絲工，同時又具備質(zhì)檢等其他工作能力，可靈活配置，最終替代工廠里的員工完成繁重、枯燥性工作，而不是替掉現(xiàn)有的重型機械臂、傳送帶等。”樂聚機器人副總裁柯真東對媒體表示。
應(yīng)對場景差異化就需要泛化的大腦。對人形機器人而言，這需要實現(xiàn)兩大能力提升：一是語言理解能力。季超介紹，載入大模型后，機器人對于人類下發(fā)的復(fù)雜指令或者工作過程中的復(fù)雜指令，可以做到更深入的理解和拆解。這是過去對環(huán)境的感知和行為決策方面的大幅度提升。
二是學(xué)習能力。非結(jié)構(gòu)化的環(huán)境下，大模型加上多維傳感器，能夠?qū)W習、識辨并構(gòu)建環(huán)節(jié)，在mobile（移動）、pick（抓取）、place（搬運）三大基礎(chǔ)能力之上，讓人形機器人具備多場景作業(yè)的能力。
葛林波表示，大模型在人形機器人領(lǐng)域解決了語言理解、場景認知和動作規(guī)劃等關(guān)鍵挑戰(zhàn)，顯著提升了機器人在復(fù)雜環(huán)境中的適應(yīng)性和交互能力。在場景突破方面，大模型的賦能主要體現(xiàn)在提高人形機器人對新場景認知的泛化能力、通過少樣本學(xué)習快速適應(yīng)新環(huán)境、增強對復(fù)雜動態(tài)場景的理解能力，以及實現(xiàn)更高級的任務(wù)分解和規(guī)劃。
“泛化性本質(zhì)在于，任意場景、任意物體、任意情形下，機器人mobile、pick、place都能成功。”北大-銀河通用具身智能聯(lián)合實驗室主任王鶴表示。
數(shù)據(jù)是關(guān)鍵
數(shù)據(jù)是人形機器人未來的靈魂。而當下，人形機器人缺少規(guī)模化數(shù)據(jù)則是整個行業(yè)最大的痛點。
作為集AI技術(shù)、軟件算法、運動控制、硬件結(jié)構(gòu)等為一體的移動終端，人形機器人是目前公認的難度系數(shù)最高的產(chǎn)品。而訓(xùn)練數(shù)據(jù)采集的難度，是橫亙在人形機器人規(guī)?；涞孛媲暗囊蛔笊健?/span>
在上海2024世界人工智能大會“人形機器人與具身智能發(fā)展論壇”上，不少專家都提道：數(shù)據(jù)是人形機器人未來的靈魂。而當下，人形機器人缺少規(guī)?；瘮?shù)據(jù)則是整個行業(yè)最大的痛點。
季超表示，由于大模型和具身智能機器人遵循ScalingLaw（尺度定律的路線，模型能力可以理解為模型的損失函數(shù)，模型尺度指模型參數(shù)量、訓(xùn)練數(shù)據(jù)量、訓(xùn)練步數(shù)等。機器的訓(xùn)練學(xué)習，隨著量的增加，效果提升就變得越來越緩慢，因此選擇合適的量就好），因此對數(shù)據(jù)要求較高。當前機器人數(shù)據(jù)規(guī)模不如大模型，這類數(shù)據(jù)獲取難度和規(guī)模積累仍然不足。但要真正實現(xiàn)具身智能落地應(yīng)用，就得要讓機器人能像人類一樣，學(xué)習積累不同場景下的應(yīng)對方式，擁有“經(jīng)驗和知識”。
清華大學(xué)研究員蘇航認為，業(yè)內(nèi)對人形機器人的關(guān)注從“專用場景解決具體問題”（靈巧性）到強調(diào)泛化性，主要還是出于降低成本考量，“原來一個場景應(yīng)用一款機器人，（如果）泛化性可以做到足夠好，一個機器人就可以在十個場景、百個場景應(yīng)用，就可以實現(xiàn)規(guī)模化場景和規(guī)?；?yīng)，一旦實現(xiàn)規(guī)模化，機器人的成本就可以拉到BOM（構(gòu)建制造產(chǎn)品所需的原材料、組件、子組件等材料的詳細清單）成本之下。所以，數(shù)據(jù)驅(qū)動的泛化性是人形機器人應(yīng)用的核心?！?/span>
蘇航說，目前，實驗室收集到全網(wǎng)能夠獲取的所有人形機器人的數(shù)據(jù)，包括各種AI操作的數(shù)據(jù)，距離泛化性要求仍差2-3個數(shù)量級。哪怕達到GPT3.5的水平也差2-3個數(shù)量級。因此，構(gòu)建數(shù)據(jù)集和訓(xùn)練場非常有價值，而如何結(jié)合真實數(shù)據(jù)和仿真數(shù)據(jù)一起做這件事則非常重要。
特斯拉擎天柱能在有限簡單場景下進行自主作業(yè)，其核心依靠數(shù)據(jù)驅(qū)動：采集海量的優(yōu)質(zhì)數(shù)據(jù)，覆蓋各類場景和物體，并通過具身智能提煉泛化能力。
目前，人形機器人公司對數(shù)據(jù)的需求可以分為三類：
一是通過數(shù)據(jù)理解世界規(guī)律。通過大量數(shù)據(jù)學(xué)習，讓機器人理解任務(wù)意圖。二是借助模擬數(shù)據(jù)學(xué)習邏輯推理和決策能力。借助模擬環(huán)境，可以讓機器人掌握各種抓取方法。三是真實場景的應(yīng)用數(shù)據(jù)。三類數(shù)據(jù)不同側(cè)重點會影響人形機器人的精度和成功率。
“人形機器人最終落地是多種形態(tài)的，要提前做產(chǎn)業(yè)化布局，就意味著它需要提前進入場景，獲取數(shù)據(jù)、再不斷迭代，去適配場景的真實需求。”星動紀元聯(lián)合創(chuàng)始人席悅對媒體表示。
真實數(shù)據(jù)的增加有利于機器人提高智能水平。但要跨越鴻溝，真實數(shù)據(jù)需要提高多樣性和質(zhì)量，并非單純數(shù)量堆砌。
“這一點，人形機器人有天然的優(yōu)勢，它的數(shù)據(jù)可以更直接從人類的行為數(shù)據(jù)里獲取或者遷移過來?！敝袊诵螜C器人百人會副秘書長、星動紀元創(chuàng)始人、清華大學(xué)交叉信息研究院助理教授陳建宇表示。
祝凌云也認為，人形機器人的大模型更需要運動和感官的數(shù)據(jù)支持，實質(zhì)上就是機器學(xué)習，誰的用戶多誰就能領(lǐng)跑。
在優(yōu)必選使用的訓(xùn)練數(shù)據(jù)中，由Tele-operation（遠程控制）所收集的真實數(shù)據(jù)占20%，此外，還有80%的數(shù)據(jù)通過仿真環(huán)境合成獲得。
“由于真實數(shù)據(jù)稀缺，采集難度大、成本高，仿真合成數(shù)據(jù)被許多人形機器人企業(yè)視為解決數(shù)據(jù)問題的最優(yōu)解?！弊Ａ柙平ㄗh。
達闥機器人用數(shù)字孿生方案搭建了一套實時同步、虛實轉(zhuǎn)換的數(shù)據(jù)收集系統(tǒng)，通過傳感器，將人所在環(huán)境掃描并傳輸?shù)皆贫?，?0Hz/秒進行重建，將機器人放置在孿生環(huán)境中進行訓(xùn)練。將機器人看作一個NPC（是non-playercharacter的縮寫，指在游戲中不受玩家操控的一種角色類型），各項任務(wù)是一個個游戲，用AI驅(qū)動人形機器人在“游戲”中運行。
“這時候，我們要多少合成數(shù)據(jù)就有多少，需要什么場景也可以通過數(shù)字孿生的方式隨時搭建。當數(shù)據(jù)在時間軸上被拉長、以切片形式存在，突發(fā)問題也變成了靜止問題?！边_闥機器人創(chuàng)始人黃曉慶說。
當然，合成數(shù)據(jù)的劣勢在于，它與真實數(shù)據(jù)之間存在數(shù)據(jù)分布的差異，實時性不強，在落地時，會面臨更高要求的精度問題。
但“目前市場上，能夠在同一個階段把幾類數(shù)據(jù)都同步做好的公司幾乎沒有，普遍做法是根據(jù)自身的技術(shù)優(yōu)勢，優(yōu)先從擅長方向切入。”光源資本董事總經(jīng)理婁洋表示，“當前以具身智能為核心的新一代人形機器人公司，在場景側(cè)的選取和市場端的切入上尚未達成共識。有些探索進度快，有些相對較慢，但進度更快的公司所選取的路徑，并不一定代表著該場景的最優(yōu)解。目前，場景落地的可行性和優(yōu)劣與否還沒有明確答案?！?/span>
如工廠對機器人的要求通常以精準成本為導(dǎo)向，期待機器人能夠每天完成固定的任務(wù)，確保生產(chǎn)的穩(wěn)定性。然而，人形機器人的智能水平提升需要更強的泛化性和應(yīng)變能力。與生活場景相比，工業(yè)環(huán)境能提供給機器人的反饋和學(xué)習機會相對受限。存在落地成本不確定，以及數(shù)據(jù)訓(xùn)練和實際應(yīng)用轉(zhuǎn)化之間的錯配問題。
葛林波表示，獲取高質(zhì)量、多樣化的機器人操作數(shù)據(jù)仍然是一個重要挑戰(zhàn)，未來可能需要更先進的數(shù)據(jù)采集系統(tǒng)、虛擬仿真環(huán)境和數(shù)據(jù)增強技術(shù)來解決這個問題。
今年5月，國地中心在上海成立，這是國內(nèi)首個人形機器人領(lǐng)域公共平臺。目前，國地中心正在浦東建設(shè)一個能夠容納100個人形機器人進行智能訓(xùn)練的訓(xùn)練場，11月將完成一期建設(shè)；預(yù)期到2027年該訓(xùn)練場可以擴大到能夠容納1000個人形機器人訓(xùn)練。
中國人形機器人百人會副秘書長，北京市人形機器人創(chuàng)新中心有限公司CEO熊友軍也在3月機器人大賽上公布了大模型計劃：未來將與人形機器人創(chuàng)新中心產(chǎn)業(yè)聯(lián)盟的一些合作單位，共同構(gòu)建數(shù)據(jù)收集平臺以及大模型訓(xùn)練平臺，主要面向工業(yè)場景下語言動作的操作數(shù)據(jù)收集和訓(xùn)練。同時也會訓(xùn)練面向工業(yè)場景的大模型，跟大家一起構(gòu)建虛擬平臺。
王鶴說，要讓機器人認識世界，需要一個“對時間、空間、物理定律有比較細粒度的表達”的世界模型，但是，“這件事情不是現(xiàn)在任何一個軟件平臺，或任何一個智能模型能做到的?！币屓诵螜C器人能真正成為千家萬戶的家務(wù)型、陪伴型使用機器人，還需要很長一段時間的努力。
（來源：中國工業(yè)新聞網(wǎng)）
