在人潮湧動的世界機器人大會上,我們看到了「萬億美金」的新起點
聽說全世界的人形機器人,都在8月的北京。
隨著AI突飛猛進,具身智能成為了今年資本市場上最熱的領域之一,那些曾經僅存在於科幻電影中的機器人,正離現實生活越來越近,變得「看得見、摸得著」。
8月21日,2024年世界機器人大會在北京正式開幕,與以往最大的不同在於,今年是人形機器人參展企業最多的一屆,共有27家人形機器人整機企業、30多家產業鏈上下遊企業亮相。
在開幕前後,也有多家機器人公司發佈了新產品,比如宇樹科技發佈了G1量產版本,起售價為9.9萬元,這款產品在世界機器人大會上首次展出,更強性能、終極外觀,最關鍵的是可以大批量生產了。
![](http://n.sinaimg.cn/spider20240822/566/w878h488/20240822/aa03-a8cbdb2ff5a8f528a80aa2c43950dbc9.jpg)
宇樹G1機器人身手敏捷,不僅可以空中劈腿,還可以自由地上下樓梯,輕巧敏捷
![英偉達科學家Erwin Coumans迫不及待想搞一台來做實驗](http://n.sinaimg.cn/spider20240822/621/w1080h341/20240822/b6cb-db6cbb6d61efb1b253f23e50e613ece7.jpg)
智元機器人則是一口氣發佈了五款商用人形機器人產品,包括3款適用於不同場景的遠征系列(A2、A2-W、A2-Max),2款模塊化機器人系列產品(靈犀X1和X1-W,後者面向專業數據採集)。
![](http://n.sinaimg.cn/spider20240822/203/w1080h723/20240822/222e-7cbeffe0c3406064344d292837769268.jpg)
星塵智能則發佈了新一代AI機器人助理Astribot S1,這款產品也在2024世界機器人大會上正式亮相。
![星塵智能的機器人助理Astribot S1,正在烘烤華夫餅](http://n.sinaimg.cn/spider20240822/200/w640h360/20240822/a189-828e609c5f90557e9523280a1b17b372.jpg)
銀河通用也在此前發佈了第一代人形機器人蓋博特,採用了輪式、雙臂、摺疊升降的設計,擴展了機器人的操作空間,並且擁有聰明的感知決策大腦,和精準控制身體進行泛化操作的小腦。
![](http://n.sinaimg.cn/spider20240822/193/w640h353/20240822/8989-f37d4d0c3b7ac766883c8a91b684cda4.jpg)
![](http://n.sinaimg.cn/spider20240822/193/w640h353/20240822/388e-de539bd93f7e75cf3d4f8b2ef4186e89.jpg)
今天隨著人形機器人越來越走進現實,也迎來了群雄逐鹿的時刻,但技術路線仍不確定、應用場景皆有可能。我們在幾年前就系統性地關注通用智能機器人賽道,在機器人軟硬件一體化領域,投資了宇樹科技、智元機器人、銀河通用、星塵智能,它們都是優秀的全技術棧型創業公司,但各自的技術切入方向並不相同,切入的應用場景也不盡相同,有工業、倉儲物流、零售、生物製藥等等場景。短期目標都是快速佔領各自的應用場景,誰先把一個細分場景做好,積累出足夠多的數據,就有可能繼續拓展新的延展領域,最終走向通用化。
除了機器人軟硬件一體化外,在產業鏈上遊的兩個重要方向(數據、一體化關節),我們也投資了AI仿真數據領域的光輪智能,正在為行業提供海量的高真實性、高效用性的訓練數據;而在一體化關節/執行器領域,我們則投資了鈦虎機器人,鈦虎有非常高效和全面的產品系列,覆蓋了從靈巧手到全身上下的所有關節……
相比於AI大模型,人形機器人更需要工程層面的實踐與突破。比如1990 年出生的王興興,並不是履曆亮眼的學霸型創業者,他是一個典型的理科偏才。「大家可能覺得很多頂尖院校的人很厲害,但實際上大家都是普通人,在機器人這個行業里,很多人只做軟件,完全沒碰過硬件,而硬件是實踐出來的,你知道就是知道,不知道就是不知道。」 宇樹科技創始人兼CEO王興興說,在大學時代他就發現,只要集合最好的零部件,並且用上最先進的軟件,就可以做出一個更好產品,組合式創新。
與王興興有著類似的經歷,鈦虎創始人易港是一位95後,早在大學宿舍就搞起了3D打印機和焊台,大一就做出了假肢原型機,還在中美創客大賽中獲獎;大二又做出了一套主從式外骨骼,手部擁有17個自由度。他總結自己為什麼能在大學時期的很多獎項中,打敗名校的參賽項目,最核心的就是自己的產品「看得到、摸得著、能體驗,對社會有直接價值,而不是漂亮的PPT。」
隨著AI大模型的突破,今天的人形機器人,正越來越逼近臨界點。有越來越多之前不敢想的任務,如今都可以實現了。特別是隨著「世界模型」的提出,機器人的真機數據越來越具備實用價值。
「下一個十年,最值得做的就是人形機器人。」星塵智能創始人來傑說,他曾是騰訊RoboticsX機器人實驗室的一號員工、百度「小度機器人」團隊負責人,在去年底離職創業。
「人工智能的黎明已經迅速臨近,我預計在明年年底之前,全球至少會有一家公司能夠推出相對通用的機器人AI模型,發展速度之快令人矚目。」 王興興說,「我在年初提出了這一觀點,至今仍然堅信,明年年底實現這一目標是非常有可能的。」
「機器人的軟硬一體非常重要」
不同技術路線、不同應用場景,逐鹿方始
今天的機器人與以往最大的區別在於,隨著AI的爆發,智能泛化能力大幅加強,這讓通用機器人成為可能。傳統機器人並不需要對外界自主響應,所以這是一個自動化設備,不斷地重覆之前預設的程序。而現在有了智能泛化能力的突破,甚至只需要語音控制,機器人就能實現新功能,這是從自動化到智能化的底層轉變。
而AI大模型的能力,不僅體現在規劃層面,也開始進入感知和控制環節,機器人發展了50多年,第一次出現這樣由學習算法驅動、以及一個非常大的預訓練模型來推動控制環節的變化,這也是過去一年里,我們看到技術層面最大的突破。
「最終我們會有大腦大模型、小腦大模型,一起把本體串起來,構成一個通用機器人系統。」北大-銀河通用具身智能聯合實驗室主任王鶴說。他認為,通用機器人應該由基石層和能力層支撐,在基石層最關鍵的是去打造一個通用的本體,數據依賴於本體,本體也決定了它能產生什麼樣的數據,兩者相互綁定。基於本體和數據,進而發展出機器人能力,主要是「大腦」和「小腦」,前者主要解決感知和決策問題,後者把大腦的感知和決策轉換成動作。
比如智元機器人也遵循了這樣的思考邏輯。「稚暉君」彭誌輝從華為離職創業後,與上海交通大學博士生導師閆維新,組建了創始團隊,其中閆維新負責人形機器人的「身體」,彭誌輝負責人形機器人的「大腦」。「過去,他們在工作中有一些交集,創始人(彭誌輝)提出這個想法之後,大家一拍即合。」
遠征A1,是智元機器人的第一代產品,已於去年8月亮相。其步行速度為7公里/小時,依靠視覺傳感器和多線激光雷達可自主避障。它的靈巧手有5根手指,能像人類一樣抓取物品。應用場景專注於工廠、生物實驗室、家庭護理與陪伴等。
而一年之後,8月18日上午,智元機器人一口氣發佈了「遠征」與「靈犀」兩大家族共計五款商用人形機器人新品:交互服務機器人遠征A2、柔性智造機器人遠征A2-W、重載特種機器人遠征A2-Max、智元X-Lab孵化的首個全棧開源機器人靈犀X1、專業數采機器人靈犀X1-W。
![智元在發佈會現場,搭建了一個攝影棚,機器人當場秀了一次在語音指令下,動手調飲料的操作](http://n.sinaimg.cn/spider20240822/192/w640h352/20240822/05e8-e8e165189cde768059c489fef479aae0.jpg)
![智元在發佈會現場,搭建了一個攝影棚,機器人當場秀了一次在語音指令下,動手調飲料的操作](http://n.sinaimg.cn/spider20240822/192/w640h352/20240822/b065-6454be8a3a5c47c35f644f470574b2de.jpg)
對於機器人這樣,離不開硬件做最終執行的賽道,「軟硬一體」的能力尤其重要,像宇樹、智元、銀河通用、星塵等等公司都非常重視這一思路。如果我們看電動車與自動駕駛行業的歷史,2015年第一批電動車創業公司創立至今,在這個過程中,自動駕駛創業公司的數量,並不少於電動車創業公司。但在今天,單純做自動駕駛的創業公司基本上都處於掙扎狀態,鮮有獲得業務突破,哪怕曾經獲得過巨額融資。
但從電動車企的角度,不僅「蔚小理」等一眾新興電動車企崛起,先有了「硬件」、產生數據閉環,再切入自動駕駛,反而有很大的業務進展,各家的城市NOA越來越智能。如果一個行業離不開硬件支撐,並且這個硬件仍處於快速迭代期,單純做這行業的軟件是要冒極大風險的。
類似於新能源汽車核心的三電系統,彭誌輝將機器人的核心繫統分為:動力域(電機關節、伺服控制、電源管理)、感知域(傳感器模塊、感知算法)、通信域(網絡接口、數據傳輸協議、中間件框架)、控制域(通用算力、AI算力單元、運控算法、具身算法)。
![](http://n.sinaimg.cn/spider20240822/66/w1080h586/20240822/e051-f1ee3d54015c1fcbb34e8745b01648e1.jpg)
「整個機器人其實是一個軟硬件極其複雜的系統,既涉及到內部各個硬件模塊的協同和部署,同時也需要軟件跟算法卡奧效配合。」 彭誌輝說。
另一方面,雖然最終的目標是通用化,但在當下早期的發展階段,機器人的產品定義並不明確。由於勞動力和任務需求是多元的,人形機器人公司短期內也不會只有唯一的巨頭,將會有很多公司圍繞不同細分市場,走不同的技術方向,積累該場景下的數據護城河,這種「條條大路通羅馬」的局面會維持一段時間。
一些公司選擇把主要精力放在機器人的「上半身」。比如銀河通用選擇的落地場景是無人值守藥店(特別是夜班),其首代產品蓋博特機器人,「下半身」就採取了輪式底盤+摺疊本體的設計。之所以採取這樣的設計,首先因為輪式底盤在零售場景里,已經完全可以覆蓋絕大部分應用。而摺疊的設計,往上可以摸到2.4米,可以覆蓋最高的貨架,機器人可以拿到所有貨物。
往下也可以摸到地面,比如當有產品不小心掉到地面上時,機器人也可以自己撿起來。這些都是目前機器人的雙腿結構,比較難解決的問題,而在當下集中精力先研發「手」,可能能夠率先實現應用價值。
星塵智能創始人來傑則將自己的機器人產品定義為「助理」,輔助人,而非替代人。首要的場景就是那些腦力勞動更多,但卻經常陷入一些重覆操作的事情上。最典型的例子就是生物醫療和化學實驗,這些都是需要高智力勞動,但卻繞不開重覆操作的領域。此時一個合格的機器人助理,可以解放這些教授、博士們雙手,他們只需要設計實驗,而所有操作都可以讓機器人準確無誤、不分晝夜的去完成。如果給一位生物教授配10個機器人助理,他用於創造的時間甚至可以翻幾倍。
來傑也非常重視「軟硬一體」的能力。得益於在騰訊RoboticsX機器人實驗室的經歷,他非常重視架構,「我們與騰訊RoboticsX機器人實驗室的架構就很相似,一半主攻機器人本體,另一半強調用AI算法去做感知和運動控制,以此來探索AI和機器人的強耦合。」
星塵融合了觸覺感知進行力控抓取,並結合規模化數據綜合訓練,包括人體動作影片演示、動捕、遙操作採集等方案。來傑非常重視傳動結構中的剛、柔結合,也裝入了一些傳感器以在傳動過程中,能一直監測力的傳輸。比如機器人在削黃瓜時,星塵的機器人並不是去估算軌跡,而是與人類一樣,通過感知削皮刀在壓到黃瓜上時,力量的大小,來控制力量的輸出,這種特殊的傳動結構,能使精度更上一層樓。
![](http://n.sinaimg.cn/spider20240822/200/w640h360/20240822/4212-28ea94daf18bff6e26f920caa92c117b.jpg)
「當下,離我們想要的具身智能之間,還有兩個重要的Gap(差距)沒有解決。」星塵智能創始人來傑說。
第一個Gap是AI大模型和機器人之間,有時候一些問題的產生,並不是單純靠擴大數據規模,或是算法就可以解決,而是需要在機器人層面去進行提升,這是硬件帶來的。
第二個Gap是在硬件本身的表達能力足夠的前提下,AI如何更好地結合硬件的能力。比如說AI是否可能完全自主地進行學習和嘗試?假設有一個機器人在辦公環境下,它本來什麼都不知道,只知道一些基礎動作,然後讓它自己去建語義地圖,自己去理解環境,自己去觀察其他人的操作,然後把所有動作學會,這就跟我們人類很像。當然,這也是Yann LeCun所提出的「世界模型」。
彭誌輝在最近的發佈會上,對整個具身技術成熟度等級,做了從G1-G5的劃分,這類似於自動駕駛的L1-L5:
![](http://n.sinaimg.cn/spider20240822/712/w1080h432/20240822/ff4a-6912d68a743b62904be3489bb5841fda.jpg)
「我們在過去一年里,同時在G2落地和G3預研兩個方向,都取得了一些階段性突破。在G2階段實現了一系列zero-shot和few-shot的一些通用原子能力,比如通用的位姿估計模型UniPose。目前也正在與多家製造業和服務業領軍企業,進行聯合的場景POC,今年晚些時候有望全流程跑通,讓機器人能夠正式在客戶場景中部署幹活。」 彭誌輝說。
「大部分人對社會的成本結構一無所知」
硬件與中國供應鏈
低成本是人形機器人大規模運用的前提。今年5月,宇樹在發佈G1人形機器人時,把最低售價打到了9.9萬元。但這款機器人的參數一個不差,身高約127釐米,體重約35公斤,具有超越常人的靈活性,小跑速度大於2m/s,擁有廣闊的關節運動空間,23至43個關節,最大關節扭矩達到120N.m,可進行高難度的動態動作。比行業整體便宜80%的售價,再一次成為人形機器人領域的焦點。
「大部分人對社會的成本結構一無所知。」王興興說,「低成本的原因其實很簡單,以前很多學術或公司主要靠去買工業電機,但它們很大、很貴、很重,所以做出來的效果也不太好。但我後來發現,其實可以對航模電機加以改造,所以後來的電機驅動器全是我自己做的,可以做到很小很便宜,再結合最新的運動控制技術,就可以把整體性能做得非常好。其實整個社會大部分創新,是組合式創新,我們需要把各個行業的一些想法、技術組合做新的實踐,保證它是最前沿的,其實你就可以實現很多目標。」
![G1採用3指力控靈巧手,通過力位混合控制,能模擬人手的各種精準操作](http://n.sinaimg.cn/spider20240822/372/w758h414/20240822/12c6-37ea8cc9b88116abea62c9eb91571423.jpg)
在2013年-2015年讀研究生期間,王興興沒什麼資源和資金,卻做出了一款當時特別火爆的產品XDog,拿到上海機器人設計大賽二等獎,這幾乎是他一個人從頭設計硬件、控制算法,自製驅動電機做出來的。相比之下波士頓動力的四足機器人,還是純液壓方案,雖然性能不錯,但是很大、很貴、很重,那時候純電機驅動方案還是比較領先的。
「在製造成本方面,我甚至認為機器人其實與家裡的電風扇本質是一樣的,都可以通過各種方法將成本做到極致。」王興興說,他認為大部分產品都可以分為「材料成本+加工成本」,如果能優化整個流程,找到合適的加工方法,其實可以省很多錢。
與王興興讀研期間做了XDog類似,鈦虎創始人易港也在大學時期,東拚西湊了4-5萬元,在大學宿舍里買了3D打印機和焊台,自學3D建模和編程,模仿德國骨科隱形冠軍企業奧托博克的產品,製作出了一款假肢原型機,並在中美創客大賽中獲獎。
「做機器人,充滿了工程方面的問題,很多時候不是憑智商,而是看你對這個東西是不是真的感興趣,能不能去一點點鑽研,嘗試各種各樣的方法去解決技術難題,而且還要在一定的量產與成本可控的條件下。」易港說。如今,鈦虎主攻高性能一體化關節/執行器,延展到輕量級協作機械臂、人形機器人/外骨骼、靈巧手等,其產品主打高扭矩密度、體積小、重量輕,具備無框電機、減速器、驅動器、編碼器自研設計能力,擁有機器人所需要的所有關節,可以說是最為全面的產品線。
如果從更全局的角度來看,人形機器人最核心的是軟件+執行器,軟件負責感知和決策,本質上與自動駕駛類似,都需要先感知環境,然後做路徑規劃和決策。而在硬件層面,也就是機械設計層面,最關鍵的就是執行器,它相當於機器人的「關節和肌肉」,讓機器人可以做出各種動作,尤其是人形機器人,它的執行器數量要遠遠高於傳統工業機器人,也是人形機器人的設計難點和重要成本項。
![](http://n.sinaimg.cn/spider20240822/397/w1080h917/20240822/2633-b19a35d286639233a4acba0ba85d861a.jpg)
如果我們按功能拆解特斯拉Optimus Gen2的BoM成本,按Morgan Stanley的分析
![「按分部」與「按功能」劃分BoM成本](http://n.sinaimg.cn/spider20240822/663/w1080h383/20240822/e76f-3e959b4e7163f10e24723e4314a5ddf1.jpg)
如果只看機器人的硬件成本,其中佔比最大的就是一體化關節,它集成了伺服電機、驅動器、減速器和一些控制模塊等。在傳統工業機器人中,這些伺服電機、驅動器、減速器等部件並不需要太集成,它們可以在空間上各自分立,通過各種線纜和連接件進行連接,體積重量大。但人形機器人不可能這麼做,而一體化關節/執行器的定位,就是在設計層面,將它們集成為一體化,實現更小體積、更輕重量、更強扭矩性能。
![鈦虎的關節產品](http://n.sinaimg.cn/spider20240822/199/w1079h720/20240822/0ef0-0a6ffe6fd1d74300edd8e0523b5202dd.jpg)
人形機器人還有一個特殊的核心零部件——靈巧手。它高度仿人手,是人形機器人執行動作的最終零件,十分重要且複雜,面臨的最大難題是要在極小的空間內,驅動自由度極多、配備功率密度高、控制精度高的電機,對其性能要求極高。
比如特斯拉Optimus機器人,和人手一樣同樣使用5個手指,擁有11個自由度,拇指採用雙電機驅動彎曲和側擺,其它四指各用一個電機帶動。電機採用蝸杆傳動機構的目的,與腿部直線伺服如出一轍,採用機構自鎖降低能耗。為追求形態美觀及自適應性,手指採用拉線的傳動機構,擁有負重20磅(9KG),和自適應抓取(能夠抓取不同形狀、尺寸的物體)的能力,可完成搬運、澆花等動作。這基本上就複製了人類手掌的功能設計。
4年前,易港還自主研發了一款靈巧手,「我也沒想到這款產品在今天那麼受歡迎,如今回頭看,其實這是現在三大主流結構中的一個,我們當時為了做假肢,結果相當於開創了一個結構派系。」
在靈巧手的傳動結構中,有奧托博克式的直線推杆方案,這個方案在2008年就實現了量產。另一種主流結構是拉繩式,類似於模仿人體的筋腱,拖一根繩子來傳動。還有一種鈦虎的專利,基於平行齒輪、錐齒,再加上三連杆的結構。「如果從美觀度、抗衝擊性、裝配難易程度、成本等各個方面來看,第三種方案有其優勢。」易港認為。
![鈦虎的靈巧手產品](http://n.sinaimg.cn/spider20240822/73/w720h953/20240822/c986-3c959f068fc0ee47960c6b8d3a838b02.jpg)
機器人上半身的發展,直接決定了它現在能做什麼。當然靈巧手的設計和應用並不容易,在這項技術成熟之前,採取夾爪(「兩爪」、「三爪」)的方案也未嚐不可,需要有選擇性。比如銀河通用在便利店場景的實際應用中,給機器人裝上了吸盤和夾爪兩種末端執行器,機器人可以自主決策需要用哪個,例如在需要拿礦泉水瓶時,夾爪就可以完成任務,但在抓取零食時,吸盤會更合適。
同時,銀河通用還在針對靈巧手展開研究,因為面對過寬(夾爪的夾距有限)或光滑的物體,以及柔性物體(比如晾曬衣服,需要用衣架把衣服插起來)、複雜場景(擰瓶蓋)時,靈巧手或許才是終極解決方案。
相比於AI大模型,在人形機器人領域,硬件的快速迭代也有很重要的影響。拿電動車產業舉例子,傳統燃油車至少需要三年時間的研發、七年時間的全球銷售,才能收回成本開始盈利。但現在中國的智能電動車企業,已經能做到兩年就迭代一個平台,因為如果不能在兩年之內迭代一個平台的話,這個車型無論是在智能化方面,還是在續航里程方面就都跟不上。在光伏產業也類似,每隔幾年就會有一個重要的技術迭代。一個新產線如果不能在兩年之內實現產能交付,基本上也會被淘汰。
而機器人硬件水平每迭代一次,很多核心性能都會躍升一個台階,而這恰恰是中國供應鏈的優勢。比如減速器、電機的升級,對精度、力控都有決定性影響,這能極大升級機器人的可操作性。一旦研發成熟,到達製造環節,根據大多數製造業的規律,每當產量翻倍,成本將會降低10-30%,這在光伏和鋰電池行業中,均有所體現。
「展望未來,整個機器人產業鏈,很可能比現在的汽車產業鏈更高一個量級。」易港說。
「人形機器人比自動駕駛更缺數據」
真機數據、仿真數據與機器人的數據饑渴症
「數據是AI下一個發展階段的最大助推力,但真實世界的數據是遠遠不夠的,這需要仿真數據來彌補。」光輪智能聯合創始人兼COO楊海波說,「我們認為很快就能找到Scaling Law,那麼機器人也將很快變成數據驅動,這也是我們做仿真合成數據的初衷。」
GPT-3.5之所以能產生劃時代的突破,核心在於Scaling law,而這離不開數以百億的訓練數據。訓練AI大模型的數據在互聯網上容易獲取,但對於機器人來說,直接可用的數據幾乎為零。
能否獲得高質量且足夠便宜的數據,是當下製約機器人發展的瓶頸,也是拉開公司之間競爭的重要手段。前車之鑒是Everyday Robots,它曾是Google的明星獨立項目,但在今年2月被Google因成本控制而解散,併入Google其他部門。
造成Everyday Robots成本高昂的一個重要原因,就是數據採集成本過於昂貴。OpenAI曾經也有一個機器人部門,但後來放棄了,問題也出在數據收集上。
為什麼採集成本這麼高?主要是因為EverydayRobots基於真實環境來收集數據。Google為了訓練PaLM-E,用了13台機器人,收集了17個月,才拿到足夠的數據量,如果是在更複雜的工業場景,數據採集成本會更高。
![機器人的遙操作](http://n.sinaimg.cn/spider20240822/624/w400h224/20240822/1801-4be82a201201b609fae114eab521e480.jpg)
「目前對於人形機器人來說,主流的數據獲取手段分為兩種:一種是真實數據,另一種是仿真數據。」楊海波認為。
真實數據就是構建一個採集數據的基地,在裡邊搭建相關設備,比如遙操作、動作捕捉等等,比如家庭場景里的做飯,捕捉方方面面的動作數據,然後再對合併數據進行一些泛化,以及清洗,最終給到模型。
仿真數據則是完全在模擬器中進行的。首先用虛擬建模的方式,把環境場景搭建起來,然後再把機器人虛擬化放進去,形成一個動態的場景。這裡面的一切物體,建模都要儘量接近真實,比如需要做一個蘋果,那就要製作出大量不同的具體形態,比如不同的光照條件、不同的位置條件、不同的摩擦力情況等等。
從這樣動態場景提取出來的數據,其實是一張張類似於「圖片」的數據集,在這些「圖片」上也需要補充針對性的標註,再給到機器人公司做算法訓練。這個訓練過程,就有點像特斯拉在訓練FSD時,拿人類司機的真實駕駛影片訓練。
仿真數據最核心的要求,就是儘可能的接近真實,真實度、泛化度都是重要指標。如何符合物理規律,是目前的一個難點,比如一個物體是軟還是硬,這就需要更複雜的參數設計。
由於仿真數據多數是通過視覺,訓練過程往往是,首先需要判斷出來這個物體是什麼材質,比如是個杯子,然後再去設計多大的力量,這個過程也可以加入大語言模型的能力。但這與在機器人的傳動結構中,加一個力觸覺是不同的技術方向。
所以,仿真數據與遙操作各有優劣。遙操作的優勢在於,在將採集到的數據用於訓練機器人後,這一項任務的成功率會很高。但劣勢也很明顯,機器人的能力缺乏泛化性。
比如在特斯拉訓練機器人分揀電池的例子中,就是通過人類帶著VR眼鏡,去遙控操作機器人採集而來的。通過這種方法訓練出來的機器人,幾乎只會重覆遙操作時的動作,比如把一個電池放到三乘三的盒子裡,但當你把電池換成礦泉水瓶,同時將盒子換成更大的四乘六時,機器人就不知道怎麼辦了,這時候就又需要重新進行遙操作再去訓練。在沒有形成海量數據的時候,每做一個新動作都非常吃力,數據採集成本很高,並且難以在短時間獲取大量數據。
與遙操作對比,仿真數據的優劣勢幾乎相反。首先可以用低成本生產海量數據,同時機器人在經過訓練以後,能力是泛化的,因為可以仿真製造一系列所需要的場景和交互,以使機器人可以解決各種問題。
當然,仿真數據的劣勢也很明顯,問題主要出在仿真還不夠接近真實,當把通過仿真數據訓練的機器人用在真實場景中時,存在一定的失敗率,比如在抓取任務中,因為光照、環境等各種因素的改變,機器人可能以為抓到了,但其實沒抓到。
提高數據規模,嘗試將大模型訓練中的Scaling Law,應用在機器人仿真訓練數據中,可能是準確率不足的解決之道。
在王鶴看來,他在一開始嘗試用仿真數據時,也遭遇了準確率不足的問題。不過他很快意識到,當時只用了一個百萬級的數據集,如果把規模擴大會怎樣?
「我們自己的實驗發現,比如在抓取這個任務上,在用靈巧手抓取沒有見過的、隨機亂放的物體時,在有十億次抓取數據的情況下,機器人的成功率能到 86%,如果數據量縮到萬分之一,也就是 10 萬次抓取時,成功率就只有 58%。這說明具身智能也有清晰的 scaling law,它對數據有更大渴求。」王鶴說。
「傳統的仿真是以測試為中心的,而為具身智能服務的仿真,則是需要以訓練為中心。」光輪智能CEO謝晨說,他認為好的仿真數據首先要有自我真實性、效用性評測能力,如果沒有這些,仿真數據也很難讓客戶的算法有所提升。謝晨曾在英偉達負責自動駕駛仿真,國際首創將生成式AI融入仿真,從0-1開發落地仿真數據,後選擇回國創立光輪智能。
「仿真數據不會取代真實數據,而是放大它。」 他認為終極的Data for AI,會是真實的人的示範數據,與仿真數據能力的乘積。
結語
過去10年,AI給太多行業帶來過希望和失望。而今天的人形機器人,正越來越逼近臨界點。雖然機器人至今沒有清晰的產品形態,但我們看到每一家機器人創業公司都在嘗試各自的應用場景,像我們已經投資的四家機器人軟硬件一體化公司(宇樹科技、智元機器人、銀河通用、星塵智能),再配合著產業鏈上遊的核心一體化關節(鈦虎機器人)、仿真數據(光輪智能),都在不同場景下有非常好的應用。
這一波人形機器人公司的短期目標,都是快速佔領各自的應用場景,誰先把一個細分場景做好,積累出足夠多的數據,就能建立護城河,再去拓展新領域,最終走向通用化。
而機器人的發展離不開硬件。與歐美市場對比,我們看到國內很多初創公司的硬件迭代能力,比海外要快很多,成本控制能力更好,在某些硬件細節方面超越了海外同行。
全球化幾乎是中國通用機器人公司的必選戰略,且與電動車行業不同,其在全球化中遇到的障礙會更小。其中一個原因是,幾乎沒有一個國傢俱備有規模的機器人產業,此時出海不會衝擊當地的產業結構,只要產品質量和應用體驗足夠好,出海溢價可能達到國內的5倍以上,這將為中國通用機器人企業提供廣闊的國際市場。
人形機器人能發展到今天的位置,來之不易。「我記得在2016年的時候,那時我還在百度,有一次參加完一個NLP的會議,結束之後充滿了挫敗感,感覺好像這輩子都看不到真正的應用,你也不知道那時的投入到底是不是對的。」星塵創始人來傑回憶,「但我也經常反思,從我過去十幾年對未來的預判里,我發現AI和機器人整體的發展速度,又是大大超出我的預期了。短期內你永遠會看到很多困難,但這麼多聰明的頭腦,其實在解決一個又一個問題,產生了一個又一個技術突破,就像有一隻巨大的手在促使這個行業往上升,這給我帶來很大的能量,讓我一直堅守在這個行業里。」
「技術是一個日新月異的事情,你無論是在做你的老本行,還是做一件新事,你都有可能明天就被更新的技術給‘卷’了,AI和機器人行業尤其如此。與其說按兵不動,還不如主動的去創造變化。」 光輪智能創始人兼CEO謝晨說,「所以在我看來,現在的創業成本其實比之前要低太多了,因為現在不變的成本太高了。」
本文來自微信公眾號「經緯創投」(ID:matrixpartnerschina),作者:經緯創投主頁君,36氪經授權發佈。