人形機器人：“形”之惑，“形”之困

2024年剛開春，人形機器人明星款接踵而至。

不到一個月時間，特斯拉三次發(fā)布人形機器人擎天柱（Optimus）性能更新迭代視頻；谷歌DeepMind與斯坦福大學聯(lián)合推出的阿羅哈（Mobile Aloha）也兩次迭代更新；沉寂許久的波斯頓動力放出一段人形機器人Atlas拾起并搬運汽車零部件的視頻；Figure將其人形機器人送進了寶馬工廠。

隨后，英偉達、OpenAI相繼宣布開發(fā)機器人基礎(chǔ)大模型。2月23日，F(xiàn)igure宣布完成6.75億美元融資，同時達成與OpenAI共同開發(fā)下一代人形機器人模型的合作。一天后，英偉達宣布成立通用具身智能研究實驗室GEAR，GEAR負責人范麟熙表示，未來每一臺移動的機器人都將是自主的機器人與模擬智能體，將像手機一樣無處不在。3月13日，F(xiàn)igure發(fā)布OpenAI大模型加持的機器人Figure 01演示視頻，能聽人話且可同時執(zhí)行兩種任務(wù)。

然而，一切并不是看上去那樣一帆風順。與此同時，上述特斯拉與斯坦福大學的機器人視頻被質(zhì)疑造假：并非完全是機器人的自主行動而是有人遙控操作；而被ChatGPT加持的Figure 01也被要求再進行一些“整形手術(shù)”。為何“領(lǐng)頭羊”機器人公司要在視頻上“動手腳”？人形機器人是虛假繁榮還是“真元年”已至？究竟什么在困擾人形機器人產(chǎn)業(yè)？

“形”之惑：要不要人形？

在被網(wǎng)友質(zhì)疑特斯拉擎天柱疊衣服視頻造假之后，特斯拉首席執(zhí)行官埃隆馬斯克在X上坦承了擎天柱的“不完美”：動作并非完全自主操作。斯坦福阿羅哈研究團隊成員趙子豪也在社交媒體平臺展示了阿羅哈“笨手笨腳”的另一面：鍋放不進櫥柜里，炒完蝦的碗沒放對位置。南京郵電大學管理學院講師劉德文認為，阿羅哈的很多高級技能屬于遙操作（Teleoperation）而非自主技能。而且，就算基于自主技能執(zhí)行的任務(wù)，阿羅哈現(xiàn)有的平均成功執(zhí)行率也不到90%，距離大規(guī)模商用還有很長一段路。

海銀資本創(chuàng)始合伙人王熠全表示，擎天柱和阿羅哈都是有人遙控的，演示視頻只是吸引了一波流量，人形機器人的這波熱潮主要體現(xiàn)在“演示和造勢”上。擁有明星機器人Digit 的美國敏捷機器人公司（Agility Robotics）總裁Shelton表示， 他們的解決方案中，沒有一種會采納五根手指、27個自由度（人的肩部到手，大概有27個自由度）?！拔覀兊囊恍└偁帉κ衷_聲明，他們使用五根手指基本上是為了品牌推廣?！盨helton說道。

阿羅哈研究團隊成員符梓鵬在接受媒體采訪時坦言：“我們公開視頻和研究資料是希望能夠推動機器人領(lǐng)域的發(fā)展，吸引更多人才進入這個行業(yè)，解決很多科學和工程難題。”

“目前，所有的人形機器人都面臨一個悖論：越是非人形機器人不可的工作，使用范圍越窄；越是常見的應(yīng)用場景，越不需要人形機器人。所以打開機器人市場的關(guān)鍵因素不是長得像人，而是找到常見場景里的高頻需求?！?王熠全認為，“擎天柱疊衣服，只需要機械臂就可以做到，很少有人需要一邊走動一邊疊衣服。同樣是做家務(wù)，斯坦福的阿羅哈就不是人形的，只是輪式底盤加上機械臂，一樣可以干各種各樣的家務(wù)活?！?/p>

“人形”是否是機器人走向“通用”的必要選擇？王熠全的想法代表業(yè)界一部分觀點。特斯拉機器人團隊的工程師楊碩也認為，通用人形機器人其實是一個偽命題?！耙匀祟惿钪凶钇毡椤⒀芯孔钌钊氲臋C電系統(tǒng)——汽車為例，并沒有一款汽車能夠完全代替其他的汽車。跑車、轎車、卡車等車型適用于不同的應(yīng)用場景，不同的使用場景。未來，我們也需要應(yīng)用于各種場景的各種專用人形機器人?！?/p>

通用機器人：人形是最佳形態(tài)？

與此同時，業(yè)界專家與企業(yè)代表都更傾向于將更通用、更高階的機器人造得“像人”。圖靈獎獲得者、中國科學院院士、清華大學交叉信息研究院院長姚期智認為，具身智能體應(yīng)該具備三個方面：身體、小腦和大腦。身體的具身必須要有足夠的硬件，具有傳感器和執(zhí)行器，小腦主導視覺、觸覺各種感知來控制身體，完成復雜的任務(wù)，最后大腦部分主導上層的邏輯推理、決策、長時間的規(guī)劃，以實現(xiàn)用自然語言和其他的智能體、環(huán)境交流。

“關(guān)于身體部分，具身AGI（通用人工智能）最理想身體的形式，我們認為應(yīng)該就是人形機器人。因為人類的社會環(huán)境主要是為人類而定制的，比如樓梯的結(jié)構(gòu)、門把手的高度、被子的形狀等，都是為了人類的形狀而定制。所以如果我們能夠打造一個泛應(yīng)用的通用機器人，人形是最好最適合的形態(tài)，人形機器人能夠適應(yīng)人類的各種環(huán)境。” 姚期智說道。

除了無需為人形機器人設(shè)定特別的環(huán)境外，劉德文認為，人形機器人擁有和人類相似的外表和行為，更有利于被人類接受；且人形機器人可以使用人類的工具，使得人類不用專門為機器人配備工具，這也方便機器人根據(jù)人類的演示進行模仿學習，進而擴展到多任務(wù)中。業(yè)內(nèi)人士普遍認為，人形機器人是通用具身智能的最佳載體。

基于這些判斷，不難理解，為何特斯拉執(zhí)著于讓機器人更加貼近人形。馬斯克傳記作者沃爾特·艾薩克森透露，特斯拉正在探索將人形機器人擎天柱與超級計算機Dojo整合在一起，以創(chuàng)造“通用人工智能”。擎天柱最早在特斯拉工廠完成零部件搬運等枯燥、危險系數(shù)高的工作。按照王熠全的說法，這樣的能力只需機械臂加移動輪盤就能實現(xiàn)，但要讓機器人像人一樣自主干活，仍有很多挑戰(zhàn)。僅以行走為例，擎天柱三次更新的核心是行走，目前步速為每秒0.6米，與去年12月相比提升了30%，但也只是健康成年人步速的一半。

另外一個執(zhí)著于將機器造得貼近人形的是機器人創(chuàng)業(yè)公司Figure，其創(chuàng)始人Brett Adcock認為：“Figure的人形機器人是AGI的最終部署載體?！?在宣布與OpenAI達成合作三周后，F(xiàn)igure公司放出了大模型加持下其最新更新的機器人Figure01演示視頻，已經(jīng)可以聽從人類的命令，遞給人類蘋果，將黑色塑料袋收拾進框子里，將杯子和盤子歸置放在瀝水架上。能夠聽懂人的命令，自動將復雜任務(wù)進行分解，然后實施行動，而且行動速度接近于人類，該公司稱其行為為自主操作。因機器人能力的突飛猛進，F(xiàn)igure被科技巨頭們競相投資，這家2022年成立的公司，現(xiàn)在估值已破26億美元。

“腦肌”結(jié)合：從形似到神似？

不僅僅是“形”似，更需要類腦智能的“神”似。中國科學院院士、中國科學院自動化所研究員喬紅幾年前就曾表示，現(xiàn)有機器人系統(tǒng)的性能仍然受到傳感器精度、系統(tǒng)重復精度和輔助機械性能的限制。相比之下，人類在感官反饋絕對精度低、行為控制和分散計算能力有限的情況下，可以實現(xiàn)比每個身體單元獨立完成能力更加出色的整體性能。這主要得益于人類能夠整合多個腦區(qū)的信息，并且能充分利用身體結(jié)構(gòu)的優(yōu)勢。所以應(yīng)該通過模仿人類的生理結(jié)構(gòu)、行為特征、智能原理和控制機制，開展類腦智能機器人研究，通過整合腦科學、人工智能和機器人學等多個學科，建立具有高計算效率和通用智能的類腦信息處理算法，研發(fā)具有高度靈活性和魯棒性的肌肉骨骼系統(tǒng)，為下一代機器人的發(fā)展奠定基礎(chǔ)。

喬紅提出從內(nèi)部神經(jīng)機制到外部軀體結(jié)構(gòu)的研究思路，構(gòu)建一個包含視角認知、決策、運動控制和肌肉骨骼結(jié)構(gòu)的類腦智能機器人系統(tǒng)?；谶@樣的思路，喬紅團隊最近設(shè)計出多臺“Q系列”人形機器人樣機，更為重要的是，他們創(chuàng)造了人形機器人設(shè)計、組裝的“大工廠”的模式 ，可以快速生成各類人形機器人系統(tǒng)，包括仿生高動態(tài)機器人Q1，多地形適應(yīng)機器人Q2,高爆發(fā)運動機器人Q3,高柔順、高精度運動的類人形機器人Q4,高并發(fā)推理人形機器人Q5等，也為未來在人類難以到達的環(huán)境中進行人形機器人自生產(chǎn)、自構(gòu)建、自進化打下基礎(chǔ)，人形機器人新想象空間正在打開。

人形機器人技術(shù)的突破需要包括神經(jīng)科學、信息科學、材料科學、機械學等多學科協(xié)同，而材料科學的進步也是其中的關(guān)鍵支撐。最近，瑞士蘇黎世聯(lián)邦理工學院Robert Katzschmann教授團隊開發(fā)了一種名為HALVE的新型人造肌肉，為機器人運動帶來了創(chuàng)新性突破，讓機器人向柔軟、適應(yīng)性強的方向發(fā)展有了可能。

軟體機器人與環(huán)境的互動方式與剛性機器人有很大不同，軟體機器人普遍采用更柔順、更安全、更低能耗的運動模式。事實上，今天的人形機器人，功耗與電池也是一大挑戰(zhàn)。“人類大腦的功耗僅為20瓦左右，而與今天的人工智能算法的訓練能耗相比幾乎可以忽略不計?！?喬紅說道。

HALVE的柔軟性和可伸縮性使得軟體機器人能夠執(zhí)行類似于生物肌肉的復雜運動。其人工肌肉技術(shù)的核心概念是模擬生物肌肉的結(jié)構(gòu)和功能，運行機制模仿了真實肌肉,可對電脈沖作出反應(yīng),發(fā)生迅速的收縮或膨脹。它由充滿液體（通常是油）的囊袋和覆蓋電極的外殼組成，通過對電脈沖的響應(yīng)實現(xiàn)收縮。單個囊袋可看做一束肌肉纖維，幾個囊袋可以連接起來形成一個完整的推進器。

據(jù)了解，HALVE有多層外殼，采用高介電常數(shù)電鐵材料（high-permittivity ferroelectric material），可以存儲大量電能，能夠在較低電壓下產(chǎn)生較大的力，并具有優(yōu)異的機械性能，使整個囊袋更穩(wěn)定堅固。相較于以往技術(shù)，HALVE不需要工作在過高電壓范圍內(nèi)，無須連接大型、重型的電壓放大器，能夠在水中工作，顯著提高了安全性。

人形機器人產(chǎn)業(yè)正在以前所未有的速度加速進化。如果將1972年早稻田大學推出的全尺寸人形機器人WABOT-1 視為全球首個人形機器人，那么歷經(jīng)了漫長的50年后，今天人形機器人的發(fā)展終于進入加速突破期，真正迎來商業(yè)化的元年。

Figure機器人操作高級AI工程師Corey Lynch說：“你看到的Figure01的一切，只用到了一個神經(jīng)網(wǎng)絡(luò)。”未來，人形機器人還將帶來更多的可能。

作者丨特約撰稿 李佳師

編輯丨邱江勇

美編丨馬利亞

監(jiān)制丨連曉東