男人添女荫道口图片_久久精品网中文字幕_无码精品A∨在线观看无广告_97香蕉久久国产超碰青草

當前位置 : 中國機器人峰會(huì ) >> 大會(huì )新聞

對話(huà)王田苗:萬(wàn)億市場(chǎng)之下,大模型+機器人還有四大問(wèn)題未解決 |

發(fā)布時(shí)間:2024-04-26發(fā)布人:中國機器人峰會(huì )

今年3月,一段兩分半鐘的視頻點(diǎn)擊量破百萬(wàn)。沒(méi)有太多花哨的情節,白色背景前,一個(gè)人形機器人遵照人類(lèi)指令,遞給對方蘋(píng)果,歸置好桌上的杯子和餐碟,并解釋這樣做的原因。

這段視頻來(lái)自當紅人形機器人初創(chuàng )公司Figure。成立不過(guò)兩年,Figure估值已達26億美元,其投資人包括微軟、英偉達、英特爾、貝佐斯等,被戲稱(chēng)金主覆蓋半個(gè)硅谷。

視頻中,Figure機器人啟動(dòng)頁(yè)面,出現醒目的“powered by OpenAI”。除了自己開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò )技術(shù),Figure這款產(chǎn)品背后顯然有OpenAI的生成式AI支撐。

AI讓人形機器人擁有新的可能。一個(gè)誕生于1950年的概念“具身智能”(Embodied Artificial Intelligence)進(jìn)入人們視野。

在這一概念下,借助大模型,機器人感知、決策與交互提升,具備更強的自主學(xué)習能力和環(huán)境適應性。機器人賦予大模型現實(shí)的物理載體,讓曾經(jīng)的虛擬智能走進(jìn)現實(shí)世界。

技術(shù)和現實(shí)的交織足以掀起廣闊的想象,業(yè)界普遍認為具身智能將是一個(gè)萬(wàn)億市場(chǎng)。

最近一系列的行業(yè)進(jìn)展似乎給出了證明:2月份, FigureAI完成6.75億美元融資;3月份,英偉達發(fā)布人形機器人通用模型Project GR00T,推動(dòng)機器人理解自然語(yǔ)言,并觀(guān)察人類(lèi)行為模仿動(dòng)作;同是3月份,斯坦福李飛飛團隊發(fā)布開(kāi)源“靈巧手”、成本僅2.5萬(wàn)美元;而在4月16日,波士頓動(dòng)力先是宣布了數字液壓驅動(dòng)的雙足人形機器人Atlas退役,不到12小時(shí)又發(fā)布了代表力量與靈活的全電驅動(dòng)Atlas 001,展現出腰與脖的全向旋轉機構及髖部球形關(guān)節……

一級市場(chǎng)的機器人項目投資火熱,二級市場(chǎng)的核心零部件廠(chǎng)商、概念股也風(fēng)起潮涌,人形機器人公司優(yōu)必選上市后,市值一度超過(guò)千億港元。

然而,“機器人+大模型”落地狂潮中,仍有保持謹慎樂(lè )觀(guān)的少數者。北航機器人研究所名譽(yù)所長(cháng)、中關(guān)村智友研究院院長(cháng)王田苗就是其中一員。

90年代初,中國工業(yè)機器人尚在萌芽期,王田苗已經(jīng)進(jìn)入一個(gè)和移動(dòng)機器人相關(guān)的國家重大項目組中,研究無(wú)人駕駛技術(shù)。30多年過(guò)去,王田苗和團隊研發(fā)出國內第一款獲得許可證的醫療機器人,也成為硬科技領(lǐng)域低調但不可忽視的創(chuàng )業(yè)導師。

2020年,王田苗聯(lián)合十五位科學(xué)家發(fā)起成立了“智友科學(xué)家基金”, 一如既往,王田苗和團隊希望發(fā)現和培育服務(wù)國家科技戰略的早期硬科技項目。具身智能、機器人、機器人上游核心部件正是他關(guān)注的重要領(lǐng)域。

與硬氪交流的一個(gè)多小時(shí)里,王田苗語(yǔ)氣中難掩對具身智能或將掀起產(chǎn)業(yè)變革的興奮。中關(guān)村智友研究院已經(jīng)覆蓋包括高精度RV減速器、全真精密光學(xué)影像系統、力傳感器柔性智能裝備、具身智能AI通用機器人平臺等軟硬件方向。

但在行業(yè)沉浮三十多年后,王田苗早已習慣以冷靜的目光審視狂熱。以Figure發(fā)布的產(chǎn)品為例,“Figure機器人在視頻中呈現的延遲時(shí)長(cháng)約為2-3秒,它使用了Pipeline、管道型路線(xiàn),即自然語(yǔ)言發(fā)送后、機器人大腦可以理解并生成指令,由指令來(lái)控制。當接入通用大腦后,其延遲速度約要乘以20倍?!?王田苗告訴硬氪。

具身智能走過(guò)半個(gè)多世紀,某一款產(chǎn)品的爆火消弭并不會(huì )落地和商業(yè)化等現實(shí)性問(wèn)題。一個(gè)溫度驟升的行業(yè)需要這樣的視角,才不至于在蜂擁而入的資本和宏大敘事中迷失。

圍繞具身智能的機遇與挑戰話(huà)題,硬氪對王田苗進(jìn)行了專(zhuān)訪(fǎng),以下是本次交流(經(jīng)編輯):


有效的機器人通用基礎模型還未出現

硬氪:對比上一代機器人技術(shù)路徑,具身智能的革命性體現在哪里?

王田苗:具身智能強調和追求機器人泛化及大規模應用。第一,它通過(guò)嵌入大模型交互,使機器人能夠聽(tīng)懂語(yǔ)言,理解客戶(hù)的指示,并讓具身智能體到相應的地方進(jìn)行操作。第二是結構化的固定環(huán)境加上感知垂直大模型,能識別并重建環(huán)節,拓寬機器人使用的環(huán)境,提高智能化水平。因此,人們期待具身智能即大模型+機器人能夠實(shí)現“一腦多機”或“一腦多型”的爆發(fā)。

硬氪:具身智能真正得到學(xué)術(shù)界、工業(yè)界、金融界重視是在這兩三年。狹義來(lái)看,是否可以理解為讓機器人通過(guò)自我學(xué)習進(jìn)行認知和決策,從而完成相應的任務(wù)?

王田苗:從大語(yǔ)言模型的發(fā)展開(kāi)始,我們可以看到語(yǔ)言處理領(lǐng)域的顯著(zhù)進(jìn)步。傳統的解決方法通常是依賴(lài)于知識圖譜,并結合人為設計的邏輯以及多個(gè)小任務(wù)模型來(lái)解決問(wèn)題。然而隨著(zhù)技術(shù)不斷進(jìn)步,尤其是AlphaGo在圍棋領(lǐng)域的優(yōu)秀表現,以及AlphaZero在蛋白質(zhì)分析方面的突破,人們開(kāi)始期待用一個(gè)通用模型的訓練和微調,來(lái)解決所有問(wèn)題。這也是為什么大模型被視為未來(lái)社會(huì )數字化、智能化、治理化的運行底座。

機器人作為人們改造世界的工具,具身智能概念誕生后,人們開(kāi)始思考,機器人領(lǐng)域是不是也能誕生這樣通用大模型。

目前工業(yè)機器人的裝機總量約為300萬(wàn)臺,每年世界60萬(wàn)臺,中國占總量的一半、是30萬(wàn)臺。有這樣一個(gè)“通用大腦”后,就能大規模、高效率地泛化遷移應用,解決許多問(wèn)題。

硬氪:那這個(gè)機器人通用模型現在出現了嗎?

王田苗:目前還沒(méi)有一個(gè)有效的模型出現。

以實(shí)時(shí)性問(wèn)題為例。Figure機器人在視頻中呈現的延遲時(shí)長(cháng)約為2-3秒,它使用了Pipeline、管道型路線(xiàn),即自然語(yǔ)言發(fā)送后、機器人大腦可以理解并生成指令,由指令來(lái)控制。當接入通用大腦后,其延遲速度約要乘以20倍。

硬氪:有什么解決方案?

王田苗:常見(jiàn)的解決方案是,為不同的任務(wù)設定多個(gè)小模型,并提供不同的參數訓練,端到端減少推理成本。另外,將專(zhuān)用小GPU芯片置入到機器人中,也可提高任務(wù)實(shí)時(shí)性,目前特斯拉已在自動(dòng)駕駛中嘗試了這種做法。

硬氪:今年有哪些細分場(chǎng)景的模型值得關(guān)注?

王田苗:今年3月,李飛飛團隊開(kāi)發(fā)Behavior-1K,完成了對1000種日?;顒?dòng)的定義,并以房屋、花園、餐廳、辦公室等50個(gè)場(chǎng)景為基礎,標注9000多個(gè)擁有豐富物理和語(yǔ)義屬性的物體。

接著(zhù)到4月,特斯拉推出多模態(tài)大模型Grok-1.5v,利用端到端高速大模型FSD推理,有望連接數字世界與物理世界,解決自動(dòng)駕駛邊緣案例的在線(xiàn)迭代學(xué)習問(wèn)題。

硬氪:業(yè)界對機器人「大腦+小腦」路線(xiàn)的關(guān)注度很高。大腦用大模型認知智能、人機交互以及相關(guān)場(chǎng)景的調動(dòng),小腦實(shí)時(shí)控制機器人本體,產(chǎn)生靈巧操作,隨著(zhù)大模型能力提升,是否有可能反哺給小腦,進(jìn)而帶動(dòng)其感知、行為等能力提升?另外有關(guān)技能型勞動(dòng)操作,會(huì )不會(huì )具有專(zhuān)業(yè)小模型,分別實(shí)現高效作業(yè)比如焊工、鉗工、車(chē)工、打磨拋光、噴涂、裝配、拆裝等。

王田苗:這個(gè)問(wèn)題正是目前學(xué)術(shù)界、產(chǎn)業(yè)界所關(guān)注,并且產(chǎn)生爭議的地方。

大腦主要負責慢思維與推理,是智力的核心所在;而小腦則關(guān)聯(lián)著(zhù)對事物的反應敏感程度,更多涉及身體的協(xié)調與運動(dòng)的控制。從邏輯上講,人們希望今后機器人的大腦能越來(lái)越聰明、弱化小腦能力,力圖通過(guò)大模型得以統一。比如大模型知道什么是蘋(píng)果,也知道蘋(píng)果可以飽腹,當我們向機器人提問(wèn)“什么東西能吃”時(shí),機器人就能自動(dòng)取出一個(gè)蘋(píng)果。但要真正實(shí)現它,現階段仍有很多挑戰。

在人類(lèi)歷史進(jìn)化過(guò)程中,人類(lèi)行為的智能進(jìn)化遠遠先于語(yǔ)言智能的進(jìn)化。這可能意味著(zhù)語(yǔ)言、視覺(jué)感知、觸覺(jué)感知以及行為等智能在大腦圖譜中并不是同一個(gè)位置,很可能是由不同模型所驅動(dòng)的。莫拉維克悖論也揭示了這一現象--電腦下棋容易、感知和行動(dòng)智能方面卻面臨挑戰,這通常表現為頂層智能的智能程度高、精度差、反應慢,而底層智能的智能程度低、精度高、反應快。

硬氪:更具體看,還有哪些問(wèn)題是沒(méi)有解決的?

王田苗:首先是如何讓機器人的“大腦”更聰明。現階段機器人在解決復雜環(huán)境感知、動(dòng)作生成、靈巧操作等問(wèn)題時(shí)存在局限性。盡管大模型增強了其學(xué)習、語(yǔ)義理解、推理及判斷能力,但在從理解、推理、判斷、執行到運動(dòng)系列過(guò)程中,還涉及其他多種模型算法和軟硬件協(xié)同的問(wèn)題,包括感知智能模型、行為智能模型以及原有智能控制理論,如MPC模型預測控制與WBC全身協(xié)調控制等。

同時(shí),Scaling laws(尺度定律,這一定律表明,模型大小、數據集大小和用于訓練的計算浮點(diǎn)數,與模型的性能存在線(xiàn)性相關(guān)。)能否在機器人基礎大模型中復現尚未可知,這些技術(shù)的開(kāi)發(fā)和迭代本身具有難度,再加上周期較長(cháng)、投入高,短期內要突破關(guān)鍵技術(shù)仍面臨著(zhù)不小的挑戰和風(fēng)險。

第三是要解決具身智能大模型與硬件的融合、配合問(wèn)題。人形機器人的整機結構復雜,僅零部件就超過(guò)5000個(gè),從理解指令到執行任務(wù),都是極大的工程量。

因此有觀(guān)點(diǎn)提出,在機器人的智能層、感知層、動(dòng)作層中分設Agent,由Agent來(lái)調用工具解決具體問(wèn)題。

最后就是落地環(huán)節。機器人產(chǎn)品化過(guò)程需要用時(shí)間來(lái)產(chǎn)生并驗證價(jià)值,如果說(shuō)研究具身智能的出發(fā)點(diǎn)是為了降低時(shí)間成本或提升效率,進(jìn)而實(shí)現生產(chǎn)力的飛躍,而非為了取代人類(lèi)工作,那么基于場(chǎng)景的融合打磨與迭代至關(guān)重要。

硬氪:要實(shí)現專(zhuān)業(yè)和通用,過(guò)程中的難點(diǎn)是什么?

王田苗:軟件方面的挑戰主要是真實(shí)、實(shí)用、海量數據的產(chǎn)生與訓練問(wèn)題。其中,數據收集尤為關(guān)鍵,機器人所需的數據不僅涵蓋互聯(lián)網(wǎng)數據和視頻采集數據,更需要包括眾多物理環(huán)境中的真實(shí)交互數據,這些模擬生成的數據是難以替代的。

此外,數據對齊也是一大難題。語(yǔ)言模型能夠學(xué)習并生成人類(lèi)能理解的語(yǔ)言,但在機器人領(lǐng)域,我們面臨著(zhù)海量未標注的異構行為大數據,這使得語(yǔ)義與數據的對齊變得異常困難。其中還涉及到語(yǔ)義歧義問(wèn)題、模型可能產(chǎn)生的幻覺(jué)的安全問(wèn)題,以及標準化測試平臺和訓練完成后安全使用評價(jià)問(wèn)題等。

另一方面就是效率與成本問(wèn)題。從仿生機器人的發(fā)展歷程來(lái)看,自1997年日本本田推出的Asimo人形機器人,到2008年波士頓動(dòng)力的大狗機器人,再到后續活蹦亂跳的人形機器人,甚至從特斯拉人形機器人到Figure人形機器人,我們確實(shí)見(jiàn)證了具身智能在大模型、感知、算力等方面有了重大突破。

然而,不能忽視的是,具身智能在結構、驅動(dòng)、動(dòng)力等真實(shí)能力方面,尚未實(shí)現根本性的突破。其中,行為智能成功成本,與“行為數據采樣學(xué)習次數”乘以“每一次訓練成功的成本”得到的結果相比,其比值仍然遠遠小于1。這導致具身智能的載體性物種在靈巧性、成本性、能源維護性、使用體驗安全性等方面仍存在諸多挑戰,距離通用機器人走向千家萬(wàn)戶(hù)還有距離。

此外,實(shí)時(shí)性和推理速度也是當前具身智能面臨的重要問(wèn)題。目前基于大模型的機器人控制周期在線(xiàn)決策最快也需要50ms,一般延遲達1-5秒,這遠遠無(wú)法滿(mǎn)足目前工業(yè)應用中對機器人要求10ms以下,最好在3ms的要求。

硬氪:在機器人和AI結合中,有哪些比較關(guān)鍵的成本?

王田苗:機器人結構復雜,核心零部件決定了其精度、穩定性、負荷能力等重要性能指標,其中技術(shù)難度最高分別是減速器、伺服系統和控制器,占成本的60-70%。加上傳感器等其他零部件,都會(huì )增加機器人的制造和后期維護的成本。

此外,為了解決實(shí)時(shí)性問(wèn)題,需要大量GPU算力與訓練的能耗。有研究測算,每個(gè)token(1000 token約為750個(gè)單詞)的訓練成本通常約為6N(N為參數的計量單位),推理成本約2N,即推理成本相當于訓練成本的三分之一。

機器人的三大主導方向

硬氪:面向開(kāi)放場(chǎng)景的泛化問(wèn)題,技術(shù)上該怎么解決?

王田苗:從具身智能的體系結構出發(fā),對機器人下達拿水杯的指令時(shí),這是意圖;機器人會(huì )將其分解為具體的運動(dòng)步驟,包括視覺(jué)范圍內看到水杯、接近、拿起,一系列動(dòng)作由感知模型和操作模型協(xié)同完成,當機器人后續面對多任務(wù)場(chǎng)景時(shí),理想狀態(tài)下它能夠利用先前的經(jīng)驗進(jìn)行復制泛化,減少對編程水平和質(zhì)量要求。

現實(shí)生活中,由于所有的視覺(jué)感知都是變化的,人機交互、任務(wù)規劃、動(dòng)作軌跡和操作模型需要應對突發(fā)性事件,由此也有想法提出,每一層都應有一個(gè)具身代理,再根據特定任務(wù)產(chǎn)出領(lǐng)域大模型。

硬氪:具身智能會(huì )優(yōu)先在哪些場(chǎng)景中落地?

王田苗:從廣義來(lái)看,將機器人和大模型運用在社會(huì )上,我堅信會(huì )從商務(wù)、工業(yè)、最后再進(jìn)入消費環(huán)節。

其中,商務(wù)場(chǎng)景包括物流(室內外與低空)、出租、藥店、超市、清潔、接待等,更容易率先取得突破性進(jìn)展;第二類(lèi)是工業(yè)與農業(yè),工業(yè)包括汽車(chē)、核工業(yè)、化學(xué)藥品、醫院傳染病處置、電池回收拆裝等,農業(yè)則包括種植、采摘、分揀、屠宰、上下料、預制菜、包裝等;最后才是消費場(chǎng)景,例如打掃、炒菜、陪護、養老、打掃房間、護工保姆等。

硬氪:在產(chǎn)品形態(tài)上是否有創(chuàng )新空間?

王田苗:當然。一方面,有工業(yè)界和理性的企業(yè)熱衷于用新技術(shù)、新形態(tài)去探索專(zhuān)業(yè)化的新應用,他們注重技術(shù)的實(shí)用性和對專(zhuān)業(yè)領(lǐng)域的適用性,希望通過(guò)不斷的技術(shù)創(chuàng )新來(lái)推動(dòng)業(yè)務(wù)發(fā)展。

另一方面,大部分學(xué)者或懷揣夢(mèng)想的創(chuàng )業(yè)者則認為通用大模型+人形機器人是未來(lái)的發(fā)展方向,更關(guān)注技術(shù)的前沿性和未來(lái)潛力,相信技術(shù)將為人類(lèi)社會(huì )帶來(lái)革命性的影響。

二者有所不同,前者注重應用上的創(chuàng )新性,后者是完全顛覆性的創(chuàng )新,兩條路線(xiàn)哪一條率先走通,都離不開(kāi)市場(chǎng)檢驗。我們看到,在物流、清潔、無(wú)人出租車(chē)等場(chǎng)景中,并沒(méi)有人形機器人的身影,包括焊接、噴涂等環(huán)節中多有應用。市場(chǎng)和供求關(guān)系緊密相關(guān),家庭環(huán)境更關(guān)注其智能化、情感化、安全化,工業(yè)場(chǎng)景更強調效率、準確率和成本,場(chǎng)景約束不同,兩類(lèi)場(chǎng)景會(huì )刺激不同類(lèi)型的機器人及其核心零部件創(chuàng )新。

硬氪:如何看待機器人接下來(lái)要重點(diǎn)突破的發(fā)展趨勢?

王田苗:當下有三個(gè)主導方向。

第一是攻克核心零部件,包括高動(dòng)態(tài)、高精度、高扭矩的驅動(dòng)單元,剛柔耦合的新材料靈巧手,人工肌肉與電子皮膚,低成本的生物傳感器,上游正向設計的電機或減速器等。

第二是夯實(shí)垂直應用并通過(guò)出海獲得利潤,特別是面向具有連鎖店或生產(chǎn)服務(wù)屬性的中小微企業(yè),提供服務(wù)應用。

第三是擁抱大模型。包括大腦機器人基礎大模型,具身代理Agents,低功耗專(zhuān)用小模型算力GPU與編譯器,以及生成式數據動(dòng)作庫;同時(shí),關(guān)注小腦實(shí)時(shí)技能操作、行為智能控制和實(shí)時(shí)安全評測等方面的技術(shù)進(jìn)展;免編程與安全算法,通用機器人與人形機器人應用App的開(kāi)發(fā)也是重要一環(huán);此外,數據服務(wù)--垂直模型專(zhuān)用技能數據服務(wù)公司,“勞動(dòng)”派遣運營(yíng)服務(wù)公司等也有望成為產(chǎn)業(yè)鏈中不可或缺的一方。相信大模型和機器人會(huì )是未來(lái)大國可持續競爭力的發(fā)展焦點(diǎn)。

總結來(lái)看,回顧過(guò)去的自動(dòng)化終端產(chǎn)品,能達到萬(wàn)億規模的賽道需要同時(shí)滿(mǎn)足三個(gè)要素,分別是市場(chǎng)、產(chǎn)業(yè)鏈和技術(shù)突破,與此同時(shí)還應該潛在具有2G、2B、2C的應用屬性,機器人就是這樣理念下的一種重要體現。


返回