不久前，國內(nèi)機(jī)器人公司宇樹科技在其官方公眾號(hào)推送了一篇名為《Unitree G1 人形智能體 AI化身 ￥9.9萬元起》的文章，宣布其推出了一款9.9萬的人形智能機(jī)器人。十萬不到的價(jià)格，瞬間讓人有一種科幻馬上就要照進(jìn)現(xiàn)實(shí)的既視感。
盡管2024年的進(jìn)度條走了還不到一半，但有關(guān)人形機(jī)器人的炸場(chǎng)消息卻是接連不斷。
先是英偉達(dá)CEO黃仁勛在其3月份召開的GPU技術(shù)大會(huì)上與9款人形機(jī)器人同臺(tái)，接著宣布英偉達(dá)將開啟人形機(jī)器人通用基礎(chǔ)模型GR00T項(xiàng)目，用新GPU為人形機(jī)器人智能化提供算力支撐。引發(fā)了一陣關(guān)于具身智能的熱議。
一個(gè)月后，老牌機(jī)器人公司波士頓動(dòng)力宣布旗下傳統(tǒng)的液壓式人形機(jī)器人退役，并推出其全新研發(fā)的全電動(dòng)Atlas機(jī)器人。又掀起了一波關(guān)于人形機(jī)器人發(fā)展過往的追憶熱潮。
5月初，特斯拉發(fā)布了一段展現(xiàn)其人形機(jī)器人Optimus（擎天柱）的視頻。視頻中，有的機(jī)器人在拾取電池芯并將它們準(zhǔn)確插入到對(duì)應(yīng)的托盤中，還有機(jī)器人在進(jìn)行其他物品的擺放和衣物折疊等操作。
緊接著就是上文提到的，宇樹科技祭出了9.9萬的價(jià)格大招。
看到如此一系列密集的大事件，很難讓人不產(chǎn)生一種人形機(jī)器人的春天已經(jīng)來臨的幻覺，也難怪有人會(huì)高呼“2024年是人形機(jī)器人元年”。
到今天，人形機(jī)器人經(jīng)歷了怎樣的發(fā)展歷程？為什么大家突然又對(duì)其展現(xiàn)出如此大的熱情？在這些歡呼的背后，人形機(jī)器人的發(fā)展還面臨哪些問題？本文將就這些議題展開討論。
人形智能機(jī)器人的成長路徑
根據(jù)控制論的觀點(diǎn)，非生命體具備智能的一個(gè)關(guān)鍵表現(xiàn)，就是其能夠和生命體一樣對(duì)周遭復(fù)雜環(huán)境進(jìn)行主動(dòng)感知，并作出合理反應(yīng)。這需要至少三個(gè)要素的支撐：感覺要素、運(yùn)動(dòng)要素和思考要素。
如果從這個(gè)視角出發(fā)，第一臺(tái)稱得上人形智能機(jī)器人的產(chǎn)品，是早稻田大學(xué)在1972年推出的WABOT-1。這款機(jī)器人在不用人類時(shí)刻操縱的情況下，可以實(shí)現(xiàn)自主行走、抓取物體、用日語交流等行為。通過各類傳感器，這款機(jī)器人擁有一定程度的視覺、聽覺和觸覺，可以感知周圍的狀況，并主動(dòng)調(diào)整自己的動(dòng)作。
事實(shí)上，在波士頓動(dòng)力和特斯拉站在聚光燈前的日子里，人形機(jī)器人領(lǐng)域主要由日本的機(jī)構(gòu)和企業(yè)引領(lǐng)。
1984年，WABOT-1的升級(jí)版WABOT-2被推出。它被設(shè)定為一款音樂機(jī)器人，可以識(shí)別樂譜，并根據(jù)樂譜彈奏風(fēng)琴等樂器。
與此同時(shí)，工業(yè)巨頭本田也進(jìn)入了這一賽道，并在2000年推出了以著名科幻作家命名的阿西莫（ASIMO）機(jī)器人。這是一款具備奔跑、跳躍等多項(xiàng)運(yùn)動(dòng)能力，還可以通過視覺、聽覺感應(yīng)器規(guī)劃路線，給人端茶倒水、表演舞蹈，并能夠用語音和手語跟人交流的機(jī)器人。
此后，追光燈便打到了北美的舞臺(tái)。
先是波士頓動(dòng)力在2013年推出原型機(jī)，并于2016年正式發(fā)布，可以實(shí)現(xiàn)跑酷、后空翻、側(cè)滾翻、前滾翻、180度空中轉(zhuǎn)體、空中劈叉、360度空中轉(zhuǎn)體等高難度動(dòng)作，還能在復(fù)雜的野外環(huán)境中自主完成各種任務(wù)的Atlas機(jī)器人，長期引領(lǐng)著人形機(jī)器人的話題榜。
接著，在2021年的特斯拉AI Day上，馬斯克通過幻燈片發(fā)布了一款概念人形機(jī)器人Tesla Bot，將人形機(jī)器人的發(fā)展帶入了一條新賽道——從過去更加關(guān)注軀體的發(fā)展，轉(zhuǎn)向如何讓其擁有更強(qiáng)的通用智能。
為什么人形機(jī)器人突然又行了？
人形機(jī)器人的發(fā)展并非一帆風(fēng)順。
由于其研發(fā)成本和造價(jià)太高，同時(shí)又找不到合適的應(yīng)用場(chǎng)景，使得該領(lǐng)域始終無法實(shí)現(xiàn)商業(yè)閉環(huán)。本田在2018年就停止了機(jī)器人研發(fā)業(yè)務(wù)，而波士頓動(dòng)力更是幾經(jīng)易手，從谷歌到軟銀再到現(xiàn)代，命途坎坷。商業(yè)模式的不明朗，讓人們一度對(duì)這個(gè)賽道的熱情降至了冰點(diǎn)。
之所以人們?cè)?024年又開啟了對(duì)人形機(jī)器人的熱情，主要原因來自成本的推力和技術(shù)的拉力。
首先是大語言模型技術(shù)的突破性發(fā)展，讓人們看到了人形機(jī)器人向通用性方向發(fā)展的可能性。過去的機(jī)器人需要通過編程告訴它們執(zhí)行什么任務(wù)和怎樣執(zhí)行任務(wù)，沒法實(shí)現(xiàn)編碼之外的感知與行為，這也大幅限制了其應(yīng)用場(chǎng)景。而大語言模型技術(shù)的發(fā)展，一方面讓人機(jī)交互變得更加簡單，另一方面也有望實(shí)現(xiàn)反應(yīng)層面的涌現(xiàn)與泛化，通過自主學(xué)習(xí)完成那些“意料之外”的工作。
其次，就是新能源汽車等行業(yè)的發(fā)展，讓一些人形機(jī)器人的關(guān)鍵零部件的價(jià)格持續(xù)下跌，進(jìn)而讓人形機(jī)器人整體的成本下降成為了可能。
過去，一臺(tái)人形機(jī)器人的價(jià)格動(dòng)輒在100萬人民幣以上。但近期，市場(chǎng)上陸續(xù)出現(xiàn)了一批單價(jià)價(jià)格帶在15到20萬之間的人形機(jī)器人，斯坦福機(jī)器人、特斯拉、國內(nèi)的智元機(jī)器人等都先后表態(tài)會(huì)將成本控制在20萬以內(nèi)，價(jià)格下探成為必然趨勢(shì)。
盡管如此，人形機(jī)器人要在智能化和市場(chǎng)化方面實(shí)現(xiàn)突破，依舊有一段遠(yuǎn)路要走。
莫拉維克悖論——人形智能機(jī)器人待翻越的大山
上世紀(jì)80年代，人工智能學(xué)者漢斯·莫拉維克、羅德尼·布魯克斯、馬文·閔斯基等人發(fā)現(xiàn)，與傳統(tǒng)假設(shè)不同，人類所獨(dú)有的高階智慧能力只需要非常少的計(jì)算能力，例如推理，但是無意識(shí)的技能和直覺卻需要極大的運(yùn)算能力，并據(jù)此提出了著名的莫拉維克悖論。
以曾經(jīng)在圍棋領(lǐng)域大殺四方的AlphaGo為例。
盡管其圍棋能力領(lǐng)先到令人恐怖的程度，但是嚴(yán)格意義上講它不是一個(gè)完整的棋手，只是一個(gè)棋手的大腦部分，負(fù)責(zé)識(shí)別局勢(shì)、做出決策，而充當(dāng)這個(gè)棋手軀體的其實(shí)是一個(gè)人類棋手。AlphaGo根據(jù)對(duì)手的招數(shù)給出應(yīng)對(duì)后，需要一個(gè)專門的人類棋手去移動(dòng)棋子。
我們常常會(huì)忽略這一點(diǎn)，是因?yàn)樵谖覀兊恼J(rèn)知習(xí)慣中，移動(dòng)棋子是一個(gè)再簡單不過的操作，在整個(gè)對(duì)弈過程中，與高深莫測(cè)的下棋策略相比，這個(gè)動(dòng)作簡單到可以忽略的程度。但正是這種對(duì)人類而言無比簡單的動(dòng)作，恰恰是智能機(jī)器面臨的最大挑戰(zhàn)。
一個(gè)完整的對(duì)弈過程，其實(shí)是多重能力共同驅(qū)動(dòng)的結(jié)果，既需要感知、判斷、分析和決策這些大腦功能，也需要移動(dòng)和操作這樣的軀體功能。由于我們本能地對(duì)人類引以為傲的智力的重視，使得我們?cè)谙喈?dāng)長的一段時(shí)間里都只關(guān)注機(jī)器的智能，而沒有將其視為一個(gè)完整的、獨(dú)立的物種去看待。
隨著應(yīng)用場(chǎng)景的拓寬和豐富，我們才逐漸意識(shí)到，在腦力上能夠戰(zhàn)勝頂尖圍棋手的智能機(jī)器，在運(yùn)動(dòng)協(xié)調(diào)性上可能還不如一個(gè)小孩子。并不是說機(jī)器在單純的運(yùn)動(dòng)和操作方面不如人類，機(jī)器可以搬運(yùn)很重的東西，也能以讓人類望塵莫及的速度移動(dòng)，但是它們無法像人類那樣自如地協(xié)調(diào)好智能模塊和體能模塊。
著名認(rèn)知心理學(xué)家史迪芬·平克在其《語言本能》一書中對(duì)此評(píng)價(jià)道：“經(jīng)過35年人工智能的研究，發(fā)現(xiàn)到最重要的課題是‘困難的問題是易解的，簡單的問題是難解的’。四歲小孩具有的本能——辨識(shí)人臉、舉起鉛筆、在房間內(nèi)走動(dòng)、回答問題——事實(shí)上是工程領(lǐng)域內(nèi)目前為止最難解的問題。當(dāng)新一代的智慧裝置出現(xiàn)，股票分析師、石化工程師和假釋委員會(huì)都要小心他們的位置被取代，但是園丁、接待員和廚師至少十年內(nèi)都不用擔(dān)心被人工智能所取代?！?/p>
盡管大語言模型的突破為人形智能機(jī)器人的發(fā)展帶來了新曙光，但是人形機(jī)器人要實(shí)現(xiàn)“大腦”和“機(jī)體”之間的順暢銜接和絲滑運(yùn)作，依舊是一段漫長而艱辛的道路，需要不同領(lǐng)域的參與方共同努力推進(jìn)。
便宜是一種相對(duì)的價(jià)值感
除了技術(shù)方面的障礙，價(jià)格也是一個(gè)問題。
在技術(shù)傳播理論中，有一個(gè)概念叫價(jià)格價(jià)值（Price Value），指消費(fèi)者在權(quán)衡技術(shù)產(chǎn)品或服務(wù)的感知收益與其感知成本后，所形成的總體評(píng)價(jià)。簡單來說，就是消費(fèi)者認(rèn)為購買或使用某項(xiàng)技術(shù)所花費(fèi)的金錢是否值得。
所以，一個(gè)產(chǎn)品是否便宜，不是單方面價(jià)格因素決定的，而與消費(fèi)者的感受有很強(qiáng)的關(guān)系。
如果單純從廠家的角度來看，一臺(tái)機(jī)器人，我從過去的100萬、50萬降到了9.9萬，這種骨折式降價(jià)的努力不可謂不大。但是回到顧客這邊，我花9.9萬買個(gè)東西，總得為個(gè)什么。顧客看重的，還是我買它過來能干什么，如果只是看它翻跟頭、走路、拿放東西，那多少有點(diǎn)不值當(dāng)。
當(dāng)然，肯定會(huì)有一些燒包樂意花錢買個(gè)新鮮、炫個(gè)闊綽。但是僅靠這些人撐不起一個(gè)大市場(chǎng)，無法形成真正的商業(yè)閉環(huán)。
所以，人形智能機(jī)器人要解決的第二個(gè)問題，就是如何讓它們真正能夠在人類社會(huì)發(fā)揮價(jià)值。相關(guān)企業(yè)需要把自己克服的技術(shù)障礙轉(zhuǎn)換成真正的客戶收益。
如果從這個(gè)角度看，我們需要的或許不是人一樣的機(jī)器，而是能夠代替人的機(jī)器。
智能機(jī)器，不一定是人形
波士頓動(dòng)力的首席技術(shù)官阿龍·桑德斯（Aaron Saunders）在一次采訪中表示：人形并不一定是機(jī)器人完成任務(wù)最好的形態(tài)。
從上世紀(jì)80年代開始，機(jī)器人領(lǐng)域就形成了一種共識(shí)——機(jī)器人應(yīng)該最先應(yīng)用在“4D”領(lǐng)域，即臟（Dirty）、危險(xiǎn)（Dangerous）、乏味（Dull）和困難（Difficult）四類場(chǎng)景。這些場(chǎng)景下的任務(wù)通常是人類不愿意或不適合執(zhí)行的，而機(jī)器人因其不知疲倦和不怕危險(xiǎn)的特性，能夠很好地完成。通過讓機(jī)器人承擔(dān)4D場(chǎng)景下的任務(wù)，不僅可以提高效率和安全性，還能釋放人類從事更具創(chuàng)造性和價(jià)值的工作。
相比于還停留在把機(jī)器人當(dāng)小孩子，讓它們給“長輩”表演一些華而不實(shí)的節(jié)目階段的人形機(jī)器人，一些擺脫了外形桎梏，奔著問題和任務(wù)去的公司，已經(jīng)開始讓自己的機(jī)器人產(chǎn)品在對(duì)應(yīng)的場(chǎng)景中發(fā)揮價(jià)值。
就在宇樹科技發(fā)布9.9萬機(jī)器人的第二天，全球第一商業(yè)和金融媒體CNBC公布了第12屆“2024 CNBC Disruptor 50”榜單。在這一被譽(yù)為全球科技獨(dú)角獸的搖籃的榜單上，OpenAI毫無懸念位列第一，榜單上排名第42位的，是一家名為Gecko Robotics的機(jī)器人公司。
這是一家成立于2013年的公司，兩個(gè)創(chuàng)始人當(dāng)年還是格羅夫城市學(xué)院學(xué)習(xí)電氣工程的學(xué)生。創(chuàng)業(yè)之前他們參與了一項(xiàng)校內(nèi)鍋爐安全檢查的工程項(xiàng)目，最后以在該項(xiàng)目中發(fā)明的方案為基礎(chǔ)，創(chuàng)立了這家公司。
Gecko Robotics的主要產(chǎn)品是名為TOKA的智能機(jī)器人，該機(jī)器人有多款型號(hào)，配備不同數(shù)量超聲波傳感器的它們，可以爬上工廠的任意管道和其他重要的工業(yè)結(jié)構(gòu)墻壁，對(duì)油管、鍋爐或者其他設(shè)備進(jìn)行超聲波檢測(cè)，然后通過其自主研發(fā)的快速超聲波網(wǎng)格化技術(shù)生成厚度網(wǎng)格圖，并以2D 和 3D 形式直觀地展示在軟件中，用于識(shí)別腐蝕和其他損壞機(jī)制導(dǎo)致壁層變薄的區(qū)域，可以讓客戶對(duì)目標(biāo)設(shè)施的情況了如指掌，提前預(yù)判存在的問題并計(jì)劃解決措施。
在這種機(jī)器人出現(xiàn)之前，設(shè)備檢測(cè)通常是專業(yè)人員手持超聲波探測(cè)器進(jìn)行的。這種方式首先是很危險(xiǎn)，因?yàn)榇嬖谝恍└呖兆鳂I(yè)場(chǎng)景和有毒有害場(chǎng)景；其次是用這種方式探測(cè)到的范圍和數(shù)據(jù)量都極為有限，通常只能覆蓋占整體大約 3-5% 的設(shè)施。而這種全新的機(jī)器人可以在最危險(xiǎn)和苛刻的環(huán)境中運(yùn)行，能夠提供近99%的覆蓋，收集的數(shù)據(jù)量比傳統(tǒng)手持方法高 1000 倍，檢測(cè)的速度平均快 10 倍。機(jī)器人完成數(shù)據(jù)采集后，將收集到的數(shù)據(jù)提供給專業(yè)人員，最大限度地發(fā)揮專家貢獻(xiàn)的同時(shí)還能讓他們免受傷害。
Gecko Robotics首席執(zhí)行官兼聯(lián)合創(chuàng)始人Jake Loosararian曾自豪地表示：“每天，在世界各地的數(shù)百個(gè)客戶站點(diǎn)，我們的機(jī)器人正在保持發(fā)電廠在線、軍事資產(chǎn)準(zhǔn)備就緒和工廠大門打開?！?/p>
在筆者看來，這才是機(jī)器人真正應(yīng)該奔赴的方向。
寫在最后
人形機(jī)器人正在迎來一個(gè)快速發(fā)展的新階段，我們應(yīng)該為其已經(jīng)取得的突破性進(jìn)展感到高興，卻又不能高興得太早。盡管理論的道路已經(jīng)鋪就，但是在實(shí)踐層面我們依舊處于起點(diǎn)階段。人形機(jī)器人要突破的，除了技術(shù)堵點(diǎn)和成本阻礙外，還要面臨客戶價(jià)格價(jià)值感受的問題。
企業(yè)讓機(jī)器人越來越像人，越來越智能，只是這個(gè)故事的一面，這個(gè)故事的推進(jìn)還需要解決另一個(gè)問題，就是我們絕不是要造出一臺(tái)臺(tái)跟我們擁有類似能力的機(jī)器，而是要?jiǎng)?chuàng)造出一款款能夠在具體應(yīng)用場(chǎng)景下比人類能產(chǎn)生更大價(jià)值，同時(shí)成本更低的產(chǎn)品。
