【本期课题】

具身智能之机器人上肢。

【栏目介绍】

在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。

【免责声明】

本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。

【本期嘉宾】

连文昭，中国科学院自动化所研究员。

【内容索引】

01:15 从Vicarious 、Google X 和FigureAI这些从业经历来观察，美国机器人产业经历了哪些变化？

01:50 机器人的实际应用已经有五六十年的历史。从最早只能重复编程和重复运动的机器人，到现在具有3D视觉能力的机器人，或者可以进入家庭的AGV（自动引导车）等等，软硬件交替发展推动了机器人行业不断螺旋上升。

04:58 大模型在其他领域还没有证明自己是一个可靠的、能显著提高生产力的工具。它们可以辅助人类，但还没有达到独立完成任务的水平。比如，用ChatGPT 聊天或创作，如果我们没有预设的标准答案，它可以很好地激发我们的想象力。但如果我们有一个具体的要求，那么 ChatGPT 可能需要多次尝试，甚至试到最后我们可能会放弃。

07:08 虽然人们在大部分时间里对事物的感知是模糊的，比如走到一个地方的前后左右。但是在特定情境下，我们需要精确的度量，而误差的大小很大程度上取决于当时的语境。我们管这个叫常识或直觉物理。

09:48 当时，我觉得机器人行业充满了机遇，就像从 3 千米高空俯瞰地面一样，遍地是黄金。但凡能做出一点智能的东西，就能极大地推动机器人领域的发展。

10:20 Vicarious, Google X, Figure：不同的基因、愿景和尝试

13:46 数字世界可以将所有空间、观测量、动作空间都离散化，在数字世界中，理论上是可以穷举所有可能性的。但是，在机器人和物理世界的实际操作交互中，相关的数据很难穷举，或者说即使想这样做，所需的成本和代价也是巨大的。

14:39 Google X通过收购整合，确定了三个主要方向：move、make 和 help

16:18 现在我们经常谈论柔性生产，小批量、大批次、高混低量的生产场景，就要求我们能有Software defined hardware，软件定义硬件，这是Google X 的初衷。

22:33 在硬件层面，过往我们一直面临着选择的困境：是制造一个瑞士军刀式的多工具集合，还是一个可以使用各种工具的手。

24:17 如果不考虑触觉或感官问题，只关注于如何控制灵巧手，哪些因素最难达成妥协？

27:16 Figure AI的愿景没怎么变，变的是人们对它的看法。他在成立之初就有很强的硬件基因，但在开发硬件本体的同时，Figure也下决心把 AI 技术融入其中，以区别于历史上已有的成果。

29:17 随着大模型的发展，以及最近这一轮引人注目的融资新闻，你离开之后，Figure现在的进展和发展和以前有明显的不同吗？

32:40 人形机器人领域虽然现在看似火热，但如果放在历史的长河中看，目前仍处于早期阶段。许多技术路线、商业场景、成熟度乃至于在社会中的角色都还没有收敛。

33:36 从软件、硬件、算法模型、控制等各个维度来看，中国和美国的机器人行业横向比较起来是个什么状况？

37:45 结合中美的经验，在机器人行业最容易形成的突破和优势：“科技驱动，产业落地”

39:56 今天机器人上肢的进展水平如何？

40:00 机器人的手部必须与环境进行交互，需要将物体从一个初始状态转移到另一个状态，这需要进行强接触。因此，我们不仅需要关注物体的几何特性，还需要关注它们的语义特性，例如这些物体是什么，它们的用途是什么。

44:16 在未知环境中实现多臂协调仍然是一个学术挑战。因为上肢的动作空间非常大，需要实时状态估计，并进行多个自由度的协调。

46:41 以Google X为例，我们曾为合作伙伴研发家具拼接机器人，机器人需要视觉估计各个部件的状态，比如柜子的各个面板，椅子的各个部分，像椅背、扶手、轮子，并实时规划如何抓取和组装。我去抓把手，还不能挡住拧螺丝的地方。这涉及到很多中层到底层的决策，因此非常难。

49:32 对于手的设计，如果考虑到便捷性、能耗控制、复杂度、可能出现的任务情况以及与人的互动等因素，你认为机器人最终应该有多少只手，以及每只手上应该有多少个指头是合理的？

52:49 对于上肢训练，越是复杂的任务，通过强化学习或者说试错的方式来练习，学习进度就会慢一些。某种程度上，越是非基础的任务，也就是越往场景走，越往应用走，越往具体的事情走，模仿学习占的比重就越大。

55:06 在当前的成本限制、软硬件水平下，机器人领域的“不可能三角”：可靠性、速度以及泛化性。

57:26 人的这种直觉物理或基础规则会影响模仿学习的结果吗？

1:03:39 人形机器人领域的热度上升，对你个人有没有什么影响？

1:04:16 我觉得机器人和AI领域不太是科学问题，更是一个工程性的问题。既然是工程性问题，我们肯定希望能够离应用越近越好，并在真实世界中产生价值，提高生产力，提升人们的生活水平。

1:05:42 往未来看 10 到 20 年，全球人形机器人或智能机器人行业的格局将会变成什么样？

1:07:41 假设想要一个专业级的羽毛球机器人陪练，不是在固定位置收发球，而是要有自己的策略和技术，既可以陪我打球，但又不至于让我筋疲力尽。你认为我们需要多长时间才能做出这样的机器人？

【本期相关】

46:45 正在拼家具的机器人

51:18 正在插接线头的机器人

56:22  正在插电池的机器人

1:08:33  正在打乒乓球的机器人

【往期链接】

Vol.102 产业观察15｜人形机器人是具身智能的最佳选择吗？与张巍聊具身智能之双足机器人

【相关文章】

文字版内容，可在峰瑞资本公众号查看。

【制作团队】

主理人：李翔 、李丰

制作及统筹：张英海  （13514156656）、峰小瑞（[email protected]）

如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。