今年两大人形机器人盛会上，业内关于人形机器人的评价似乎分成两极——世界人工智能大会“十八金刚”才艺展示引发观众驻足，但也有参展者“抱怨”一些机器人还得吊着、站都站不起来；上周刚结束的世界机器人大会上，人形机器人热度空前，27款展出的人形机器人数量为历年之，有人形机器人从业者向财经记者感慨今年人形机器人“能动得更多了”，但也有从业者称“各家演示视频拍得挺好，但实际上能（像视频）走起来演示的很少”。
两种评价背后，是人形机器人已有明显进步，但还远未达到人们的终期待。无论如何，即便并不完美，人形机器人今年已在加快走向商用。
近日“稚晖君”彭志辉的智元机器人一口气发布了五款商用人形机器人新品，并透露工厂进入量产后准备阶段，今年公司双足人形机器人出货200台左右；港股“人形机器人股”优必选副总裁、研究院执行院长焦继超告诉记者，公司人形机器人在汽车行业的意向订单大约500台。
乐聚（苏州）机器人技术有限公司总经理王松近日向记者表示，“公司人形机器人的合作伙伴已包括海尔、华为、蔚来等。”星尘智能CEO来杰也告诉记者，“上次发布视频后，找我们的订单非常多。”
特斯拉CEO马斯克则在前段时间透露，明年特斯拉将开始“限量生产”Optimus人形机器人，届时特斯拉将有超过1000台乃至数千台在运行的Optimus。
虽然距离“好用”尚远，但人形机器人加快迈向“能用”已是事实。站在量产的起始点，人形机器人的实操能力到底如何？可以期待具身智能像大模型般一夜间智能涌现吗？财经记者近日与多名人形机器人从业者交流，尝试还原人形机器人得以走向量产的过程，并探讨AI如何让人形机器人继续迭代。
“机器人动起来了”
“人形机器人已经从以往的demo秀、静态展示走向应用落地。去年大部分厂商放了一个硬件来展示，动都不能动，应用更不用谈了。而今年大家都非常重视应用，能动的机型越来越多。应用也越来越聚焦，基本聚焦在工业场景。”焦继超告诉记者。另有参加世界机器人大会的人形机器人从业者向记者提到，过去行业更讲究人形机器人的移动能力，这次明显更强调操作能力。
机器人能动、能操作指向了应用落地。不论是特斯拉、优必选还是乐聚等，落地初站都选择了工业，其中又聚焦汽车工业。高工机器人产业研究所（GGII）所长卢瀚宸告诉财经记者，制造业细分行业中，汽车是行业基底大的行业，且自动化程度高，导入机器人的意愿相对强烈。业内人士则告诉记者，从机器人的发展阶段看，初期导入工业容易。
“汽车、3C制造等工厂对人形机器人都有强烈需求，问题是人形机器人行业的硬软件能力还无法完全满足制造业的所有需求。目前很多制造业工厂愿意开放跟机器人能力匹配的工位，如搬运、质检。”焦继超告诉记者，人形机器人应用可分为工业、商业服务和家庭场景三个阶段，三个阶段渐趋复杂，对产品的性能要求和对价格的敏感度越来越高。人形机器人厂商选择先落地工业，是因为能在工业场景将底层核心基础技术如定位导航、感知、目标识别先打磨好，同时在高负载高频率的工作环境中测试、优化硬件结构与机器人系统稳定性，为未来进入其他场景做铺垫。
在过去一年多时间，不只有新生的大模型为人形机器人产业带来改变，上游供应链形成、硬件成本下降也是人形机器人撞开量产大门的推手。
“在大模型出来前，硬件相关供应链生产水平到了一个阶段，再有一些商业化落地场景被大家看到，关注度一下子就起来了。”王松告诉记者，近一年多供应链变化明显，例如以前找不到专门的人形机器人零部件，只能从别的行业如协作臂的供应链拿，拿到的部件技术路线跟人形机器人的技术要求不同，导致人形机器人集成度不高、精度不够、稳定性不佳，核心零部件只能公司自己做。而现在，虽然谈硬件标准化尚早，但供应链已经起来了。
“我们在深圳接触的供应商非常多，发现供应商不一定是没有能力（进入人形机器人领域），而是没有形成完整市场链条时不愿投入，只要供应商开始转型，行业就会发展。”来杰表示，很多上游供应商已在考虑技术如何应用于机器人并做内部转型，预计两年内市场就能形成完整链条。
UniX AI创始人兼首席执行官杨丰瑜对记者表示，机器人产品能够起量取决于产品研发、工程能力、供应链优势。
从耶鲁大学计算机专业获得博士学位后，年仅23岁的杨丰瑜在去年开始了自己的具身智能机器人事业。杨丰瑜认为，国内独有的供应链优势让机器人产业具备了极强的供应链资源，只要融合国内优质产能，目前进行大批量的产品交付已经不是问题。
焦继超告诉记者，研发迭代和上游供应链规模起来后，今年人形机器人价格整体比去年下降了40%~50%。随着人形机器人在工业场景的性能逐渐稳定、数量增多，预计整机成本还将继续下降。
2022年年底ChatGPT出世，在随后的一年多时间大模型则给人形机器人安上了“大脑”。多名人形机器人厂商告诉记者，在人形机器人语境下，大模型等同于“大脑”，人形机器人本体厂商多专注做本体和“小脑”，“大脑”则与外部合作。大模型给人形机器人带来的改变在于泛化性，具体则用于人形机器人动作的决策规划。不同于算法固定编程，泛化性可理解为“举一反三”的能力。有了“大脑”，人形机器人进工厂“打工”也成为可能。
“机器人有三层泛化，层偏向感知，即认识个东西后能不能认识第二个东西。第二层偏向动作，即做出个动作后如果环境有所调整，能不能适应做出第二个动作。第三层偏向任务，即完成个任务后相关的任务能否完成。”来杰表示，大模型带来更多地在于任务上的泛化。
王松形容，大模型在机器人身上的泛化性更多体现在工程层面，例如“能抓一瓶可乐，变成雪碧时也能抓取”，雪碧或可乐在工业场景中可替换成各种物料。大模型泛化性体现在任务流程安排以及对不同物品的理解。在大模型智能涌现之前，业界不太知道如何实现泛化，而若不依赖泛化能力、靠专业化编程完成各种任务，对应工作量很大。大模型给机器人提供了一种新的任务规划思路，行业“见到了希望的曙光”。现在人形机器人有了“大脑”，大小脑便能配合，由大脑做感知理解，小脑做具体动作执行。
在工厂中，一台人形机器人是这样运行的：王松告诉记者，小脑向大脑提供接口，小脑执行腿部移动、手部运动，负责“向上或向下拧一厘米”和抓握等动作，大脑则负责动作分配、遇到异常情况如何打断重组动作的部分。
焦继超以物料分拣场景举例：人形机器人要识别几百上千种物料，需要用到高性能且泛化性好或者能快速训练而成的模型，还需要多模态大模型的感知能力。当工作流程出现异常情况，例如抓取、分拣的物料没有抓住，大模型应该知道下一步如何做，这体现了大模型的决策能力。此外，机器人识别并计算出物料的6D位姿后给到运动控制模块，端到端的小模型（小脑）则判断要从什么部位抓起不同物料，这种小模型用到了强化学习和模仿学习。
人类经过漫长进化时间学会的简单动作，对人形机器人而言却是复杂的，等到大模型出现，人形机器人才开始学会用大脑思考并进入工作岗位。
已点赞:25
联系
