近日，在上海2024世界人工智能大會上，人形機器人和大模型成為了兩大人氣王。
新設的機器人專區里，25個人形機器人、各種靈活的機械臂、穿梭在過道中送水的機器狗，還有能夠幫你成為超能人——兩只手指頭就能搬起沙袋的外骨骼；大模型展區更是各種炫技，讀懂你的情緒、模擬你的動作、幫你做個個性化的診療、甚至讓你直接和你喜歡的數字名人聊天，比如羅永浩……置身其間，你似乎來到了未來世界。
據國際機器人聯合會的數據顯示，全球人形機器人的市場規模正以每年超過20%的速度增長。預計到2025年，將達到數百億美元的規模。
4月，首屆中國人形機器人產業大會發布《人形機器人產業研究報告》預測，2024中國人形機器人市場規模約27.6億元（人民幣，下同）；2026年達104.71億元；到2029年達到750億元，將占到世界總量的32.7％，位居世界第一，到2035年規模有望達到3000億元。
過去，由于技術不成熟，人形機器人只能提供casebycase服務，缺乏對復雜場景的認知能力，應用空間局限；同時在本體控制層，人形動作僵硬，需按照預設好的算法運行，不具備更智能的靈巧操作能力。
隨著2023年大模型技術席卷而來，技術進步給人形機器人具身智能帶來了新轉折。從事AI賦能企業數字化的常信科技CEO葛林波表示，有了大模型的加持，“新”人形機器人已經突破了上一代技術路徑的局限。它的革命性變化主要體現在：實現了更高層次的抽象理解和推理能力，大幅提升了非結構化環境中的適應性，使機器人具備了更接近人類的認知決策能力，并能實現跨領域知識遷移和自主學習。
“人形機器人也許將是AI在演進中最重要的應用場景。”凌云智能原CEO祝凌云直言。
大模型帶動行業變革
大模型的加入相當于為機器人安裝了一個大腦，讓它可以對周圍環境做出更加深入的理解。
達闥在上海2024世界人工智能大會上展出的人形雙足機器人XR4小紫，搭載了大模型RobotGPT。人工智能公司OpenAI與人形機器人公司FigureAI合作，推出了大模型加持的人形機器人Figure01。
“目前，國內許多人形機器人已經接入大模型。據不完全統計，截至目前，優必選、傅立葉、智源以及北京銀河通用等企業均已載入大模型，科大訊飛人形機器人主要基于自研的星火大模型。”科大訊飛機器人首席科學家季超對中國工業報表示。
而在3月人形機器人大賽現場，中國工業報聽到最多的一句話就是，“在大模型賦能下，人形機器人將是具身智能最佳的載體。”
具身智能，是指在機器智能領域中，通過將智能算法與物理實體的感知、行動和環境交互相結合，使機器能夠以更自然、更智能的方式與環境進行交互和解決問題的能力。人形機器人作為通用人工智能具象化載體，與人工智能大模型相結合，就可以感知物理世界，利用多模態感知控制自己的身體，完成復雜的任務。
從2010年開始至2023年具身智能熱爆發，國內人形機器人技術路徑劃分為兩個階段。
第一階段為具體任務、單個場景的技術路徑階段。如針對特定園區設置運輸線路，搬運機器人就可在固定路徑上完成配送，穩定性強；多條路線下，用算法提前規劃即可。但機器人一旦脫離該設定，便無法運轉。因此，面對新場景、新任務，人形機器人都需要重新收集數據訓練、設定方案和測試。
“過去，機器人工作可能停留在‘小腦’層面，即如何讓機器人更穩定行走，機械臂控制更靈活，這本質上與業務流程存在較大鴻溝。”季超對中國工業報解釋道，例如，過去，機器人從A點走到B點，或者在流水線上抓取某些物品，但它并不了解為何要走到B點，以及為什么要抓取物品。“如果機器人只完成這些基礎功能，就無法滿足業務場景的需求。”
“如果一家電力公司發生燃氣泄漏或有毒氣體泄漏，而變壓器存在放電等危險，我們希望人形機器人可以代替人進入有潛在風險的工作場景，識別并關閉閥門，再打開窗戶。我們需要將任務與實際業務流程結合，基于大模型進行微調，形成基于任務場景下的多模態矩陣大模型。讓機器人能夠按照我們對場景的理解，進行一系列基于時間序列的穩步操作。”季超表示，“大模型的加入相當于為機器人安裝了一個大腦，讓它可以對周圍環境做出更加深入的理解。大模型的核心能力主要體現在對環境的理解和認知推理能力顯著增強。”
第二階段則是以具身智能為代表的技術路徑更強調泛化性，追求多場景適配。大模型能解決多種任務，機器人可以完成單任務式交付到規模化應用的可能。
“過去，大家對機器人的要求是提前把事項預編好，執行就可以了。但人們希望人形機器人既能是個熟練的螺絲工，同時又具備質檢等其他工作能力，可靈活配置，最終替代工廠里的員工完成繁重、枯燥性工作，而不是替掉現有的重型機械臂、傳送帶等。”樂聚機器人副總裁柯真東對媒體表示。
應對場景差異化就需要泛化的大腦。對人形機器人而言，這需要實現兩大能力提升：一是語言理解能力。季超介紹，載入大模型后，機器人對于人類下發的復雜指令或者工作過程中的復雜指令，可以做到更深入的理解和拆解。這是過去對環境的感知和行為決策方面的大幅度提升。
二是學習能力。非結構化的環境下，大模型加上多維傳感器，能夠學習、識辨并構建環節，在mobile（移動）、pick（抓取）、place（搬運）三大基礎能力之上，讓人形機器人具備多場景作業的能力。
葛林波表示，大模型在人形機器人領域解決了語言理解、場景認知和動作規劃等關鍵挑戰，顯著提升了機器人在復雜環境中的適應性和交互能力。在場景突破方面，大模型的賦能主要體現在提高人形機器人對新場景認知的泛化能力、通過少樣本學習快速適應新環境、增強對復雜動態場景的理解能力，以及實現更高級的任務分解和規劃。
“泛化性本質在于，任意場景、任意物體、任意情形下，機器人mobile、pick、place都能成功。”北大-銀河通用具身智能聯合實驗室主任王鶴表示。
數據是關鍵
數據是人形機器人未來的靈魂。而當下，人形機器人缺少規模化數據則是整個行業最大的痛點。
作為集AI技術、軟件算法、運動控制、硬件結構等為一體的移動終端，人形機器人是目前公認的難度系數最高的產品。而訓練數據采集的難度，是橫亙在人形機器人規模化落地面前的一座大山。
在上海2024世界人工智能大會“人形機器人與具身智能發展論壇”上，不少專家都提道：數據是人形機器人未來的靈魂。而當下，人形機器人缺少規模化數據則是整個行業最大的痛點。
季超表示，由于大模型和具身智能機器人遵循ScalingLaw（尺度定律的路線，模型能力可以理解為模型的損失函數，模型尺度指模型參數量、訓練數據量、訓練步數等。機器的訓練學習，隨著量的增加，效果提升就變得越來越緩慢，因此選擇合適的量就好），因此對數據要求較高。當前機器人數據規模不如大模型，這類數據獲取難度和規模積累仍然不足。但要真正實現具身智能落地應用，就得要讓機器人能像人類一樣，學習積累不同場景下的應對方式，擁有“經驗和知識”。
清華大學研究員蘇航認為，業內對人形機器人的關注從“專用場景解決具體問題”（靈巧性）到強調泛化性，主要還是出于降低成本考量，“原來一個場景應用一款機器人，（如果）泛化性可以做到足夠好，一個機器人就可以在十個場景、百個場景應用，就可以實現規模化場景和規模化效應，一旦實現規模化，機器人的成本就可以拉到BOM（構建制造產品所需的原材料、組件、子組件等材料的詳細清單）成本之下。所以，數據驅動的泛化性是人形機器人應用的核心。”
蘇航說，目前，實驗室收集到全網能夠獲取的所有人形機器人的數據，包括各種AI操作的數據，距離泛化性要求仍差2-3個數量級。哪怕達到GPT3.5的水平也差2-3個數量級。因此，構建數據集和訓練場非常有價值，而如何結合真實數據和仿真數據一起做這件事則非常重要。
特斯拉擎天柱能在有限簡單場景下進行自主作業，其核心依靠數據驅動：采集海量的優質數據，覆蓋各類場景和物體，并通過具身智能提煉泛化能力。
目前，人形機器人公司對數據的需求可以分為三類：
一是通過數據理解世界規律。通過大量數據學習，讓機器人理解任務意圖。二是借助模擬數據學習邏輯推理和決策能力。借助模擬環境，可以讓機器人掌握各種抓取方法。三是真實場景的應用數據。三類數據不同側重點會影響人形機器人的精度和成功率。
“人形機器人最終落地是多種形態的，要提前做產業化布局，就意味著它需要提前進入場景，獲取數據、再不斷迭代，去適配場景的真實需求。”星動紀元聯合創始人席悅對媒體表示。
真實數據的增加有利于機器人提高智能水平。但要跨越鴻溝，真實數據需要提高多樣性和質量，并非單純數量堆砌。
“這一點，人形機器人有天然的優勢，它的數據可以更直接從人類的行為數據里獲取或者遷移過來。”中國人形機器人百人會副秘書長、星動紀元創始人、清華大學交叉信息研究院助理教授陳建宇表示。
祝凌云也認為，人形機器人的大模型更需要運動和感官的數據支持，實質上就是機器學習，誰的用戶多誰就能領跑。
在優必選使用的訓練數據中，由Tele-operation（遠程控制）所收集的真實數據占20%，此外，還有80%的數據通過仿真環境合成獲得。
“由于真實數據稀缺，采集難度大、成本高，仿真合成數據被許多人形機器人企業視為解決數據問題的最優解。”祝凌云建議。
達闥機器人用數字孿生方案搭建了一套實時同步、虛實轉換的數據收集系統，通過傳感器，將人所在環境掃描并傳輸到云端，以30Hz/秒進行重建，將機器人放置在孿生環境中進行訓練。將機器人看作一個NPC（是non-playercharacter的縮寫，指在游戲中不受玩家操控的一種角色類型），各項任務是一個個游戲，用AI驅動人形機器人在“游戲”中運行。
“這時候，我們要多少合成數據就有多少，需要什么場景也可以通過數字孿生的方式隨時搭建。當數據在時間軸上被拉長、以切片形式存在，突發問題也變成了靜止問題。”達闥機器人創始人黃曉慶說。
當然，合成數據的劣勢在于，它與真實數據之間存在數據分布的差異，實時性不強，在落地時，會面臨更高要求的精度問題。
但“目前市場上，能夠在同一個階段把幾類數據都同步做好的公司幾乎沒有，普遍做法是根據自身的技術優勢，優先從擅長方向切入。”光源資本董事總經理婁洋表示，“當前以具身智能為核心的新一代人形機器人公司，在場景側的選取和市場端的切入上尚未達成共識。有些探索進度快，有些相對較慢，但進度更快的公司所選取的路徑，并不一定代表著該場景的最優解。目前，場景落地的可行性和優劣與否還沒有明確答案。”
如工廠對機器人的要求通常以精準成本為導向，期待機器人能夠每天完成固定的任務，確保生產的穩定性。然而，人形機器人的智能水平提升需要更強的泛化性和應變能力。與生活場景相比，工業環境能提供給機器人的反饋和學習機會相對受限。存在落地成本不確定，以及數據訓練和實際應用轉化之間的錯配問題。
葛林波表示，獲取高質量、多樣化的機器人操作數據仍然是一個重要挑戰，未來可能需要更先進的數據采集系統、虛擬仿真環境和數據增強技術來解決這個問題。
今年5月，國地中心在上海成立，這是國內首個人形機器人領域公共平臺。目前，國地中心正在浦東建設一個能夠容納100個人形機器人進行智能訓練的訓練場，11月將完成一期建設；預期到2027年該訓練場可以擴大到能夠容納1000個人形機器人訓練。
中國人形機器人百人會副秘書長，北京市人形機器人創新中心有限公司CEO熊友軍也在3月機器人大賽上公布了大模型計劃：未來將與人形機器人創新中心產業聯盟的一些合作單位，共同構建數據收集平臺以及大模型訓練平臺，主要面向工業場景下語言動作的操作數據收集和訓練。同時也會訓練面向工業場景的大模型，跟大家一起構建虛擬平臺。
王鶴說，要讓機器人認識世界，需要一個“對時間、空間、物理定律有比較細粒度的表達”的世界模型，但是，“這件事情不是現在任何一個軟件平臺，或任何一個智能模型能做到的。”要讓人形機器人能真正成為千家萬戶的家務型、陪伴型使用機器人，還需要很長一段時間的努力。
（來源：中國工業新聞網）
