首批陪伴机器人交付在即：会撒娇卖萌，AI硬件变得“更懂人”

外表比潮玩手办更灵动，内在比猫狗等“毛孩子”更懂人：市场或许要迎来第一批陪伴机器人了。

7月2日，第一财经记者了解到，陪伴机器人灵童机器人将在8月开启第一波交付。第一财经记者前往研发办公室体验了动作捕捉、人机交互、情绪识别等机器人的软硬件训练环节。

在体验中，记者了解到，想要让陪伴机器人更懂人，不仅要赋予它语言能力，还要让它“动得像人”、看得懂人、记得住人与它之间的情感轨迹。这需要机器人工程、模型算法研发团队的成员“灌”大量的交互数据，并进行微调。

对于这个融合AI与硬件的新故事，市场已经迫不及待了。今年6月，珞博智能宣布完成数千万元的天使轮融资。萌友智能也在去年年底官宣了一轮数百万美元的融资，旗下产品已经在海外众筹平台Kickstarter上陆续交付。而在灵童机器人的融资股东中，科大讯飞和策源资本都位列其中，产品目前已经在京东上线。

陪伴机器人想要脱离玩具定位，走向长期陪伴，靠的不是AI的噱头，而是与用户之间建立“关系”的能力。当语言不再是唯一入口，当视觉和触觉能够辅助机器识别，当机器的“性格”与“灵性”成为产品卖点，陪伴机器人正在重新定义AI硬件“情绪价值”的边界。

映射人体数据，机器人学做人

7月2日下午，在上海漕河泾开发区的人形机器人创新孵化器，记者被“五花大绑”起来。在灵童机器人的办公室，第一财经记者体验了穿戴式的动捕设备。记者的头部、小臂、大臂、背部和腰部各绑了一个弹力带，带子的表面装有一个数据盒。在八个弹力带的作用下，机器人很快跟着记者“有样学样”做出各种动作。

这套动捕装置是让机器人学习人类动作的核心装备，记者每一个动作，几乎都能被桌面上的人形机器人实时“模仿”出来。灵童机器人的核心产品是一个内置AI模块的桌面人形机器人，外观上看接近于二次元手办，身高60厘米。在记者问它“你怎么看起来有点不开心？”时，它叉起了腰，佯装生气地回答：“因为你没有陪我聊天呀。”

这个叉腰的小动作，正是记者通过动捕设备采集人体动作数据后“教”给机器人的。灵童机器人的研发负责人贾星亮告诉第一财经，动捕设备记录下人体骨骼的运动轨迹后，会将数据转化成特定格式的文件，再由工程师建模，将人体骨骼与机器人关节一一对应。“但简单的1∶1映射会导致动作变形，因此，工程师会根据机器人的本体结构进行微调。”比如人类挥手时肩膀旋转30度，但机器人手臂较短，就需要按比例缩小这个幅度。

在这个身高约为人类身高三分之一的机器人身体中，一共有35个数字伺服舵机——是机器人能够“动起来”的前提。为了让机器人“懂”人，灵童研发团队还以大语言模型为基础，引入了视觉、触觉等多模态输入，并借助机器人的具身性拓展了表达方式。

“系统会综合分析用户的语音语调、对话内容以及场景信息，来判断其情绪状态。”贾星亮举例，开心时语音往往会上扬，而悲伤时语速则会变慢。“我们还在完善视觉识别功能，未来机器人有机会通过摄像头识别用户的面部表情。”他说。

强调情绪价值，语言交互是最优解吗？

“最近机器人的性格很好，情绪价值拉满。”一位灵童机器人的产品工程师如是评价机器人最近的表现。

作为硅基生命，机器人给用户的情绪价值都由背后的大模型决定。当机器人识别到用户的情绪后，机器人会从预设的100多个基础动作中选择最合适的反应。这些动作主要来自专业动捕演员的表演，也有部分是从网络视频、游戏当中提取的。例如，当检测到用户处于愉悦状态时，机器人可能会微笑并挥手致意；而当用户情绪低落时，它则可能张开双臂，做出一个安慰性的拥抱动作。

记者在研发办公室现场看到，工程师正在通过强化学习的方式对这些输入与输出进行精度训练。“就像教小孩学会察言观色一样，”一位工程师解释说，“机器人需要在不断互动中学会‘什么时候该挥手，什么时候该跳舞’。”训练过程需要工程师与机器人持续对话，并在机器人作出反应时给予正向反馈。随着训练的深入，机器人逐渐趋近于高奖励行为，从而表现出越来越自然、贴心的“情绪价值”。

但情绪价值一定要通过对话的交互来实现吗？业内仍然存在不同的观点。

北京萌友智能的CEO何嘉斌在接受第一财经记者的采访时表示，聊天并不是陪伴机器人的核心环节，甚至“没有必然的联系”。“如果是办公的场景，包含频繁交流和对话的交互动作，并不一定是陪伴机器人的最优解。”

带人设、个性化的语言交互，只是陪伴机器人的一个产品形态。他认为，陪伴机器人产品体验中最容易做出产品溢价和用户黏性的部分是“灵性”，即机器在多模态体系下的自学习能力和人类在交互中投射的情感。

萌友智能的产品Ropet是一个拥有毛茸茸外观的桌面机器人，它并不像人，从外表看，只是一个毛绒玩具。何嘉斌介绍，Ropet能够通过自身的视觉和触觉传感器识别到用户的输入行为，通过多模态的识别和计算，利用自身的硬件进行反馈，比如在触摸的时候发出声音或改变眼睛的状态，来“表达”喜爱。

当与人类的交互行为被机器以数据的形式在一段周期内记录，有点像人类用数据去“喂养”一个宠物。何嘉斌说，多模态的感知能力叠加持续的行为学习能力，构成了产品“灵性”的核心部分，而这些都不一定要通过语音交互来实现的。

智能不止于大模型，AI能否撑起溢价

SevenUp Capital的创始人赵楠透露，根据他的观察，毛绒玩具厂商采购一块嵌入玩具中的AI物理模块的价格在30~50元，AI物理模块厂商自身的硬件毛利率在20%左右。而一个毛绒玩具的终端售价大约在150~200元。但加上AI陪伴的交互功能，一个毛绒玩具的售价有机会达到500元左右。

这意味着，AI能力正成为陪伴机器人区别于传统“玩具”品类的核心要素。不过，AI如何真正落地到具体的场景和产品中，仍然是一个需要精细打磨的课题。陪伴机器人的“AI故事”该怎么讲，才能让用户真正感到陪伴？

“和用户共创，或许是建立亲密关系的关键。”贾星亮告诉第一财经记者，在用户使用灵童机器人产品的过程当中，能够定制化地导入个人经历和经验，并通过自定义人设的方式与用户共同“塑造性格”。“为了避免互动过程出现割裂感，我们还提供了记忆的永久保存功能。”贾星亮介绍，机器人模型能够抽取对话中的关键词进行长期记忆，用户可以随时调取这些“共同回忆”来进行互动。

陪伴机器人SKYRIS的创始人张宇诺告诉第一财经记者，陪伴机器人的核心在于“如何建立关系”。SKYRIS的产品是一只会飞的机器人BOBO。BOBO外观像一个气球，但有两只小翅膀、类似小鸟的眼睛和嘴巴。在他看来，尽管AI大模型为产品赋予了智能，但真正实现“陪伴”，还需要更多维度的设计和辅助机制。

“就像人类之间建立关系，不只是靠语言对话，还需要主动开启话题、持续引导、及时反馈、深入挖掘情绪等多个环节，而这些情感互动的细腻之处，仅靠大模型远远不够。”他说。

因此，在大模型能力背后，依然少不了大量机器人工程师的参与。贾星亮表示，团队每天需要与机器人进行高频互动，通过不断测试和微调模型反应，优化其对话逻辑与情绪识别能力。“在产品最终交付前，我们会对情绪理解的准确性，以及硬件动作的稳定性做最后一轮打磨。”