先走入真实世界的，是“机器人”还是“机器狗”？

撰文 | 李信马

题图 | AI生图

十年前上映的《超能查派》，是少见的用“机器人”当主角的电影，还找来“金刚狼”休·杰克曼饰演大反派。

电影中的查派，是世界上第一个自我觉醒的机器人，也是笔者心目中最“痞帅”的机器人，飞天遁地的同时不耽误耍帅搞笑。值得一提的是，在觉醒前，它的工作是机器人警察，不幸在战斗中报销才被意外改造。

也就是说，在电影的背景设定中，机器人已经走出实验室，融入了人类社会，在工作岗位上发光发热。

2025年，机器人堪称年度热词，各种形制和型号的机器人层出不穷，机器人马拉松、足球赛和拳击比赛，也吸引了不少人的关注。但热闹归热闹，这些机器人基本还是被限制在有限的空间范围内，做着特定的任务。

距离机器人无限制地融入真实的人类世界，似乎只差“临门一脚”，但这“临门一脚”，可能远比我们想的更艰难。

01、什么是“真实世界”？

电影《楚门的世界》中，主角楚门就生活在一个“虚假”的世界里，他的前半生所处的环境，都是为他量身定制的。

在笔者看来，需要特意圈定一个范围，或者设计布置一个环境，对机器人来说，就不能算真实的人类世界。机器人要走入真实的人类世界，就应该像电影中的楚门那样，打开实验室的门走出去，去迎接并适应充满未知和不确定性的环境。

不久前，在香港举办了一场别开生面的机器人竞赛，就直面了这个问题。由香港中文大学主办，ATEC前沿科技探索社区承办的第五届ATEC科技精英赛（线下赛）·真实世界极限挑战赛，把比赛的赛场放到了大学的户外环境里，要求机器人完成吊桥穿越、定向越野、自主浇花、垃圾分拣等任务。

“我们这次比赛跟以前的机器人比赛都不一样，以前机器人基本上在室内比较多，而且我们强调操作和移动结合起来。”赛事联席主席、香港工程院院士刘云辉教授认为，机器人要想在真实世界中立足，要具备行走、操作、改造环境三项核心能力，这也是这次竞赛设计的初衷。

笔者受邀在现场观看了比赛的进程，直观的感受，用最近一首抖音热歌来唱就是：

“本来应该从从容容游刃有余，

现在是匆匆忙忙连滚带爬……”

现场参加比赛的机器人基本分为三类形制：机器狗、人形机器人和双足机器人。在自主浇花、垃圾分拣的比赛中，机器人一个个像得了帕金森病，机械臂颤颤巍巍的，屡屡抓空，十几二十次才抓到都算好成绩。

吊桥穿越要经过三种不同间距的桥面段，看似不长的一段距离，“哐当”成了机器人选手们的主旋律。重心低的机器狗还好，人形机器人摔一下看着就肉疼，还有的双足机器人另辟蹊径，在脚底捆上了加长的木板，让人直夸“小机灵鬼”。

至于定向越野，这么说吧，“十步摔一跤”是一个相对客观的描述。

这些比赛项目的选定，其实好理解，毕竟人最擅长的动作就是行走和抓取，但是为什么机器人选手们表现得这么笨拙，和我们平时短视频里看到的不一样？

因为朋友啊，这才是“真实”。我们日常看到的很多机器人视频，前有工程师的反复训练和稳定的环境，后有专门的拍摄和剪辑，看到的效果自然很智能。

实际上，即使近两年多模态大模型发展迅速，但由于触觉等物理属性的缺失，机器人的感知能力仍停留在初级阶段，远未达到“透彻理解”的程度，举个例子，在3D场景理解任务中，当下最先进模型的准确率仅为55%-60%，远低于人类的90.06%。

而真实世界的环境不仅复杂还是动态的，机器人不仅要响应指令，还要具备在不确定条件下进行实时推理与决策的能力——目前算法的泛化能力还远达不到这一水平。

刘云辉教授在现场中还提到了让他有些失望的一点，参加定向越野比赛的机器人都采用的传统的建图方案，而没有他想看到的完全通过视觉引导的方案。如果真的是在野外穿越，要走十几公里，是不可能建图的，某种意义上也算有点违背比赛的初衷而“画地为牢”了，也反映了当下的机器人距离真实世界，还有不小的距离。

02、关于未来的比赛，“狗”赢了……

比赛的最后，来自浙江大学的Wongtsai团队成功摘得15万美元大奖。下图中的机器狗，就是他们派出参赛的机器人，值得一提的是，Wongtsai其实是“旺财”的音译，可以说，是货真价实的“机器狗”了。

人形机器人比不过机器狗，这可真是个让人有些失望的事实。但长久以来，在“出圈”这件事情上，机器狗一直走在人形机器人的前面。比如，波士顿动力的BigDog，可以说是机器人领域的“上古真神”，以一系列灵活到离谱的视频刷新了业界的三观；当下中国顶级的机器人公司宇树科技，早期的知名产品莱卡狗，也在不少科技竞赛中大放异彩。

原因可能很简单——做“人”太复杂了，要考虑的事情太多，而做“狗”就简单多了。想一下，体型更大，有灵活的双手的你，上得厅堂下得厨房，还是从办公室到工地都能干的牛马，而你的宠物狗，能听从指令跑跑跳跳，最多干点巡逻和叼东西的任务，就已经是优秀的“狗才”了。

不过，这次Wongtsai团队能获得冠军，最重要的原因是评分规则明确鼓励“无遥操”（无人工遥控操作），机器人需要独立完成从感知、分析到决策、执行的全链路闭环，这对机器人的感知鲁棒性、决策智能性和系统稳定性提出了极高要求，而Wongtsai团队在机器人全自主智能方面表现卓越。

Wongtsai队长朱承睿表示，具身智能是大系统下有小系统，每个小系统都没有问题，大系统才能没有问题。但如果每个小系统的完成度只有90%，那么由一堆小系统组成的大系统可能就无法运作，当任务完全交给机器人自主完成时，就会变得非常复杂。

“打开水壶，给花浇水，这对于人类而言是轻而易举的事情。但对于机器人，它需要首先识别：我在哪里，我需要做什么，什么是壶把手、什么是壶嘴，什么是花，我要如何靠近水壶，在这个过程中如何避免碰撞，机械臂需要到达怎样的位置才能抓起水壶，需要用多大的力度……”

当下对机器人技术路线的探索，主流上大致包括：

· 以大模型为核心的“大脑优先”路径

· 以运动控制为核心的“小脑优先”路径

· “软硬一体”协同路径

但发展水平嘛，以人类的标准来看是都不太行。

“你让大模型去理解一幅图像、一段文字，它可以做到。但要它理解如何抓起一个物品，它是完全做不到的，它不具备这种能力。”朱承睿说。

在机器人有限的体积与功耗约束下，部署大模型所需的高性能专用芯片仍不成熟，也制约了“大脑”的实时处理能力。“小脑”通过小模型去控制硬件，但目前机器人硬件在灵巧度、力控精度与成本之间难以平衡，技术和成本门槛极高，机器人的“小脑”与“四肢”，也不能完美承载“大脑”的智能构想。

开个玩笑，以“狗”的标准来看，“机器狗”和真实世界的距离的确要近多了。

此前，在《机器人非得“像人”吗？人类最需要看清自己》中，我们曾给出疑问：为什么要执着于让机器模仿人类？有从业者的看法是：“因为这个社会是按照人类的需求建造的，长得像人自然可以适配人类通用数据，代替人类干活。把机器人做成人形，那么它天生就可以调用现有的设施。”

当然，这个问题至今也没有答案，非人形的机器人也可能有很多的用途，只是人形机器人，的确是更容易满足人类对“智能体”的幻想。

什么时候，机器人真的能走入真实的人类社会呢？刘云辉教授认为，快的话也要5年，还有很长的路要走。而朱承睿估计，要20年后，机器人才真的可以走进人类的生活，为人类提供服务。

在迈向真实世界的路上，也许“机器狗”走得更快，但“机器人”会走得更远。