机器人“大脑算不动”？武汉这支团队做了个大胆尝试

该图片疑似AI生成

机器人的热度持续上升。

看到机器人走猫步、后空翻、舞刀弄棒，你是否眼前一亮？

的确，这些动作对机器人而言足够“不一样”。它给人一种错觉：机器人已经很像人了。

可事实是，机器人离“像人”还差很远。

现在没有任何机器人公司能够宣称，机器人具备了应对复杂物理世界的能力。

人们见到机器人对话、挥手、跑步、跳舞、打篮球、练习武术……可是一旦脱离特定场景，到真正的实用场景和通用场景中，比如“机器人可以为我做什么”，人们往往会陷入普遍的沉默。

可以说，机器人的动作无论多么漂亮、优雅，多么像人，它是运动控制系统的精进，并不代表机器人跨越了与人之间的许多本质鸿沟。

其中一个本质鸿沟是，机器人不能像人一样“理解”物理世界，也无法快速做出反应。

不仅因为它不具备人的“常识”，还有算法的瓶颈，好比人类的“大脑过载”。

“机器人其实挺‘累’的，算不过来。”武汉大学机器人学院实验室里，天问机器人项目总负责人，武汉大学机器人学院教授、博导李淼说。

追求通用人工智能目标的路上，以ChatGPT为首的大语言模型所展现的“通用”能力，仅仅是在文本范畴内。

而作为具身智能的机器人领域，则渴望在真实的物理世界中，让AI能够像人类一样，理解物理世界，并做出像人一样的反应。它们先在诸多特定场景下进行训练，而后希望做到多场景复用。

武汉大学天问机器人团队，也正朝着这一目标奔跑。

▼天问机器人亮相湖北省“新春第一会”。

对AI而言，世界不止于语言。

这句话来自AI领域知名专家、斯坦福大学教授李飞飞。她直截了当地指出这两者的区别——“如今的顶级AI擅长阅读、写作、检索与模式识别，但当涉及对物理世界的表征或交互时，却存在根本性局限。”

具身智能，或者更细的分类——机器人，其终极目标正是打破AI技术与物理世界之间的隔阂。

这种隔阂现在如此显而易见——

当杯子从空中掉落，撞上水泥地板，机器人不知道它下一秒就会碎掉；

当叠高的积木瞬间倒掉，机器人不知道这会把房子弄成一团乱；

当有人从房子的另一头抛来钥匙，机器人不能瞬时判断钥匙的下落弧度，准确地接住它；

当你向机器人下达指令，“收拾一下房间”，它会完全不知所措，因为它不知道空可乐瓶该扔掉，没开的饮料应该放进冰箱……

我们现在所了解的人工智能，尽管在语言和学识层面它超越了人类，一旦碰到物理世界，它表现得像一个“白痴”。

此前，备受关注的特斯拉Optimus机器人在一次公开演示中，在递水过程中由于手部动作过快，导致几瓶水掉落在地，随后机器人失去平衡开始向后倾倒。

更关键的在后面。在即将倒地前的一瞬间，Optimus机器人的双手迅速抬至“面部”，做出清晰的抓握动作，仿佛在从头上摘下某物，但该机器人头部并未佩戴任何设备。

这让很多人起疑，Optimus的递水动作，并非由机器人“自主”完成，而是背后有人用VR技术遥控操作。

一些人类能够完成的简单动作，依然是机器人可望而不可及的目标。

宇树科技旗下一家名为灵翌科技的公司，正在教机器人学习采摘。听起来很简单的动作，机器人也学得很困难。比如，苹果采摘只需三指捏住果实扭转拽下，而橘子采摘需双手配合。

国内最早进入人形机器人行业的深圳公司优必选，第一阶段也是选择专心进厂“打螺丝”。

其Walker S系列人形机器人陆续进入吉利汽车、一汽-大众青岛分公司、比亚迪、北汽新能源、东风柳汽等汽车厂生产线，进行智能搬运、智能分拣、智能质检、螺丝拧紧、零件安装、过程材料操作等任务的实训。

原因很简单，工厂环境具有较高的任务可控性和标准化流程。

目前物理世界中运用的机器人，几乎都是在结构化的环境中。它不需要应对环境复杂性的感知。它需要完成的，是一套固定的流程。

从这个意义上，会跳舞、打太极拳的机器人，只要是编好的程序，与工厂机械臂在发挥“自主性”上并没有显著的区别。

但是机器人不能只待在工厂，或待在实验室中。尤其是人形机器人。

“如果是工业场景，我们希望做成无人工厂。已经无人化的环境下，机器人为什么还要做成人形呢？之所以做成人形，我们是希望它在有人的环境下工作。”李淼说。

2024年3月，“天问”诞生在武汉大学旁边一个十几平方米空间的出租房里。它全部由学生组装。不到两年间，“天问”完成了从“初成人形”，到“感知—决策—执行”闭环的关键一跃。

去年2月，“天问”亮相武汉光谷的一家咖啡连锁品牌店中，为顾客制作咖啡。去年8月，世界机器人运动会上，“天问”顺利跑完全程。这展现了“天问”在灵巧手和双足上的精准控制。

步入康养、家居服务等场景，是它的下一个目标。

“我们国家正在面临人口老龄化。具有亲和力的人形机器人，又能做家务、洗衣服做饭，又能陪伴老人，会非常有用。”武汉大学动力与机械学院教授、博士生导师郭朝说。

这是一个中长期目标。让机器人走进复杂和开放的现实生活中，挑战比想象中更大。

最关键的挑战之一来自——计算。

让我们来假设一个简单的“握杯加水”场景。

假设你手上握有一个空水杯。有人逐渐往空水杯里加水，随着杯子重量的增加，你的手会加大握力，使杯子稳稳握在手里，不会滑落。

加大握力的这一过程，你不需要任何思考，就能够下意识完成这一动作。

但这个任务交到机器人手上，就复杂多了。

机器人的第一步是感知。

它首先通过手上密密麻麻分布的传感器，检测到下滑的力矩增大，或者捕捉到杯子极微小的下滑。

第二步是计算。

感知到数据后，机器人的“大脑”需要计算应该施加多大的握力。

第三步是执行。

计算出所需的握力后，再控制驱动手指的电机，精确输出指定的握力。

从感知到计算再到执行，整个控制回路的延迟必须低到毫秒级。而且，随着水杯重量的不断变化，整个回路在不断循环。

动作幅度若稍微大一些，计算量直接呈指数级上升。

“机器人其实挺‘累’的，消耗的计算资源特别多，电池又只能背个那么大的。如果人这样去‘计算’，得每小时吃一顿饭才够。”李淼说。

为什么人一天吃三顿饭，就能满足各样复杂劳作的能量需求？

因为我们的很多动作，不需要经过大脑思考。“像‘握杯加水’的动作，整个反射是在脊柱里完成的。”李淼说。

你端一杯水、一脚跨过路上水坑、踢飞足球……那几乎不用思考，轻轻松松、游刃有余。机器人也能做到，却需要经过海量精密计算。

凡事都要先算再行动，让机器人面对很多事情常常会慢半拍。

人类的反应速度其实是极快的。摄像机曾捕捉到这样一个画面。一名运动员在接受采访时，一个球以极快的速度从背后飞来。千钧一发之际，运动员完全凭借感觉，一把抓住了空中飞球。

这是一个极端场景。但它展示了经过训练的运动员在不需要思考的情况下，可以捕捉到极其微小的信号，并“条件反射式”应对突发情况。

人类的很多运动，依赖的并非精密思考和计算，而是近乎一种肌肉记忆。

要让机器人练就这样的快速反应，李淼总结面临的三大难点——

“第一，尽管技术上能生产出高密度的触觉传感器，成本却十分高昂；第二，高密度的传感器集成，其可靠性无法保证；第三，即使成本和可靠性的问题都解决了，也没有算法可以处理如此庞大的信息。”

前两者都是“感知”层面的难点，且多有企业布局。比如，柯力的六维力传感器进入了多家人形机器人公司的供应链。

“天问3号”比起“1号”“2号”，最大的区别是脚掌多了传感器，集成了力矩传感器、惯性测量单元等。它扮演了人类的五官的角色。

“一旦脚掌没有力传感器，机器人失去了最直接的环境交互信息来源。假如把机器人抬起来，机器人并不知道与地面没有接触了，关节仍然输出支撑力矩，就可能狂踢猛踹。”武汉大学机器人学院博士研究生刘思宇说。

其脚掌的传感器，也具有相当的可靠性。“脚掌承受着整个机身的重量，我们采用了车规级的传感器。”

数据采集只是第一步。“天问”机器人团队面临的主要问题是，如何优化算法，帮助机器人做出最佳决策。

为了验证“天问3号”的“感知——决策——执行”精准度，刘思宇拿来一块豆腐，把豆腐放在“天问3号”的脚掌下，缓缓往上推。脚掌感知到力，顺势向上抬升。如此上下往复，豆腐依然完好。

踩不碎的豆腐，不仅需要传感器的灵敏度，也是算法的功劳。

更复杂的动作，意味着需要更强的“超级大脑”，要求机器人能实时计算出最优的运动轨迹和控制指令。

这不仅极度依赖精确模型，也带来计算成本高的问题。矛盾的是，电池负载和功耗决定了机器人无法携带大规模算力。

为了解决算力问题，宇树科技王兴兴提出了分布式算力的解决路径。他认为，未来会有很多分布式算力。如果一个工厂有集中式算力中心，机器人可以连接到算力中心。

当然还有另一个技术流派。以银河通用为代表，提出了分层技能强化学习。它将复杂运动分解为预训练的“原子技能”库，高层策略学习调用和组合这些技能。比如，运动可以分为若干原子技能——走、蹲、前倾等。

它的优势在于，在机器人实时运行的阶段，可以很大程度减少算力的消耗。

天问机器人团队也正在做类似的尝试和努力。李淼形容，赋予机器人像人类一样的“肌肉记忆”。

打网球为例。当网球飞过来时，运动员来不及思考手臂应该挥舞到多高的幅度、以多大的力度挥舞球拍、球拍的角度是多少度，但他能凭借肌肉记忆把一切完成得刚刚好。

“这靠的是技能。顶级运动员每一个击球的招式，是技能的组合。”李淼认为，如果机器人具备不同“技能”，也能调用组合不同“技能”完成不同的任务，比如抓取、递送、装配……

如果掌握了许多个“技能”，机器人也有了“肌肉记忆”。

“这个很难，但我们正在做，也会是未来的方向。”李淼说。

技能的灵活组合，能否让人形机器人更能适应复杂场景？

这仍需时间验证。但它的确切中了当下的痛点。

国际数据公司（IDC）在最新的中国具身智能机器人报告中指出，场景复制难是行业普遍面临的三大挑战之一。

至少，在通用型机器人到来之前，我们看到了人形机器人在应用场景上的单点突破。

银河通用在北京中关村开了个由机器人运营的“便利店”，取名“银河太空舱”。机器人Galbot可完成语音接待、下单支付、精准抓取与商品取送，实现“无遥操、全流程自主”。

“天问”的兄弟“远游”正在咸宁市中心医院上岗，为患者及家属提供导诊服务。“人被咨询了上百次会疲劳，机器人不会。我们在湖北孝感有一个量产工厂，机器人年产能2000台左右，主要服务于康养、医疗、商业、零售等场景。”李淼说。

这都是人形机器人在服务领域的新尝试。

去年6月，武汉市发布《人形机器人产业三年行动方案和政策措施》。其中提到，武汉将重点打造三类标志性的整机产品。

第一类是低成本交互型整机，增强人机交互功能，满足导览、咨询等场景应用；

第二类是高精度型整机，强化“感知—决策—执行”闭环性能，满足精密作业需求；

第三类是高可靠型整机，提升极端环境适应性，满足特种作业需求。

“机器人要能穿针引线，还要能搬运很重的物体，好比让‘张飞绣花’，以目前电机驱动的关节模式来说，是很难实现的。”李淼说。“但我们希望机器人在每一个具体的场景下做到最好，比如工厂、医院、商超等。”

当前，武汉拥有7家人形机器人整机企业，面向不同应用场景快速迭代。

“我学了20年机械，人形机器人在每周迭代的速度下，可能两个月时间过去学习的知识就都用不上了。但它对年轻人反而是个机会。也许别人花了20年的积累，你只用花两个月的时间，就跟他站在同一条起跑线上。”李淼说。

机器人更像人的那一天，也许真的会到来。但前提是，它需要巨大的集体努力，需要像“天问”这样成千上万个团队前赴后继。

“人形机器人技术即使不是日新月异，最起码是周新月异。”李淼对学生们说，“要只争朝夕，快速往前奔跑。”

文/九派新闻记者柴归

编辑肖畅 小黑

【来源：九派新闻】

声明：此文版权归原作者所有，若有来源错误或者侵犯您的合法权益，您可通过邮箱与我们取得联系，我们将及时进行处理。邮箱地址：jpbl@jp.jiupainews.com