AI赋能自主机器人：从工厂走向家庭的未来图景

在自动驾驶出租车穿梭于各大城市街道、无人机在空中自主配送包裹的当下，通用型机器人在职场乃至家庭中协助人类完成各类任务的愿景，似乎已不再遥不可及。

而这一未来的实现，有赖于由现代人工智能驱动的自主机器人技术的持续突破——这一雄心勃勃的愿景，不仅催生了众多研究人员转型创业，也吸引了数十亿美元的资本涌入。

"大约15年前，我主导了一个专注于自主性研究的项目，但那时候，团队的目标不过是让机器人从A点导航到B点。"位于马萨诸塞州沃尔瑟姆市的机器人公司Boston Dynamics软件副总裁Matt Malchano表示，"而如今，当我们谈论自主性，我们脑海中浮现的是一个庞大的任务空间——我们能想象到的一切机器人可以独立完成的事情。"

过去，要打造出像《杰森一家》中的管家Rosie，或《星球大战》中C-3PO这样的通用自主机器人，几乎难以找到切实可行的路径——彼时，机器人实验室和企业仍在努力攻克自主导航，甚至步行机器人的自平衡问题都尚未解决。1979年，斯坦福大学研发的实验性自动驾驶车辆"斯坦福车"需要整整五个小时，才能在一个布满障碍物的房间内成功移动20米。首台能独立行走而不失去平衡的双足机器人，则迟至1996年才问世。

但机器人自主性始终是一个"动态目标"——其终极愿景是让机器人能够完成人类所能做到的事情中越来越大的一个子集，并且最好无需人工直接干预。Malchano如此向Ars解释道。国际标准化组织将机器人自主性定义为"在无需人工干预的情况下，基于当前状态与感知来执行预定任务的能力"。

近年来人工智能领域的重大进展——包括2010年代的强化学习，以及2020年代基于海量数据训练的大型基础模型——已经"解锁"了一种全新的可能性，让人们得以"想象这样一个世界：机器人能够完成一系列活动，真正理解任务的含义，这令人备感振奋。"Malchano说道。目前，多家研究机构和企业正竞相研发能够在更加复杂、不可预测的环境中独立处理各类任务的通用机器人。

尽管人形机器人正在吸引大量投资者资金，但这类通用机器人未必都会以人形形态呈现。无论外形如何，它们都将代表着超越现有工业机器人与服务机器人的重大进步——那些机器人已达数百万台，在工厂和仓库相对受控的环境中执行特定任务。

"在流水线上，机器人被设定执行某个特定动作，只要能够可靠、重复地完成，这就是工厂层面的基础自主性。"加州大学伯克利分校计算机科学家、AI与机器人公司Physical Intelligence联合创始人Sergey Levine表示，"但下一个层级——也就是目前站在可能性边界上的那个层级，就像一个正在走向现实的研究课题——是机器人能够在非结构化环境中可靠地完成任务。"

Ars就多个议题采访了机器人研究人员和创业者，内容涵盖：AI如何极大激发了人们对机器人领域的兴趣、研发通用机器人面临的挑战、安全性为何是机器人工作者成败的关键、为何手术机器人至今仍自主性有限，以及家用机器人助手何时才能真正进入千家万户。

Levine创立的Physical Intelligence公司，正致力于实现真正意义上的实用机器人智能，赋能各类机器人在开放世界环境中自主运行。"我认为最终的答案不会是某一台终极机器人，比如一台无所不能的超级先进人形机器人，"Levine对Ars说，"我认为，未来将会出现一种通用AI模型，为各种各样、各司其职的机器人提供动力支撑。"

Q&A

Q1：Boston Dynamics在机器人自主性方面取得了哪些进展？

A：据Boston Dynamics软件副总裁Matt Malchano介绍，15年前该公司的目标仅是让机器人完成从A点到B点的导航。如今，得益于强化学习和大型基础模型等AI技术的突破，机器人已能够理解并执行一系列复杂任务，自主性目标已扩展到人类日常能做到的大量事务，且理想状态下无需人工直接干预。

Q2：Physical Intelligence公司的通用机器人研究方向是什么？

A：Physical Intelligence由加州大学伯克利分校计算机科学家Sergey Levine联合创立，致力于开发能够在开放、非结构化环境中可靠运作的实用机器人智能。与其研发单一的全能人形机器人不同，该公司的目标是打造一种通用AI模型，为各类适合不同工作场景的机器人提供统一的智能支撑。

Q3：现有工业机器人和未来通用机器人有什么区别？

A：现有工业机器人和服务机器人主要在工厂、仓库等受控环境中执行特定的、重复性任务，属于基础层级的自主性。而未来通用机器人的目标是在复杂、不可预测的非结构化环境中独立处理各类任务，能够理解任务含义并完成连续动作序列，代表着机器人自主性的下一个重大突破。