阿蘭·圖靈1950年的論文中指出，人工智能未來(lái)可能有兩種發(fā)展途徑：一種是比較抽象的、像下棋所需的智能，一種則是擁有最好的感官、能學(xué)習(xí)甚至能說(shuō)話的智能。具身智能將AI從虛擬的領(lǐng)域轉(zhuǎn)化為具有實(shí)體形態(tài)與物理世界實(shí)時(shí)交互能力的實(shí)體。7月8日，2023智能機(jī)器人產(chǎn)業(yè)發(fā)展論壇在世界人工智能大會(huì)同期舉行。優(yōu)必選科技副總裁、人形機(jī)器人事業(yè)部負(fù)責(zé)人付春江在演講中指出，人形機(jī)器人更貼近人們的生產(chǎn)生活，因此為具身智能最好的載體，并加速數(shù)據(jù)采集、智能泛化;具身智能也能讓人形機(jī)器人更通用，學(xué)習(xí)更高效，發(fā)揮更大價(jià)值，人形機(jī)器人是具身智能的終極形態(tài)。以下為演講內(nèi)容實(shí)錄：
非常感謝大會(huì)的邀請(qǐng)。今天向大家匯報(bào)的是《人形機(jī)器人具身智能的終極形態(tài)》，這個(gè)報(bào)告分為三個(gè)部分：具身、智能與人工智能的關(guān)系、人形機(jī)器人平臺(tái)相關(guān)發(fā)展。
一、具身
什么是具身和具身智能呢?我認(rèn)為“感知、運(yùn)動(dòng)、環(huán)境”三者映射閉環(huán)的涌現(xiàn)是具身智能。
第一個(gè)比較流行的通用AI概念是以ChatGPT為代表的大模型，主要集中在信息方面，像比爾蓋茨前段時(shí)間說(shuō)過(guò)，大模型解決的是物理世界問(wèn)題，而人形機(jī)器人是最貼近生產(chǎn)生活的通用機(jī)器人的代表，所以認(rèn)為人形機(jī)器人在近期是一個(gè)非常好的平臺(tái)。
具身智能反過(guò)來(lái)可以讓人形機(jī)器人發(fā)揮很大的價(jià)值。首先，人形機(jī)器人作為通用平臺(tái)要解決通用性的問(wèn)題，而具身智能剛好解決了與環(huán)境感知交互過(guò)程中通用性的問(wèn)題，讓我們的人形機(jī)器人看起來(lái)更加智能化、更加實(shí)用。
其次，通過(guò)人形機(jī)器人可以搜索很多數(shù)據(jù)。在垂直領(lǐng)域，這些大模型、具身智能是需要很多數(shù)據(jù)進(jìn)行訓(xùn)練。人形機(jī)器人平臺(tái)可以為這種智能提供數(shù)據(jù)，當(dāng)然仿真也是一個(gè)方面。仿真終究是有簡(jiǎn)化的，隨著成本下降、數(shù)量提升，數(shù)據(jù)會(huì)越來(lái)越多，采集難度不斷下降。
二、大模型與人形機(jī)器人的相互關(guān)系。
1.人形機(jī)器人可以借助大模型完成一些更簡(jiǎn)單的操控。我們知道過(guò)去人形機(jī)器人是一個(gè)比較復(fù)雜的載體，像過(guò)去電腦一樣，現(xiàn)在用一些非常簡(jiǎn)單化、語(yǔ)義化命令可以調(diào)用動(dòng)作庫(kù)進(jìn)行動(dòng)作相關(guān)執(zhí)行。
大模型可以為人形機(jī)器人訓(xùn)練提供更高層次的反饋。在過(guò)去工程師看人形機(jī)器人的反饋數(shù)據(jù)時(shí)要看各種信息，在這種情況下與數(shù)據(jù)層面進(jìn)行反饋。在ChatGPT出來(lái)之后，這種更高維度的就成為了可能。另一方面，ChatGPT現(xiàn)在沒(méi)有打通與物理層面相關(guān)的層級(jí)，但是在運(yùn)動(dòng)規(guī)劃拆解層面完成的長(zhǎng)序列、長(zhǎng)周期的拆解。我們也做了一些相關(guān)工作。
我們說(shuō)人形機(jī)器人推動(dòng)具身智能的發(fā)展具有有哪些特征呢?
1.不需要改變環(huán)境。在一些重大基礎(chǔ)設(shè)施中，我們已經(jīng)投入了非常大的人力、物力、財(cái)力進(jìn)行建設(shè)，它的環(huán)境如果重新改造投入將是非常大的。人形機(jī)器人主要是人工作的地方，基本上可以進(jìn)行替代和輔助，這樣對(duì)環(huán)境的適應(yīng)性有著非常友好適應(yīng)能力。
2.可以使用現(xiàn)有工具。人類開發(fā)工具根據(jù)人類自身特點(diǎn)經(jīng)過(guò)很多年的鉆研、探索來(lái)開發(fā)使用化工具，我們說(shuō)人形機(jī)器人并不是萬(wàn)能的，就像人一樣，沒(méi)有鷹的翅膀，也沒(méi)有非常靈敏的嗅覺(jué)，但是我們可以借助各種工具進(jìn)行探測(cè)。人形機(jī)器人也是如此，人形機(jī)器人也可以利用現(xiàn)有工作完成相應(yīng)任務(wù)。
3.與人更自然交互。未來(lái)通過(guò)語(yǔ)音或者落后模態(tài)的交互，比手機(jī)觸摸更加解放雙手。
4.人形機(jī)器人為智能AI提供了物理環(huán)境相互交互的身體和感知能力。我們國(guó)家非常重視智能機(jī)器人、通用機(jī)器人、通用AI的發(fā)展，比如說(shuō)北京、上海、深圳都發(fā)布了通用機(jī)器人相關(guān)政策。
人形機(jī)器人整體市場(chǎng)潛力巨大，也非常有想象空間，這也是為什么在過(guò)去一年被譽(yù)為人形機(jī)器人商業(yè)化的元年。不光是在國(guó)際很多企業(yè)，比如說(shuō)特斯拉做人形機(jī)器人，當(dāng)然展會(huì)當(dāng)中也部署;Open AI也認(rèn)為人形機(jī)器人是一個(gè)非常重要的平臺(tái)，也投資了相關(guān)的人形機(jī)器人;傳統(tǒng)的機(jī)器人廠商，也具備了很多投資的屬性。
在國(guó)內(nèi)，去年一年中有超過(guò)20家的產(chǎn)學(xué)研單位也在開始研發(fā)人形機(jī)器人，在展會(huì)當(dāng)中看到很多人形機(jī)器人的相關(guān)Demo。但人形機(jī)器人從Demo到產(chǎn)品化再到商業(yè)需要經(jīng)歷三個(gè)比較嚴(yán)峻的階段。
三、人形機(jī)器人平臺(tái)相關(guān)發(fā)展
公司從2012年開始，從小型人形機(jī)器人，到原型機(jī)，再到大型人形機(jī)器人已經(jīng)迭代了四代。在這些迭代過(guò)程中，我們一個(gè)底層邏輯是根據(jù)環(huán)境的開放程度、任務(wù)的復(fù)雜程度、本體能力進(jìn)行劃分，分別是對(duì)應(yīng)的完全封閉的場(chǎng)景、半開放的場(chǎng)景、未來(lái)走進(jìn)千家萬(wàn)戶的全開放場(chǎng)景。在2025年前，在半開放場(chǎng)景下，在工業(yè)和養(yǎng)老環(huán)境下可以實(shí)現(xiàn)相關(guān)落地。
我們公司也是中國(guó)率先完成人形機(jī)器人商業(yè)化的公司。與人形機(jī)器人相關(guān)的三大部分：本身相關(guān)驅(qū)動(dòng)機(jī)器;AI相關(guān)的視覺(jué)語(yǔ)音導(dǎo)航;平臺(tái)相關(guān)的中間件、任務(wù)框架。
作為首家商業(yè)化人形機(jī)器人落地的公司，我們?cè)谏虡I(yè)化方面做了非常艱苦、積極的探索。第一次落地在迪拜世博會(huì)進(jìn)行展示，連續(xù)工作超過(guò)1200多個(gè)小時(shí)，沒(méi)有出現(xiàn)重大問(wèn)題，也接待了超過(guò)45個(gè)國(guó)家和地區(qū)眾多VIP訪談。
在過(guò)去如果對(duì)比展示機(jī)器人，每次展示之后需要大量運(yùn)維或者調(diào)試，這樣在產(chǎn)品化、商業(yè)化有一段路要走。但通過(guò)不斷嘗試和努力，在一定程度上打通了產(chǎn)品化、商業(yè)化道路，實(shí)現(xiàn)了人形機(jī)器人取得收入、完成商業(yè)化這一步。
比如說(shuō)機(jī)器人也是與國(guó)家的5G、高鐵一樣出口到國(guó)外。在中東、其他國(guó)家相關(guān)地區(qū)完成新科技的代表性的落地。同時(shí)，在國(guó)內(nèi)也助力中國(guó)科學(xué)技術(shù)館，在科技館里面可以看到觀眾尤其很多小朋友對(duì)人形機(jī)器人充分了熱情，每次機(jī)器人巡回展示的時(shí)候都聚焦了很多觀眾。
中國(guó)館的館長(zhǎng)也非常感慨，十多年前展示的機(jī)器人需要一個(gè)架子吊著，現(xiàn)在完成人形機(jī)器人之后，只要按兩三個(gè)鍵就可以了。
最后，在工廠分揀、老化測(cè)試場(chǎng)景做了積極探索。像在半開始場(chǎng)景下，我們也在最近1到2年之內(nèi)完成場(chǎng)景相關(guān)落地，在這里可以看到與環(huán)境交互過(guò)程當(dāng)中，比如說(shuō)各種形狀、各種零部件的抓取，以及與我們通過(guò)ALT與各種移動(dòng)機(jī)器人進(jìn)行交互配合。而我們可以做承重負(fù)載工作，人形機(jī)器人可以使用現(xiàn)有的各種機(jī)器人來(lái)共同完成工廠當(dāng)中的相關(guān)任務(wù)。
這是自產(chǎn)的掃地機(jī)的場(chǎng)景。在測(cè)試過(guò)程當(dāng)中，需要把掃地機(jī)搬到掃地位置進(jìn)行開關(guān)電源進(jìn)行檢測(cè)。在整個(gè)過(guò)程當(dāng)中體現(xiàn)了在具身智能、具身與智能相關(guān)領(lǐng)域的感知、運(yùn)動(dòng)、判斷、推理等相關(guān)內(nèi)容。
我們想通過(guò)這樣的影片進(jìn)行展示的是未來(lái)智能化、無(wú)人化工廠的前景，雖然說(shuō)速度有待提高，雖然說(shuō)通用性方面有待加強(qiáng)，我相信這一天不遠(yuǎn)將來(lái)就會(huì)到來(lái)。
非常感謝大家的聆聽，謝謝大家。
（智能網(wǎng)，根據(jù)現(xiàn)場(chǎng)實(shí)錄整理）
