2024-11-25
2024世界机器人大会以“共育新质生产力 共享智能新未来”为主题,为期三天的主论坛和26场专题论坛上,416位国内外顶尖科学家、国际组织代表、院士和企业家聚焦前沿技术、产业动向和创新成果,深入研讨人工智能与机器人技术深度融合带来的新趋势、新机遇,共同打造了一场十分精彩的机器人领域前沿观点盛宴!
在8月24日下午的主论坛上展开了一场以“探索人形机器人新纪元:创新、挑战与机遇”为主题的对话,对话由中国工程院外籍院士、德国国家工程院院士、德国汉堡大学教授张建伟主持,智昌科技集团股份有限公司董事长兼总经理、复旦大学教授甘中学,月泉仿生公司联合创始人任雷,小米集团技术委副主席、手机部副总裁、机器人公司总经理许多,加速进化科技有限公司董事长程昊,Noetix Robotics联合创始人、首席执行官张世璞,乐聚(深圳)机器人有限公司董事长冷晓琨,智平方创始人兼首席执行官郭彦东,大连蒂艾斯科技发展股份有限公司联合创始人、总裁李博阳,众擎机器人创始人兼首席执行官赵同阳参与对话。
数说2024世界机器人大会
论坛
26 家国际支持机构
3 大主题 26 场专题论坛
416 名国内外顶尖科学家、国际组织代表、院士和企业家
74 位国外嘉宾及港澳台嘉宾参会
线上线下听众达 160万 人次
展览
27 款人形机器人集中亮相
首发新品 60 余款
近 170 家参展企业 600 余件参展产品
参观人数近 25万 人次
大赛
全球 10 余个国家和地区的 7000 余支赛队
13000 余名参赛选手
每天参赛人数 4000 余人
媒体关注
近 400 家国内外媒体
短视频平台话题播放量达 2.9亿
对话—探索人形机器人新纪元:创新、挑战与机遇
以下是对话内容实录
张建伟:今天下午我们经历了一个非常密集的人形机器人的讨论,最后还有大概一个小时的时间,我们10个专家同台,最后再讨论一些具体的问题。
我想今天的嘉宾包括两位学术的教授,同时也是创业者,还有6位嘉宾在现场展示他们机器人产品的创始人CEO,现在我们有请嘉宾上台。
Alois C. Knoll教授已经组织了有国际经历的几位人形机器人的座谈,谈了很多问题,今天我准备了几个问题,也多多少少相关,但是我们可能更具体一点。
我们看到今天的世界机器人大会有27个人形机器人展览,今年一年以来全世界估计有几百亿美金的投资汇到人形机器人里面,据统计现在全世界已经有100多家稍微有点规模的人形机器人。
我的第一个问题是在大家群雄共争的情况下,我们如何把独特技术突出来,如何进行合作,避免重复开发,实现协同发展,请几位简单发表一下意见。
甘中学教授主持过ABB的双臂机器人,也是教授,现在在工业应用领域非常有经验,甘教授先开个场。
甘中学:刚才张院士提的问题很重要,现在中国有100多家,今天上午我碰见一个刚从硅谷回来的,也是想做机器人的,他说现在美国公司大概一周能做一两个,王兴兴他们公司今年做10万台,规模和发展速度在中国是非常让人鼓舞的,想想我们中国高铁行业的发展,就是因为我们中国集群体众力来做这件事。
中国现在有这么多做人形机器人的,我还是这个观点,要用群体的力量和群体的智能共同做这件事,会加快我们国家人形机器人的发展。我多说一句话,现在上海人形机器人训练场开源的软硬件是中国的一个非常好的形式。
张建伟:谢谢,任雷教授现在负责中国国家基金委的重大研究项目,在研究人的肌腱和整个骨骼的结构,如何用在行走方面,也创立了一个公司,你来评论一下这个独特的技术如何在未来人形机器人的创新方面发挥作用。
任雷:谢谢张院士。我们公司这个技术是我们在世界上首次提出来的,也是原创的,叫仿生拉压体机器人原理与技术,这是我在2017年的时候原创提出的。我们这个技术实际上是基于我们对人体20多年的深入理解,揭示了人体骨骼肌肉的智能原理。
我们现在实际上是在国家自然基金重点项目、重大项目,刚才张院士介绍的,实际上我们取得了一些初步的成果,其中一个比如说我们现在把它用在行走上,我们第一代仿生拉压体行走机器人可以像人一样大步走,它的步速和步长非常接近于人。单位行走距离消耗的总能量已经逼近人体,是人体的1.38倍,实际上波斯顿动力的Atlas是高达人体的一百倍,弘达的Asmo也高达人体的32倍,这是我们取得的一个初步结果。
另外我们也把这个技术应用到了人的手和手臂上去,我们现在做的仿生灵巧手的自由度已经接近于人的生理自由度数了,可以高达34个以上,而且我们现在测试的结果,它这个灵巧手做起各种类人的操控,它的成功率已经接近于人手,比如说它可以用筷子夹几个花生米,它也可以拿手在这儿转笔,玩魔方,穿针引线,做很多这样的工作。
所以我们本身这个公司是有很多自己独创的,而且是在国际上原创的东西,我们这个公司落地的初衷也就是想把我们新的技术能够真正做成量化的产品,让国家和社会都能用上。
张建伟:下面还有一个问题,产学研合作,咱们会继续深入。下面我们请许多总,许多总是小米集团,曾经负责过手机的智慧制造,现在也是技术集团的副主席,现在主要负责小米的人形机器人项目,从手机的智能制造到未来人形机器人的智能制造,我们都非常关注小米未来的规划。
许多:张院士的问题问了两点,第一点是如何涌现独特的技术,第二点是如何协同创新。我相信大家在这两天的参观中会感受到今年我们在人形相关的技术和零部件上会比去年有很多的看点,我非常赞同甘教授的观点,这些进步是中国集体涌现的一个结果,我也相信明年这些技术无论在灵巧手、在视觉这些方面都会有更大的进步。
我讲一些独特性的技术,人形最大的改变,相对我们过去做工业设备、智能化设备一个最大的改变是它从固定机变成了浮动机,就是我们没办法对于它和环境的接触做固定点的校准,就能实现很高的精度了,这其实对范式的挑战很大。
比如视觉的精度,现在RealSience的视觉大概能提供两三毫米级别的空间深度的精度,这个视觉的精度能不能从两三毫米级别变成两毫米级别,至少对今天人形机器人的落地会产生非常好的促进作用,我们会在这方面进行工作。
大家说希望能很好的去收集数据,比如说灵巧手,现在普通的市场灵巧手还都在3万以上,我们认为可能5000到1万的灵巧手,大家用来做训练,可能会产生很多可以买得起灵巧手,可能买得起4090,他就可以来做机器人抓取行为或者放置行为的训练,为人形机器人的落地提供非常好的行为,那个小的端到端的模型,加速这些的落地。
人形机器人的移动或者四足的移动上,我们已经看到了很多这样的小朋友,其实本质上都是针对某种独特的和环境的接触做出来的模型。一个高精度便宜的眼睛,一个高精度便宜的手会加速抓取功能训练,让人形机器人加速落地,这是我的观点。
张建伟:剩下六位大家可以看出区别,都是创始人CEO,他们公司机器人都在底下有展示,每个人稍微说一下自己展示的独特特点在哪,技术在哪里?
程昊:谢谢张老师,我是加速进化的CEO程昊,我们机器人的特点总结下来叫做轻巧灵活,皮实耐摔,专为开发者打造,因为我们自己就是开发者。感觉用机器人时其实希望它小一点轻一点,一个人就可以在上面开发算法、操作。这次展台特点就是做了机器人踢足球,现场氛围非常好,我们也很以外。尤其小朋友响应非常热烈,所以第二天开始准备了棒棒糖,发现响应更好了。
机器人特点它是为数不多搞机器人对抗的,这个过程中真的会有机器人对脚,胳膊会缠在一起,踩到别的机器人脚后跟,机器人差点摔倒。有的时候摔倒了自己会爬起来,这是我们一直秉持的特点,我们觉得机器人要敢摔。如果作为一个机器人公司不敢当中摔机器人的话,可能很多问题暴露不出来。我们认为敢摔机器人的公司,会是一个更好做出机器人本体的公司。同时我们也想把上面的开发平台做好,让更多开发者在我们机器人上做二次开发。
张世璞:我们公司叫Noetix Robotics,中文叫松延动力。大家可以从这个展览馆走出去左拐模仿人类表情的机器人是我们公司的,同时还在A137展台展示了机器人连续超过一分钟的单脚跳跃、双脚定向跳跃包括超过3.2米每秒的高速奔跑。大家可以看到我们公司是专著在高自由度解决方案的一家科技供应商,本质来讲我们以后为2B、2C或者2C客户提供一种以前和物理世界相对隔离,用低自由度解决的方案,我们希望把它从低自由度提高到高自由度,同时在物理仿真和模拟上做的stem to real gap更小,因此我们现在带来的多款机器人都证明了我们在过去的效率上有了非常非常大的提效和成果。未来三年内我们希望能够把人形本体或者多自由度本体在服务市场进行商业化,谢谢。
冷晓琨:大家好,我是来自乐聚机器人的冷晓琨。我们团队是2016年十个哈工大师兄弟成立的专门做双足人形机器人的。2022年之前我们人形机器人在产业里的差异化比较好聊,因为那时候是比较冷门的赛道,几家人形机器人公司基本一聊各家都有差异化。但是2022年开始到现在无论是从本体、控制以及具身智能学习上,技术路线都有趋同的趋势了。所以去年我们发布夸父人形机器人全尺寸时,我们定位就是要做人形机器人加产业生态。就是我们把本体做好做稳定以及把操作系统以及平台做好之后,更多和上下游合作伙伴一起合作进入产业里来。假设我们做的是手机本体和操作系统,上面的app是和大家一起开发的。
所以大家今天在我们展台看到的包括机器人的炒菜、榨汁这些本体是我们的,上面操作系统是鸿蒙,大模型是华为盘古。包括另外一个场景是北大清华以及北京通研院一起合作做的。我们现在主打本体运动能力够用之后,尽快和产业合作方尽快落入场景中,尽快实现人形机器人产业化应用的探索。
郭彦东:谢谢张院士,我是郭彦东,来自于智平方机器人。其实几年前我们参加机器人大会时,印象很深,看到以色列的仿真机器人公司放蝴蝶机器人空中飞。想到了《梁祝》那时候很感动。但是这次去看世界机器人大会,我和张院士的感受类似,我们多了非常多的人形,不管是双足人形还是轮式人形的机器人公司。
第一、我觉得挺有道理,因为以前机器人是为专用场景,专用任务设计的专用设备,它一定是多种多样的。现在我们愿景是通过人工智能技术,通过足够泛化的本体技术承担更多任务,一定会有更多资源导向于这样全新的品类,我们叫它通用人工智能机器人。
在通用智能机器人赛道里,刚才冷总说前些年好现在不好了,但是对我们来说也比较容易讲清楚。其实在A129展位给大家提供机器人制造咖啡,像这样的例子其实在很多的机器人展会都看到过。但是日常生活当中看到的不是很多,究其本质的原因是,当你更换咖啡机的位置、状态包括换咖啡机的种类等等,大家就需要重新再做二次开发和定制。
智平方的机器人做咖啡是对咖啡机的位置、品种类、操作顺序没有任何要求,可以全自动地泛化到各种各样的设备上。今天可以做咖啡机,明天可以让智平方的通用智能机器人操作各种各样的电器。背后一定程度上回到智平方机器人的独特性,我们用通用的感知能力、泛化的操作能力把大模型和机器人操作做非常深度的软硬整合,这是我们切入点比较独特的方向。
我自己从微软回来之后,在两家大的主机厂,一个是小鹏汽车,一个是OPPO都担任高级研发管理工作,可能也表达一个有点得罪人的观点。整个机器人技术点技术站是非常庞杂和庞大的。很多人从小米出来,在这样主机厂待过的人都会有一个共识,就是不太可能有一家企业把里面机器人所有的核心技术全部都完全自己搞定。如果一个企业完全都自己搞的话,可能很难和市场上最好的分门别类的企业竞争。
这次智平方在A129展示自己从智能逐步向通用智能机器人转变的同时,也结合非常多生态上的伙伴,包括训练芯片、推理芯片、关节芯片、关节包括很多灵巧手合作伙伴。我们坚信机器人赛道技术站找到最合适自己的技术点发力,结合产业最好的合作伙伴是在机器人赛道里获得成功最核心和必要的技术路径,谢谢。
张建伟:博阳,你们公司每次都参加世界机器人大会,每次都招到很多关注。今年展位也非常明显,总结一下,今年有什么样新的技术?
李博阳:我是来自EX机器人的李博阳。EX机器人就是在序厅的入口位置,也有朋友戏称我们为世界机器人大会的序厅之王。因为每年到我们那关注的人特别多。我们主要做的仿生人形机器人其实是从2013年公司成立,那个时候我们核心团队从日本留学回国,刚刚讲到机器人发展史时,介绍过一家日本的学校,就是我的母校早稻田大学。我们团队回来之后始终秉持着东方人对机器人传统的感情。
因为从小看到的科幻作品、动漫作品,机器人都是生活中的伴侣,都有非常生动的表情表现。所以我们始终坚持要做可以细腻和人进行交互的机器人产品。所以现在带来的一系列机器人现阶段就是我们把人形机器人和大模型做了深度融合。这种融合不是简单技术的大模型,我们更强调情感AI以及有角色的NPC大模型,所以我们的机器人大家可以看到和它进行交互的时候,它其实更加像一个人。这里面也做了很多工作,包括面部表情和情绪的识别和表达,包括它的多模态实际上更接近于人的五感,甚至结合了周边采集设备的第六感的多模态分析。
所以我们的方向定位为家庭服务,公共服务这样的服务场景,当然我们也和很多应用场景结合,打造了线下可以体验的综合体项目,我们可能在圈子里是比较特殊的分支,我们可能也是人形机器人企业中最早拥有股票代码的企业之一,也是最早实现了盈利的企业之一。
赵同阳:我是第一次参加世界机器人大会,公司成立不到一年时间,因此这一次我的团队给大家带来了一款双足机器人,它只有下半身,我们的理念是先做一款全球能用得起,还能用得好的机器人,并且要足够专业。你们去展台看,可以发现它的行走姿态、外观造型以及行走的动态能力都是非常棒的,但是它的价格只有38000多,比友商9万多的还是要低不少,当然价格不是我们唯一的优势。我们团队过去有八年以上的技术沉淀,不管从低端的行恒减速机到谐波粒控方案一直到直线推杆方案我们都是成为全球为数不多同时具有三种动力方案的企业。
但是时间我们成立的并不是太长,因此我觉得在未来两三个月之内,后面给大家带来的另外两款机器人希望给大家带来不错的惊喜。
张建伟:我提出这个问题时,想着这个问题很苛刻,你们的回答基本给你们及格分,不错。也希望你们未来多交流,现在融资好的时候大家都在并行开发,但是有不好困难的时候你们要多合作多交流,形成合力,避免低水平重复,这也是我们做机器人大会的一个初衷之一。
第二点想问稍微批量一点的。今天几位也提到了上千台或者上万台的应用,真正能够创造价值而不是给人看的感觉这种应用,瓶颈技术在哪里。前面几位报告还有上一个部分都多少提到了,包括具身智能数据瓶颈问题,Marc教授也提到了能源问题还有其他的包括材料、关键零部件包括其他的能源材料等等。从你们具体实践来讲,你们觉得还有哪些瓶颈技术问题,有哪些突破建议?
甘中学:现在人形机器人真正用到实践中,不管是工业界还是服务业还是其他的特种行业还是有差距的。我们如果把机器人分成三类来看,一个是能跑会跳的,做得不错的像宇树科技。有的做得心灵手巧的像因时,还有能够有亲情情感的。我认为这对于应用这三方面很重要。从我的角度来看,目前真正对于工业界和服务界一个比较关键的技术就是心灵手巧技术,只有把心灵手巧技术做好才能在工业界大部分复杂的动作可以实现,服务界也是照顾人做得很好。目前我们在能跑会跳上很多做得不错了,但是手的方面真正离做实用,不管是特斯拉做的还是国内做的,可以看它的手动作和人的动作比相差很远。我认为具体来讲应该是把心灵手巧更加重一些。
任雷:我比较同意甘老师的说法,实际上距离现在落地能用上,还有很多的问题需要解决。一个是能耗问题刚才甘老师讲了。另外我们这个技术能耗已经降到了传统机器人能耗的三十分之一,接近于三十二分之一的样子,接近人的能耗了,这个我觉得是非常重要的事。另外手和手臂其实是真正决定我们这个机器人能完成什么任务,真正干些实际工作的关键技术。这里说白了我们离人手差得非常多,这就是为什么我们提出了新的技术。新的技术这个机器人按照人的肌肉骨骼作用原理来做的。我们实际上把关节完全放开了,而且它的驱动是采用人工肌肉的驱动,就是我们自己专利的磁极电驱人工肌肉。就是所有关节我们都恢复了人体的自然生理运动,膝关节自由度高达十二了。
大家可以想现在的人形机器人膝关节一般就一个自由度,但是我们完全放开了,大腿骨和小腿骨是6个,膑骨和大腿是六个自由度,你放开之后我们原来可能觉得比较难,但是实际上真正能够重现人体自然的行走步态,能耗有显著的下降。这些是没有发表的东西,我在这里讲一下。
另外还有一个事情我们必须在批量生产或者落地之前解决的,就是人机物理接触安全性的问题,因为这个事情非常重要,真正走进家庭,真正为人类服务,和人类协同工作,那你物理接触安全性是非常重要的事。如果是金属的刚性部件,高速运动起来和人近距离接触那非常危险,而且对于贵重仪器设备包括家里家电家具都是不友好的。所以我们现在提出一个什么概念呢,就像人一样,一定要采用刚柔耦合的结构解决问题。
它和人接触起来感觉就像另外一个人,另外它对你周边环境,包括和你近距离接触,你不会有任何恐惧感,这个我觉得是我们在批量生产,真正使用之前必须要解决的几个核心技术问题。
张建伟:许多总,你是最有发言权的从手机的批量生产到未来人形机器人批量生产,你觉得还有哪些技术瓶颈?
许多:要进入规模化应用我们认为是三个东西的平衡。第一个是精度决定了它能不能有效完成以及完成的成功率。第二个是速度决定了你的效率,它是商业成功很重要的一点。第三个是负载,负载决定了它能干多少工作,尤其是汽车工厂。在三生工厂还好都不会挑战额定,汽车工厂是从很轻的东西到十几二十公斤的东西,它的变化还是比较大的,你要用一个通用本体其实压力很大。
回到核心技术我们认为,其实核心还是要解决三个核心部件的问题。第一个还是眼,现在市场上大部分还是想用纯视觉,IGBT解决。但是到底数据规模到多少它的精度才能提升,一条十一条现在大家讲不清楚。
至少现在的到一亿条生成数据训的纯视觉的模型,它的精度大概还是在厘米级,没有像我们期待的亚毫米,因为我们工业上用还是要亚毫米视觉精度收敛。我觉得这个时候其实还是需要主动双目的,因为主动双目能提供稳定的亚毫米空间点云信息,至少暂时是需要的。亚毫米的空间,点云的这种主动双目的机器视觉的部件要怎么去做,其实是今天产业界非常核心的一个问题。
第二个是灵巧手的问题,从工业角度看起来三指比较合适,五指是有点多余了,因为五指的可靠性现在看起来用推杆电机的方式是非常难以做好的,现在的灵巧手还是很容易坏的,负载一大,其实基本上就坏了。
另外可能还有一个核心技术,就是小臂的技术,现在大臂走工业的这套,基本上用25的谐波,大概7到10公斤是没有问题的,但是小臂是让整个载动能力急剧下降,因为小臂我们要去协同速度和精度,对小臂的牺牲还是比较大的,在小臂设计上,其实我很期待任雷老师完整的臂过来给我们去适用,因为现在看起来我们用传统谐波的方式做的小臂有非常多的问题,要么做的很重,因为人形的电机,它的腿步或者是电机能力定了之后,比如说我们设计出100公斤可以0.5米的速度行走,但是你节省下来的重量就是给载重的,臂做的越轻,你做到70公斤,可能有30公斤的载重空间,你做到80就只有20了,其实这个差距还是比较大的。
我认为手、小臂和眼睛是未来人形机器人非常核心的技术,工业应用其实是比较高精度的,高速度的,往民用去拓展就是要解决刚才任雷教授说的安全的问题,相对是比较容易的,还要先解决精度和速度的问题,再去解决安全的问题,加上各种力控,那就是相对比较容易的。
以上是我的观点。
张建伟:程昊,有什么样的情境要突破?
程昊:如果真的是说被批量使用,无论用在体育场景还是其它场景,其实我觉得不一定是纯技术问题,之前移动互联网的时候,我们经常提到一个词叫PMF,就是产品和市场匹配,我感觉到机器人可能叫TPMF,就是技术、产品、市场的匹配。
有些前沿的技术要去突破,比如说真的实现量产可能是市场需求在这儿,它需要什么样的产品,这些产品需要什么样的技术,然后把这些匹配度做高,可能是最先说能批量生产并且形成商业化规模的关键。
其实我感觉我们正处在第一轮的技术产品市场匹配阶段,其实这一轮从电驱的关节,无论是直线的还是旋转的,结合现在算力的主控,构型标准也在统一,这是第一轮的成熟,接下来就看把它包装成一个什么产品,打什么市场正好能够匹配上。
比如说无论让它踢球也好还是让它去家庭也好,以家庭为例,它可能需要的就比较高,目前来看大家都会觉得挑战比较大。我们会倾向于选一些偏简单的场景,对技术要求没那么高的,尽快把第一轮的技术产品还有市场匹配走完,然后再走第二轮,第二轮可能就是更高的技术,然后它能做出更好的产品,能满足更复杂的需求,我觉得得一轮一轮来,这可能是接下来发展的一个节奏。
张世璞:我们公司在硬件方向上来讲,其实过去的半年时间会发现当我们1.0版本的时候能够让它稳定的行走跟跑,不出任何问题的时候,但是当我们自己强化学习再去迭代的过程当中,再去测试跑和跳的过程的时候,又会暴露新的问题,因此我们在想能不能去借鉴比如车企的影子模式,无论是后面的量产还是说把研发的体系量化,而且还能够很好的去发现在这次demo里面bug到底在哪,怎么去组止。
其实大家都在谈算法是黑盒,但其实研发在某种程度上来讲,现在它的范式也存在一个黑盒,所以我觉得可能影子模式是一个比较好的方式去解决这个问题。
第二点是在商业化的过程当中,不管是去工厂还是去服务业,还是去2C,自动驾驶都是最重要的一环,因为不可能再让一个人站在它的后面拿着手柄去遥控机器人,现在我们再去解决的一件事就是自动驾驶并不是简单的从一个位置到另外一个位置,而是从一个位置到另外一个过程当中,它的姿态也要发生变化,所以怎样能够把感知、视觉和强化学习结合在一起,能够让它很稳定的很鲁棒的做到自动驾驶,这是我们现在正在突破的一个方向,所以分享这两点,谢谢!
张建伟:从控制和智能的角度。晓琨。
冷晓琨:我们今年一直在探索人形机器人进入到场景产业化过程中遇到的问题,因为我们也是分阶段。今年我们销量最高的场景还是科研、展厅包括高校这些场景里面,大概在100多台,过去一年把问题解决的差不多。
但是现在我们第二步在进行工业场景,包括跟几个车厂签的协议,包括海外几个场景,反倒是遇见了一些新的问题,并且这些问题不是人形机器人公司能搞定的。
第一个,刚刚前面专家提到的能源问题,其实现在我们大部分的人形机器人,包括能连续续航作业时间大概也就在一个半小时,两个小时已经是极限了,可能大部分应该是在一个半小时以内的时间,其实这个时间你用换电的方式也不太够用,但是电池的功率现在已经摆在这边,我觉得这可能是接下来双足人形机器人,两条腿的机器人进入到产业化的一个很大的问题,这是一个基础学科的问题,我们现在想基础学科没有突破之前,我们要怎么解决,因为这是产业上急需要的,因为它的节拍也很快,没法去频繁的换电。
第二个,电机的功率密度问题。从工业机器人的时候大家就在讨论这个问题,之前大家在说现在100公斤的机械臂拉一个10公斤的物品,如果有一天10公斤的机械臂能拉动100公斤物品的时候,其实我们的很多控制包括智能算法会有一个很大的提升帮助。
同样的,人形机器人是一个欠驱动的系统,所以说对于电机的功率密度问题也是一个很大的需求点,但是我们现在看电机这个方向,每次功率密度的提升都是在2%、5%的方式,很难有一个很大质的突破,其实这个基础学科也会反过来,因为这涉及到材料一些学科,反倒这方面也会影响到接下来人形机器人产业化落地的一些点,并且我认为能源和电机这两个问题接下来会较长时间的卡住人形机器人的发展。
郭彦东:我可能对这个问题有一个不完全一样的思考,因为您刚才提到说怎样批量去做研发的核心技术,其实我觉得我们作为一个机器人公司,面向产业做的,更多思考的是怎样去研发批量的技术,而不是怎么去批量已经有的技术。
要想在量产当中使用通用智能机器人,首要思考的问题跟在实验室是非常不一样的,我也结合智平方的一些核心技术,为什么我要投这些核心技术为例子解释有哪些不一样,第一个例子是通用且精细或者叫通用且稠密的感知,这个问题我们公司一成立就重点投入去做,但是行业里面可能会觉得感知这个问题是不是听起来大家已经做了很多年,或者甚至在实验室已经有非常好的结果。
但其实我们不管是在量产汽车还是量产手机的时候,发现当环境多变的时候,我想要在通用的场景下实现非常精细化的感知,我把它定义为在批量当中就会遇到的核心技术和核心问题,这也是为什么我们在公司一成立的时候就把通用且精细的感知列为我们最核心的技术,并且在这个方向取得一定的进展,也非常荣幸得到不管是国家的还是客户的一些认可。
今天我也非常开心的听到不管是小米的许多总,我其实看到硅谷的一些公司在人形机器人火了一小段时间之后,再翻过头来认为空间感知是机器人里面最核心的问题之一。
我想提的第二个小例子是泛化操作,其实在机器人不做大规模量产的时候,大家可能不会觉得操作的泛化是一个非常重要和了不起的一定要做的问题,包括端到端的架构,如果我只是做一个原形,我可能用代码去实现,效率是更高的。
但是如果我们的设备在生产实验当中持续的使用,随着设备量的增大,随着环境的多变,随着适应操作的任务越来越多,那要写的代码就越来越多。其实大家讨论需不需要做端到端这样一个大的背景和前提,我们如果把它放在要去批量的大背景下,其实就比较容易有一个非常有倾向性的答案。
第三个是软硬整合能力。因为我自己在主机厂做过,不管是负责自动驾驶,还是AI的中台,其实在主机厂做AI还是很不一样的。我想到2016年、2017年Robotaxi公司把PC机放在汽车后备厢里面,去做Robotaxi的展示,真正在量产汽车公司里面去做智能化,我们怎么样把算法跑小,跑在一个算力受限的端侧芯片上,怎么样去适应量产装置的不完美。
我如果发现这个硬件装置这个地方不是最好,我就花1、2亿去把装置这部分通过投研发做好,其实我们要做的是如何能够把现在所有的硬件性能,通过智能和软件的能力发挥到极致,这个是一个非常经典的,带有主机厂色彩,去研发批量技术的一个思考。
我先分享这么多,谢谢主持人。
李博阳:我想说的一点,我们实际上做任何的智能决策也好,做服务也好,感知是第一步。所以我觉得现在机器人感知的能力,还有很大的欠缺,不光是广泛说到的空间的感知,可能还包括它对自身本体状态的感知,包括它跟客户、使用者之间的关系的感知,以及它跟周围环境,以及应用场景的感知。
所有我们人觉得我们能够做出一个恰当的、准确的反馈,都是基于我们非常充分的感知到了我们所处的环境,以及我们现在应该做什么。现在我觉得这个感知的阶段,现在从语音、传感器一些方式上去获取了一些信息,但是跟人本身来相比,还远远不够。
从机器人厂商来讲,讲到批量化,考虑的问题比较多,我们最主要要考虑的就是做取舍,我应该在什么样的场景下做出一个可批量化生产的产品。这里面首先考虑的是这个市场真的有需求,我们如果做的是一个伪需求的项目,实际上我们不管怎么做,它都不可能有批量化的可能性。
另外,我们的产品要在这样的需求状态下,我们达到一个可用的状态,可以达到我们希望它达到的一个效果。现在我们很多的机器人企业做出来的产品,都在这个需求场景下还没有可用的状态,这个意味着它现在还没有到一个量产的阶段。
还有一个是成本的问题,如果是量产,不管是零部件也好,还是日常使用的算法,或者是大模型的支出也好,其实它都应该是一个成本可控的阶段。我觉得现在考虑这个问题还过早,也就是说现在还是一个百花齐放的阶段,先不去考虑量产,先考虑怎么能让我们的机器人达到在这个应用场景下可以用,并且卖的出去,然后再考虑去降成本,能够让它批量化的问题。
赵同阳:我认为人形机器人分为四大块:优秀的本体、高动态性能的控制算法,以及更具有泛化性的具身智能、非常接近人的通用人工智能这四大块。其实每一块它的落地在这个阶段还是有巨大的挑战。
首先在本体这一块,我们可以看到现在大家都走的是电动方案,不管是从电机、减速机以及控制器,其实它都是一个传统行业,尤其在中国这块是一个非常传统的行业。在机械臂行业,在其它行业都经过一定的验证,但是在人形机器人的使用还是第一次。
我们机器人未来我认为做到工业级别的,至少成本需要10万到12万之间,如果这样的一个机器人,我们希望它接近一个汽车,那么对它的一个要求可能就是达到工业级的。比如说你具有10-15年的寿命,如果你家买一个机器人10-18万之间,你可能希望它能工作10年以上,所以耐久性、可靠性还是非常具有挑战性的。
另外,人形机器人它不像四足机器狗,狗你可以走出什么样的步态都无所谓,只要往前走,走的快就OK了。但是人形机器人我们希望它走平、走快、走稳,最重要它走出优雅的步态,我们现在很多机器人走起来还是咵咵响、小碎步、弯着腿,其实这都不是我们所希望看到的,我们所希望看到的都像人一样,走的虎虎生威或者走的非常优雅。
因此行走它不仅是一门技术,我认为它还是一门艺术,只有达到艺术这个级别,我认为我们至少需要1-2年的时间去做准备。另外在解决完运动控制算法本体,最大一块在通用人工智能,我们希望我们的机器人不仅有很好的躯体,还需要有足够有趣的灵魂,这块我认为是机器人行业后面非常大的坑,它可以类别以前的个人计算机时代,跟计算机时代很多家都在做电脑的时候,微软做了软件这块。
所以,对于通用机器人来说,我们要警惕的是不仅要关注到本体这块,可能有一家具形公司它成为未来的微软,不管我们谁家的机器人,搭载它的智能之后会立马变的具有灵魂。
最近我和一些在做大模型的公司交流,最近百模大战,我发现他们做的东西让我非常惊讶。但是有一点我会感觉到很多家公司都在做一个大而全的东西,我问它什么东西它都知道,因此给我的感觉它更像一个百科全书,其实有的时候我们需要机器人是一个万能的上帝吗?不是的。
现在很多大模型,它的服务器上面可能就住着一个万能的上帝,问什么样的问题,它的回答可能都是非常全面,但可能都是比较雷同的。我们希望我们的大模型以后的发展,希望每个机器人都有每个机器人的性格,是有趣的灵魂。
这是我的几点看法。
张建伟:这一轮大家对Bottle neck的汇聚,咱们也都能够总结出机器人有多么复杂,不是一个Bottle neck,是一圈的Bottle neck。从材料到能源、驱动密度、感知精度、智能高度等等,我想今天是我们有史以来最大的一个Panel,我也希望把我们的观点记录下来,形成一些文字,来推动中国和世界人形机器人的有序发展。
我上面提的问题,大家回答好的部分是对Bottle neck都发表了观点,但是怎么解决,怎么突破,实际上是我下一个问题。我们说现在的人形机器人还需要很大的研发投入,包括特斯拉的方案,你把它做便宜、做稳定,也是不可能批量销售的。
后面如何让我们现在人形机器人的公司获得不断的技术源泉,靠你们自己的研发肯定是远远不够,我提的问题就是如何产学研更有效的合作,咱们横向项目跟纵向项目,国家有重点研究计划,有基金委的重点项目,横向你们可以成立联合实验室等等,下一步如何让产学研更好的有效合作,使得人形机器人这么复杂的系统能够源源不断的获得高校的技术支撑,大家发表一点看法。
甘中学:产学研合作很难,但是我想从另外一个角度谈这个问题,现在我们做大模型也好,包括后来做算力也好,有点跟随性的做法。大模型,还有算力、TPU等等,我觉得我们中国要想要在这方面走出自己的路来,一定要换一换研发的思路。
建议一:要把大算力和算法的创新结合起来,现在很多人说有了大算力,我们也发明了电动机,电动机不节能,我们现在开始节能,几十倍、上百倍的算力搞完了,回来我们再去做节能,这个路子实际上是现在的芯片公司或者算力公司(所做的)。
所以,我觉得我们国家必须是算力和算法同时并行进行,才能找到一个多快好省的办法,来和国外去竞争。
建议二:具身智能目前正在开发当中,基于语言的大模型我们实际上已经不如国外先进,那么在具身智能里面,昨天我才知道张建伟院士很好的提出中国的知行合一,今年我看好多人提到,知行合一这个做法我认为是具身智能最好的方式。
这里面就涉及到我们研究的方法和我们研究的途径,以及我们产和研的结合,所以我认为我们应该基于知行合一,其实知行合一和现在世界上提的信息领域的最小进行原理是一样的。
中心意思就是我们应该做起来认真思考一下,我们的产学研方向和出发点应该和国外有所区别,否则我们永远是跟随,这对我们的发展是不利的。
张建伟:你的基金研发项目,怎么让这些人形机器人公司来共享你的研发成果,有什么看法?
任雷:产学研融合几乎是一个大趋势,因为大家也听到张老师问的前一个问题,实际上人形机器人它有很多的技术瓶颈需要去突破。因为人形机器人它是一个高度复杂、集成的系统,它不光包括了我们的感知、驱动,包括了材料、结构的这些东西,实际上它是一个综合的多学科交叉的攻关项目。
所以,很多问题还涉及到基本的科学问题我们没有解决,首先我认为学校应该负责很多,比如说新型的创新结构设计,尤其是仿生的设计。另外新型的感知材料、驱动材料,未来也都应该往人形机器人上去考虑应用,这个我觉得是企业需要学校的一块。
另外,我们学校也非常需要企业,我们应该多了解企业,因为学校有的时候更偏重于发论文,出一些专利。这些东西究竟能不能用上,怎么用,这个有的时候是有问题的。比如说开发一些新的技术,但是有可能只考虑性能,不考虑成本,不考虑这个批量能不能做出来,这个工艺的问题不去考虑,这个脱离了我们未来批量生产的需求。
还有一个很重要的事,企业需要做的是什么呢?我们不能光去整一些比较炫酷的Demo,应该真正的去了解我们的应用方,这个场景到底需要什么。比如说我们真正需要人形机器人的这些企业,这些应用场景,人家真正需要解决什么问题,它是什么样的场景下解决一个什么样的具体任务需求,这个我觉得是未来我们产学研融合去做的事情。
张建伟:许多总,分享一下小米在以前产学研合作的成功经验。
许多:我们在这边是这么考虑的,还是看技术的成熟度,一些科学问题还没有突破的,我们是坚决和高校合作,去做一些科学范式的探索,比如说我们的相机有和黄老师合作做一些探索。
另外,有些成熟技术迁移过来的,本质上从其它行业或者其它领域迁移过来的,我们坚决的去做产业化,去把那个产业做好。大家都有一个痛点,举个例子这两天展馆有一家企业特别火,一家深圳的,原来做弹出式摄像头的企业,它抛出一个观点,要做99的推感电机,我相信在座的都很兴奋,如果它能做到,我们手某种程度上就有了巨大的突破,你至少敢于把自由度做上去了,不是6个了,可以做到15个、20个。下一步可能再做小型化,某种程度上就突破了。
像这种实感电机,还是要先去做产业化,比如说特斯拉大的实感可能还在将近2万块,如果能做到1万块,至少大腿的部分用推感是比较好的,因为大腿也不需要高动态,只需要非常大的出力就好了,因为小腿是需要高动态的,需要非常高的响应。
其实这还是说在整体构型上,我们既要基于科学和高校、研究机构合作,我们也要基于应用去做产业的深度开发,最后把这两者在一个软件平台上、仿真平台上深度的融合,去加速我们整个的应用。
可能小米相对比较好,它相对生存压力比较小,我建议大家选择做的东西,还是要把这个产业坚决的做透。大家觉得一体化电机相对比较通俗,这里面MCU还是用英飞凌的,这个价格还是很高的,国产化的也不充分。
比如说,电机里面的编码器,国产做的还是有非常大的差距,我认为还是有很多值得做的东西。在过去机械臂行业,因为它的量比较小,没法做。加上人形机器人,整个市场规模还是会比原来扩大到若干倍,过去那些做零部件的企业进来之后重新去思考这个东西,在整个市场规模扩大的时候,怎么把零部件坚决做到更好。
以上是我的分享。
程昊:我觉得现在这个阶段,尤其是对于人形或者具身智能产学研结合非常重要,有点像70年代信息革命刚开始的时候,其实硅谷是发源地,它的特点就是有个斯坦福、伯克利,但是具体它的政策我觉得得去研究,非常好,然后孵化很多企业出来。
因为创新是一个失败率很高的事情,交给创业团队去做可能就得很多创业团队,100个创业团队都去创新,最后活一到两个,剩下那些都死掉了。但是这些如果放在学校里面,学生、老师拿经费去做会更好,但是公司也要创新,学校里面做创新更能承受试错的。
如果这个能接受好,在公司里面去做商业化,再把赚来的钱回来反哺学校,形成一个非常好的循环,我觉得可能就是我们这个阶段在产学研融合上非常有价值的事情。我觉得可能现在更重要的是抄作业,抄成功的案例,无论是通过政府、高校、公司,找到一个好的模式,尽快去推。
AI我认为是一个等同信息革命,AI革命的初期,越是初期的时候,产学研越重要,如果这个时候没有抓好机会,可能就错过了,到后面都是产业了。比如现在移动互联网,互联网的很多创新其实不是高校在做,而是企业在做了。
因为企业会有更多的钱,它就能去容错,内部赛马去搞,但是现在对于AI、具身智能、人形机器人其实都没有到那个阶段,现在除了小米,我非常敬佩小米这个级别的公司愿意去做。其实很多大的公司不是非常笃定入局的,这个时候更需要产学研结合好,我建议抄作业抄成功的案例。
张建伟:从平台创新到硬科技、黑科技的创新是一个新的提升,需要新的创新模式。
张世璞:我简要的说,近两年我们发现非常多炫酷的Demo,其实背后都是现在读博一、博二非常优秀的00后,或者2000年左右的年轻人去做出来的。现在技术发展迭代的速度非常快,甚至是按月来计,产学研来讲我们会发现一个很重要的问题,一个学生他拿到了一台机器人配好了环境才开始调,调的过程中还有很多的问题。
我们作为企业能够帮的一点,尽量去减小这个时间,缩短成本,让这些优秀的年轻人拿到了这些基础设施以后,很快的就可以验证自己的想法,让他们自己的POC得到一个快速的迭代,所以我觉得这个是作为创业公司、企业应该要去做的,而不是让大批研发型的人才过度的浪费时间在工程上面去,其实必要的一些工作也是磨炼研发人才必须的阶段。
这个可能是我想分享的一点,谢谢。
冷晓琨:产学研这部分其实乐聚一直在做这个事情,2016年我们10个哈工大师兄弟成立乐聚的时候,都在读书,我那时候比较大,博一,剩下的都是研一或者本科生,我们10个人成立的。
2021年我博士毕业,学校特聘了教授兼任我们实验室的副主任,一直就是我跨着产和研两个部分。其实现在整体看下来,尤其是人形机器人这次的节奏来看,特别符合总书记前段时间在全国科技工作者说的发挥企业创新主导作用,因为人形机器人它是一个集成度特别高的场景或者是产品,一个高校、一个实验室很难聚集这么多的技术来做这个事情,但是企业适合于做这种大工程性的工作,并且进行产业化落地的。
尤其在这个工作中,发挥企业和高校两方的优势,实验室这边更擅长于创新性的工作,可以去布局未来1年、3年的工作,但是企业就会擅长于把最近的一些创新性的工作,尽快的给落地下来,这时候很考验高校和企业之间的磨合,我觉得是一个比较有挑战的工作。
郭彦东:我自己在美国读博士也好,还是在微软、小鹏、OPPO,都牵头了大量的跟学校非常了不起的教授包括院士的合作。从产学研当中,我在企业做技术管理的时候收获非常多。
我自己做机器人企业,前面几位老师也好,创业的伙伴也说到本身技术非常新,非常需要产学研的加持,我也很开心的看到我们有很多老师坚持做创业,也看到很多创业者坚持做老师,我觉得这也是一种挺新的模式,去把产学研的一些成果跟企业更紧密的结合在一起。
有一本书《科学无境的前沿》,虽然是70多年前的一些思考,怎么样用创新来驱动经济的发展,其实产学研或者说科研的研发有非常典型的纺锥型,对于结果不是那么敏感的,更长期的、更高远利益的一些投入,我觉得这个其实是真正的源头。
不管人形机器人创业有多么的火爆,呼吁不要把这个源头的重要性忽视掉,我们还是有非常多的硬核科学问题,等着我们的教授们去解决。
第二,我们在做批量的研发或者系统级的创新时候,在这个时候企业通常会有一个更成规模或者成系统的平台,这个时候我们怎么去把老师们了不起的单点技术,引进到企业的创新系统里面去消化,这个其实需要一些年的积累和一些实操的手感,让老师们觉得他的技术既不浪费时间做大量的工程化,同时也能让他的技术真正的在产业当中,不管是对于国家、老师、企业来说,都是一个多赢的状态。
在这个方向上,以技术驱动型的公司发展也好,经济的发展也好,都还是有很多的思考和打磨需要继续去做的。
李博阳:我觉得现在高校老师手里面还有很多的好东西,还没有充分的挖掘出来,有一些项目本身在做的初期,可能并不是专门为人形机器人做的,但是那些技术可以去跟人形机器人做结合。
所以我觉得可以在体制的设计上更加的开放,把高校的科研成果更多的让企业接触得到,我们打造这样的一个机器人的硬件也好,或者应用场景也好,我们可以到学校里面去选择觉得适用的,经过再一步的转化到产品中来的技术。
另外还有人才方面的问题,因为现在我们也接触了很多的高校,有一些非常优秀的博士、硕士到了人形机器人企业里面来,他很难马上上手,马上融入到完全创新的交叉学科的环境中来。
所以我觉得学校在学校期间,除了老师带他们做一些项目之外,其实我们企业也可以提供更多的前沿项目。比如说跟市场、跟产品更紧密结合的,因为我们对市场和产品更敏感,可以把这些东西拿到学校去,从中提炼出科学问题,让学生们更多的参与进来。我们在招人方面、用人方面也会更容易。
赵同阳:对于产学研这块我是深有体会,也是非常有体感的,其实在我2016年创业的时候到2018年期间,我们碰到了很多关于算法的问题,第一个想到的就是学校,尤其在2016年的时候,市面上找不到对于人形非常有研究的。
我记得2018年到2019年年初的时候,我们的本体出来了,但是我们的算法在国内力控算法都还没有,当时我记得有一个契机是MIT开源,也是学校的力量,但是开源之后国内真正能玩起来的没有几个人。
当初我们为了把这套算法引入国内,让更多的人去了解,我找到了山东大学的李老师,他们是控制学院的,他们的学生还是比较厉害的。但是他们告诉我可以把算法搞定,但是本题硬件这块可能需要6个月的时间,这恰恰是我们企业的一个能力。
我记得用了不到6周的时候,我就把本体给做出来了,联合他们的软件沉淀和积累,把MIT的那套算法在国内复现,并且把它分享出来,成为一个开源的项目,所以国内现在很多做力控算法的,在这方面都得益于那套算法。这是以前我非常大的一个体会。
另外在合作过程中,我也发现一些问题,铁打的学校,流水的学生,一代一代的沉淀和积累,并不是说非常有系统性的,这会造成人才的断链问题。在过去的3年中,一位关于控制的人才随着学校的成长足够多起来,当我在今年重新做人形的时候,我发现这样的人才仍然是非常稀缺的,第一个想法仍然是求助于高校。
高校他们关于算法一直处于行业的前沿,但是他们落地有非常大的难度,尤其很多高校他们在仿真环境非常棒,但是一落到实物上都一塌糊涂。因此它需要和企业联合起来去解决stem to real,甚至技术到工程落地的gap问题。
另外,关于企业和高校他们之间利益的问题,很多高校他们需要发些paper我们可以协助他们做这个事情。企业需要有些知识产权还有商业上的成功,两方面可以互利互惠。
最后一点是我们的一个教育体系,我发现很多课程他们提的内容还是比较传统、比较老的知识。对我们企业现在所需要的先进算法还有差距,但是课程已经固化了。因此希望高校可以随时更新课程,这样能保证企业和高校时刻处于行业前沿这样会好一些。
张建伟:最后再问一个问题,大家每个人花一分钟时间简要回答一下,这个问题是关于未来的预测,什么是人形机器人,在符合伦理的情况下,今天多次提到伦理约束。不能什么样机器人都做,伦理约束下你们现在的best seller是什么,你们对未来一年三年五年或者2B2C的预测是什么。不需要每个都回答,但是每个人挑一个回答。
甘中学:我觉得第一个问题说得好,我们除了要研究通用人工智能的智能水平,同时现在应该研究机器人智能向善的问题。这个问题不解决时间长了就会造成祸害。第二句话中国现在这么大的人群群体来做人形机器人,我们产业化的速度肯定比任何其他国家都高。
比如说现在第一年像宇树科技等等已经开始进行量产,当然范围可能是在科研领域,或者展览馆。但是逐渐三年会到服务行业,五年可能到工业,我认为完全有可能。
任雷:我不做时间预测,谈一下可能落地的先后顺序。感觉人形机器人如果最有可能落地,很可能在产线某些特殊岗位,或者特种机器人,比如巡检、维修这块。因为它本身场景有的时候相对简单,它是一种结构化场景,识别起来做起事来相对简单。我反倒觉得家庭家务、养老护理有可能是最后落地的。因为家里环境看着可能简单,实际上是高度非结构化场景,而且在动态变化。还包括了伦理问题,先不谈复杂伦理,单说之前提到的人机物理接触安全性问题。你这个机器人如果在家里出现任何鼓掌出现任何问题,比如说他要是摔倒的话,都有可能把孩子砸着,像这种情况如果一旦发生,这个由谁负责?所以像照顾老人照顾孩子包括做家务这件事情很有可能是最后才能落地。
许多:我可能认为大家看到了像星海图像,银河通用这种移动+B的可能短期内可以落地,人形可能还要很长很长时间,另外落地结构我认为要看接触精度。它包含移动精度、定位精度、抓取精度、放置精度、语义精度、反馈精度等等一系列精度,要看综合场景对所有精度的需要。保证这个场景数据搜集难易程度来解决系统问题。看起来就像经常说的工业简单场景包括物流场景里可能是优先落地,包括导览的展示的对移动相对要求没有很高,其他的可能还是要花很长时间。因为它和环境的连续性接触精度问题怎么解决,这还是一个科学问题,需要很长时间研究。
程昊:其实我一直觉得人形机器人和当年的微型计算机PC有很多借鉴之处。PC最早能在哪落地,从历史来看它是给学计算机开发的,它现在机房落地,无论是学校机房还是公司机房。因为那个时候PC也很弱,和现在比简直就像一个计算器,很多问题也解决不了。但是大家很多人都认为它是个趋势所以愿意去学,学了之后才在上面长出系统、长出软件、长出游戏、长出互联网。
所以我觉得人形机器人接下来真能落地且能健康迭代落地可能得找人形机器人的机房是什么,网吧是什么。但是这只是一些思考。
张世璞:如果用一句话来总结的话,我觉得短期内真就是工业里灵活用工或者某一个单独的环节。长期不知道多长,但是个人意见更看好2B、2C服务领域。
冷晓琨:对于人形机器人,乐聚这边基本原则是三步走,沿途下蛋。今年一百多台主要核心还是定位在高校、科研和展厅行业。这个特点是尽量少地介入到物理环境中进行展示。但是我认为它这个不属于正经的人形机器人进入到产业当中来。
第二个是这半年时间把国内所有的车厂一家不落地都进行走访,并且选择两家签了协议开始落地,它来解决的就是工业生产的最后一公里,非高精度的场景。并且双方包括联合高校已经开始做了,预计明年上半年包括今年年底正式的,已经可以算得过来ROI可以进入投产了,所以给的量的卡点在500台。如果一个场景中人形机器人包括轮臂机器人,合起来能过500台产量的话,基本上代表人形机器人可以用到工业场景中来了,我认为这是明年我们使劲的地方,就是在工业中应用。
未来三年核心肯定还是工业为主,进入家庭、进入康养这部分,现在和海尔、中国移动都在合作。但是我认为是3-5年甚至更久的时间段。
郭彦东:说到应用其实智平方是以轮式双臂,轮式人形的形态,更容易被市场接受,ROI也更容易算得出来。所以轮式双臂已经一定程度上迈过了to developers的阶段,逐步地向真实场景使用。
但是我们也很需要有双足人形的机器人为更下一代场景落地做些储备。什么样的市场是轮式人形,或者轮式双臂机器人的场景,其实第一个是这个市场非常宽广。一个市场品类最好的需求是要看非常经典的TPMF问题,什么样的技术是最大的变量?我们的公司和之前的机器人最大区别是什么。
对于智平方来讲我们最大的区别是智能的通用化,所以我们要找准的市场是以前一些因为机器人不够智能或者它的智能不够通用而没有办法提供服务的一些场景。就是我们最先要去服务的一些场景,我想我对于这个场景的不管是市场的体量还是种类,都非常的乐观。
回到张院士的第一个问题,也正是因为这个市场足够的宽广,并且我们并没有真正意义上实现像人一样那么强大,不管是聪明的程度还是灵巧的程度,像人一样那么强的机器人,就导致大家面对的市场会有不同,背后所牵引的技术也会有所不同。
我跟上场对话的嘉宾有一个很类似的观点,整个机器人的应用会从慢到快,我们仍然在这样一个慢的阶段,我们这个对话也快要结束了,我也呼吁大家给这个赛道一点耐心,非常的宽广,前景非常的辽阔,但是所有的企业都还在起步应用阶段,也会有非常多的企业在这个赛道去开花结果。
李博阳:我也认同,最先落地的可能是一些工业场景和特种场景,但是我认为最先落地的不一定是完全形态的人形机器人,可能是另外一种形态,比如刚才说到的轮式或者手部不是一个完全五指的状态,这种场景我觉得在短期之内就可以有很多落地的应用了,而且我觉得这个账也能算得过来,它真的是可以提高效率或者完成一些实际的工作。
未来我觉得真正需求更大的还是2B2C的服务场景,我们也可以看到很多产品在刚出来的时候,其实它是生产力工具,比如说电脑、手机、汽车,最开始完成的都是工作相关的内容,但真正迎来市场爆发,迎来最大量消费的还是满足了我们更多生活上的需要,满足了我们时间、消耗、娱乐的甚至是情绪价值的需要,所以未来真正能够迎来机器人大爆发的阶段应该是2C端的应用,特别是服务场景或者是生活娱乐场景。
赵同阳:虽然说我们的未来星辰大海,我们机器人的话,我们的想法是进入千家万户和进入每一个工厂,去替代人类做一些繁琐简单但是又比较劳累的一些事情,它不是跟人抢活、抢工作的,但是这个过程是一个比较长远的过程,至少我认为以目前的技术,3到5年内不可能大规模的进入工厂和进入家庭,这点应该在座各位都有相同感受。
但是在中间会有一些产品,它既然是为人类服务,如果能为学生服务,就刚才说了人才方面稀缺,快速给全球高校带来人形机器人的人才、技术和价值。
接下来关于工业和家庭使用,路很长,先进去再改善,才能进行用户反馈,才能进行下一步的改进,我认为还需要3年的时间。
张建伟:我们还节省了7分钟,这个话题非常大,我们希望在今后多多交流,到明年的世界机器人大会,希望大家有新的成果。
今天这场对话是ChatGPT绝对做不出来的,我想各位也都并发出来非常多新的主意,激发出来非常多对未来的向往。我一直说人形机器人对人类来讲是最后一个梦,把我们自己复制出来,然后理解我们的认知、行为、交互,另一方面有巨大的应用场景,目标设的非常高,只有协同合作、长期支持才能把这个赛道可持续的做下去,风景无限,谢谢大家的分享。
(本文根据录音整理)
扫描二维码关注
中国电子学会公众号
扫描二维码加入
中国电子学会会员
中国电子学会总部政策研究与国际合作处党支部赴中国机械工程学会开展主题党日活动
第四届智能人机交互技术年会圆满落幕
中国电子学会召开2024年统战工作座谈会
2024年全国导航技术与应用大会在京盛大召开
相约广西绿城 2024世界机器人大赛南宁锦标赛开幕!
“科创中国”新质生产力赋能电子智造论坛(宁波)成功举办
中国电子学会网络空间安全专家委员会走进山东大学暨第40期中国电子学会青年人才托举沙龙成功举办
第39期中国电子学会青年人才托举沙龙暨面向6G的通信、感知与综合导航定位关键技术论坛在广州成功举办!