具身智能在2024年成為科技領(lǐng)域的新熱詞。
人形機(jī)器人和具身智能公司，紛紛成立，一時(shí)風(fēng)頭無(wú)兩。
不過(guò)，目前的人形機(jī)器人和具身智能，往往更多停留在概念和demo之中，何時(shí)能真正落地，仍然未知。包括特斯拉的Optimus在內(nèi)的不少人形機(jī)器人企業(yè)，都將人形機(jī)器人落地的第一場(chǎng)景，設(shè)在工業(yè)場(chǎng)景當(dāng)中。
然而，工廠場(chǎng)景中，實(shí)際早已存在不少工業(yè)機(jī)器人。這些更傳統(tǒng)的工業(yè)機(jī)器人，未來(lái)會(huì)被人形機(jī)器人取代嗎？或者，它們是否將在哪些方面結(jié)合新的具身智能技術(shù)，帶來(lái)新的生產(chǎn)效率的突破？
近期，極客公園接觸到了移動(dòng)機(jī)器人解決方案提供商優(yōu)艾智合。
優(yōu)艾智合在2017年就已經(jīng)成立，為工業(yè)企業(yè)提供物流機(jī)器人和巡檢機(jī)器人，尤其深耕半導(dǎo)體行業(yè)，已經(jīng)形成上游晶圓生產(chǎn)、芯片封測(cè)、模組封裝到下游組裝的生產(chǎn)環(huán)節(jié)全覆蓋機(jī)器人解決方案，是半導(dǎo)體領(lǐng)域出貨量最大的移動(dòng)機(jī)器人企業(yè)。在2022年，優(yōu)艾智合的機(jī)器人已經(jīng)做到年出貨量?jī)汕в嗯_(tái)。
極客公園了解到，從2022年起，優(yōu)艾智合也在部署具身智能相關(guān)的技術(shù)能力，并在11月20日，與西安交通大學(xué)共同宣布成立具身智能機(jī)器人研究院。
在具身智能火起來(lái)之后，人們常常暢想，一個(gè)通用的人形機(jī)器人，可能會(huì)替代很多原有的專(zhuān)用機(jī)器人的未來(lái)。作為一個(gè)已經(jīng)有真實(shí)成熟的工業(yè)落地場(chǎng)景的公司，優(yōu)艾智合如何看待具身智能呢？
帶著這樣的疑問(wèn)，極客公園采訪了優(yōu)艾智合CTO邊旭。采訪記錄有刪節(jié)。
具身智能可以讓機(jī)器人更聰明問(wèn)：什么時(shí)候開(kāi)始思考落地具身智能？
邊旭：這應(yīng)該是從 22 年 10 月份到2023年我們開(kāi)始真正關(guān)注具身智能這個(gè)概念。
當(dāng)時(shí)谷歌和Everyday Robotics合作，第一次將大型語(yǔ)言模型集成到機(jī)器人中，我們當(dāng)時(shí)看了論文，下了一個(gè)判斷是，多模態(tài)大模型，最終只是一個(gè)接口，真正機(jī)器人要發(fā)揮作用，光靠大模型是遠(yuǎn)遠(yuǎn)不夠的，需要強(qiáng)化學(xué)習(xí)、模擬學(xué)習(xí)等很多技術(shù)產(chǎn)生突破。
這是我們思考的起點(diǎn)，我們也開(kāi)始從2023年開(kāi)始投入了一些預(yù)研的資源。
問(wèn)：目前的具身智能技術(shù)進(jìn)步，能夠解決哪些你們面臨的問(wèn)題？
邊旭：目前在進(jìn)展中的，最快能解決的問(wèn)題是視覺(jué)模型對(duì)環(huán)境的理解，能夠讓我們做出更安全、柔性的控制策略。
傳統(tǒng)的機(jī)器人對(duì)物理環(huán)境的重建，基本都是基于激光雷達(dá)的這種直接測(cè)量的方法進(jìn)行構(gòu)建。激光測(cè)距這項(xiàng)技術(shù)是有極限的。
比如我們的地面是平的，但是其實(shí)傳感器掃描出來(lái)的地面不是平的，是震蕩的。它掃出來(lái)，可能是5cm厚的一個(gè)點(diǎn)云。其中上下2cm，都是它對(duì)地掃描的誤差。但是這仍然導(dǎo)致有些情況下，地上出現(xiàn)一條電線，這條電線本身的凸起并不超過(guò)2cm，這時(shí)候?qū)ξ⑿∥矬w的識(shí)別，會(huì)被淹沒(méi)在噪聲中。
而通過(guò)視覺(jué)識(shí)別，則機(jī)器人能夠直接認(rèn)識(shí)到前方出現(xiàn)細(xì)小物體，從而進(jìn)行避障。
我們運(yùn)送晶圓的機(jī)器人，如果被絆一跤，一點(diǎn)點(diǎn)損傷都會(huì)帶來(lái)很大的經(jīng)濟(jì)損失。在之前，我們只能通過(guò)工廠的安規(guī)管理，給機(jī)器人開(kāi)辟出專(zhuān)門(mén)的運(yùn)行區(qū)域來(lái)保證這樣的事情不會(huì)發(fā)生。
優(yōu)艾智合晶圓盒搬運(yùn)機(jī)器人 ｜ 圖源：優(yōu)艾智合
但是真正解決這個(gè)問(wèn)題，要依靠具身智能中可自主學(xué)習(xí)的多模態(tài)感知也就是機(jī)器人能夠通過(guò)視覺(jué)識(shí)別，識(shí)別出物體，進(jìn)行更智能的規(guī)避。
在這點(diǎn)上，我們的研發(fā)已經(jīng)有了階段性的成果，在我們的樣機(jī)上，demo上效果已經(jīng)能做到比較好了。
問(wèn)：具身智能的下一步技術(shù)進(jìn)步中，作為一個(gè)有落地場(chǎng)景的工業(yè)機(jī)器人公司，你們更關(guān)注于哪方面的技術(shù)進(jìn)步？
邊旭：我們也在關(guān)注端到端的運(yùn)動(dòng)控制，這件事本身是很難的，目前我們也只是在做前期的研究工作。
端到端的自動(dòng)控制，類(lèi)似于特斯拉在做的端到端的自動(dòng)駕駛，也就是整個(gè)運(yùn)動(dòng)控制的指令都是模型生成的。而我們提供工業(yè)機(jī)器人，要到運(yùn)動(dòng)控制的指令都由機(jī)器人生成，實(shí)際上需要更精準(zhǔn)，犯錯(cuò)率更低。
另外，達(dá)成端到端的運(yùn)動(dòng)控制，也依賴(lài)為我們提供機(jī)械臂本體的上下游生態(tài)伙伴，做相應(yīng)的底層調(diào)整，共同進(jìn)步。
問(wèn)：端到端的運(yùn)動(dòng)控制可以幫你們解決什么樣的問(wèn)題？
邊旭：比如我們?yōu)榘雽?dǎo)體行業(yè)提供工業(yè)物流機(jī)器人，機(jī)器人的形態(tài)是復(fù)合機(jī)器人，這樣的機(jī)器人，每臺(tái)對(duì)接一個(gè)工位，正常都需要經(jīng)過(guò)一些參數(shù)化的配置和調(diào)試，這是行業(yè)通用的做法。
但實(shí)際上這個(gè)是非常耗時(shí)的。你要做一些標(biāo)定，做一些過(guò)渡點(diǎn)的錄制，這樣的配置和調(diào)試過(guò)程其實(shí)是非常不柔性的，也無(wú)法被批量復(fù)制。
我們之前做出海，已經(jīng)賣(mài)出了不少機(jī)器人解決方案，其實(shí)我們?cè)谌澜缍加泻艽蟮男枨螅窃诮袊?guó)的日本和東南亞，開(kāi)展地更順利，原因之一就是出海的話，我們也需要很大的部署成本。
通過(guò)我們前面說(shuō)的目標(biāo)識(shí)別，融合視覺(jué)和3D的點(diǎn)云數(shù)據(jù)，保證目標(biāo)識(shí)別的魯棒性，再根據(jù)目標(biāo)識(shí)別，做到通過(guò)少量學(xué)習(xí)和零次學(xué)習(xí)，可以讓機(jī)器人完成手眼協(xié)同，自適應(yīng)部署。
這樣基于目標(biāo)的端到端的運(yùn)動(dòng)控制模型，和通用代碼大模型去自動(dòng)化腳生成檢測(cè)、生成部署腳本能夠幫助我們大幅降低部署成本。
企業(yè)客戶(hù)希望有更聰明的機(jī)器人，但最好沒(méi)有成本增加問(wèn)：在之前已經(jīng)落地的場(chǎng)景中，其實(shí)通過(guò)安規(guī)管理等方式，可以部分解決機(jī)器人不夠智能的問(wèn)題，那么使用具身智能會(huì)不會(huì)使成本提升很高？
邊旭：在人形機(jī)器人上要做具身智能，可能需要非常強(qiáng)大的GPU，上萬(wàn)塊的成本，這確實(shí)在工業(yè)機(jī)器人里是不可接受的。
我們考慮要使用低算力的平臺(tái)，實(shí)現(xiàn)高具身智能的效果。我們主要是使用NPU，6-7 TOPS的算力，來(lái)跑一些視覺(jué)模型。
即使是我們后面說(shuō)的這種，運(yùn)動(dòng)控制方向的具身智能的部署，在我看來(lái)，未來(lái)也是成本可控的。因?yàn)槲覀儥C(jī)器人硬件中，本身已經(jīng)有了視覺(jué)和雷達(dá)的部分，這部分的成本是本來(lái)就有的。只是需要再對(duì)數(shù)據(jù)進(jìn)行算法層面的訓(xùn)練。
問(wèn)：你覺(jué)得企業(yè)實(shí)際上能接受多少成本的上升？
邊旭：我覺(jué)得對(duì)企業(yè)來(lái)說(shuō)，其實(shí)最好是沒(méi)有成本增加，甚至有運(yùn)維成本的下降。
比如我們前面說(shuō)的，通過(guò)管理的方式可以解決的問(wèn)題，實(shí)際上本身還是依賴(lài)于人工，而人是工業(yè)生產(chǎn)中最不可控的變量，根本上如果機(jī)器人能智能化地解決這個(gè)問(wèn)題，整體運(yùn)維成本是下降的。
對(duì)于我們自身而言，也會(huì)降低很多和企業(yè)之間的溝通成本。
問(wèn)：除了成本之外，企業(yè)還會(huì)比較關(guān)注哪些問(wèn)題？
邊旭：企業(yè)也會(huì)比較在意數(shù)據(jù)鏈路的絕對(duì)安全。
很多客戶(hù)的要求是數(shù)據(jù)不出園區(qū)，那可能一些人形機(jī)器人使用公有云上的模型的這種操作模式就不適合我們。
優(yōu)艾智合智能巡檢操作機(jī)器人｜ 圖源：優(yōu)艾智合
此外，前面說(shuō)過(guò)，工業(yè)場(chǎng)景對(duì)AI的犯錯(cuò)容忍度很低�？蛻�(hù)對(duì)我們的要求就是零異常。一般的工業(yè)公司對(duì)推AI都比較謹(jǐn)慎。
所以我們認(rèn)為純靠AI算法解決所有問(wèn)題的思路本身是錯(cuò)的。越智能就越容易不可控。泛化性的智能控制，還是需要結(jié)合一些條件策略，才能更好地讓產(chǎn)品閉環(huán)。
問(wèn)：在工業(yè)領(lǐng)域，具身智能還有什么獨(dú)特的特點(diǎn)？
邊旭：我們理解具身智能是兩部分，第一個(gè)是單體智能，也就是一腦多態(tài)的這種智能控制系統(tǒng)，另一方面是，群體智能。
在這套解決方案里，機(jī)器人只是一環(huán)，機(jī)器人的智能化水平可以無(wú)限接近于人。但是工廠中要實(shí)現(xiàn)全廠的生產(chǎn)，它還需要其他的，比如說(shuō)電梯、產(chǎn)線，和其他設(shè)備類(lèi)的東西，都會(huì)參與到整個(gè)的過(guò)程中。我們現(xiàn)在傳感器只是布置在機(jī)器人上，未來(lái)可能傳感器是部署在全場(chǎng)的解決方案里面的。
這個(gè)全場(chǎng)的解決方案，里面涉及到的就是群體智能。這里面怎么去融合感知，來(lái)保證機(jī)器人的安全和效率，我覺(jué)得想象的空間比機(jī)器人本體更大。
人形機(jī)器人，能夠橫掃工業(yè)場(chǎng)景嗎？問(wèn)：過(guò)去一兩年，有很多具身智能和人形機(jī)器人的公司成立。很多公司的愿景都是最后走向一個(gè)通用的人形機(jī)器人，它泛化性非常強(qiáng)，什么工廠都能進(jìn)，什么工廠內(nèi)的任務(wù)都能做。你怎么看待未來(lái)的通用人形機(jī)器人，它會(huì)成為傳統(tǒng)工業(yè)機(jī)器人的終結(jié)者嗎？
邊旭：其實(shí)為什么工廠在很多場(chǎng)景下已經(jīng)開(kāi)始使用機(jī)器人了？就是因?yàn)槠鋵?shí)人類(lèi)在很多情況下已經(jīng)不夠適應(yīng)工業(yè)所需的一些情況了。
比如在工業(yè)巡檢領(lǐng)域，人只能看到可見(jiàn)光，看不到紅外光，也看不到聲波。我們只能依靠目視距離操作。
因此我們?cè)谘矙z中，提出了超視距的多模態(tài)感知，首先傳感器不局限于機(jī)器人在哪里，都能獲得數(shù)據(jù)，其次能夠通過(guò)AI的分析處理，獲得隱藏在聲紋等數(shù)據(jù)中的一些異常，得到自適應(yīng)感知，這其實(shí)都是對(duì)人類(lèi)能力的超越。
對(duì)于我們工業(yè)從業(yè)者來(lái)說(shuō)，我們看問(wèn)題比較實(shí)際。我認(rèn)為我們的積累其實(shí)是一種壁壘。
一個(gè)機(jī)器人，你沒(méi)有做過(guò)這個(gè)場(chǎng)景，怎么能講它有泛化的能力，去解決這個(gè)場(chǎng)景的問(wèn)題？
對(duì)于工業(yè)場(chǎng)景而言，首先，工業(yè)場(chǎng)景比較閉塞，很難通過(guò)互聯(lián)網(wǎng)去學(xué)習(xí)到相關(guān)的知識(shí)，有很強(qiáng)的行業(yè)屬性，機(jī)器人很難通過(guò)通用的數(shù)據(jù)進(jìn)行泛化地學(xué)習(xí)。
其次，工業(yè)機(jī)器人的產(chǎn)品定義，本身就是工業(yè)機(jī)器人企業(yè)和工業(yè)企業(yè)一起推動(dòng)的�？蛻�(hù)需要機(jī)器人，但又不完全清晰的知道需求的細(xì)節(jié)。很多產(chǎn)品定義都是我們?cè)谶@個(gè)場(chǎng)景中積累總結(jié)，和客戶(hù)共創(chuàng)獲得的。
問(wèn)：傳統(tǒng)工業(yè)場(chǎng)景下已經(jīng)落地的機(jī)器人企業(yè)的主要優(yōu)勢(shì)在哪里？
邊旭：主要還是在行業(yè)深耕后，獲得的壁壘。
比如我們?cè)谧罨镜腟LAM能力上，我們有很多corner case的應(yīng)對(duì)經(jīng)驗(yàn)。比如環(huán)境對(duì)機(jī)器人定位的多種非線性擾動(dòng)，對(duì)于機(jī)器人定位導(dǎo)航的干擾是非常大的，并且是很難量化。這對(duì)于你的定位導(dǎo)航的魯棒性，和智能化要求很高。
人形機(jī)器人本身，如果能找到一個(gè)合適落地的場(chǎng)景，再有很強(qiáng)的技術(shù)基礎(chǔ)，或許未來(lái)在工業(yè)場(chǎng)景中也會(huì)有一席之地。
但我認(rèn)為在一個(gè)我們已經(jīng)深耕過(guò)的行業(yè)里，我們?cè)偌尤刖呱碇悄艿募夹g(shù)，我們做這件事的路徑可以是最短的。
問(wèn)：工業(yè)場(chǎng)景，最終的形態(tài)會(huì)是人形機(jī)器人嗎？
邊旭：一個(gè)通用人形機(jī)器人，來(lái)適配所有的場(chǎng)景是很難的，你很難倒逼所有行業(yè)客戶(hù)改去適配你的設(shè)備。
可能只有純?nèi)斯さ膱?chǎng)景，用人形做，客戶(hù)改造成本就低一點(diǎn)。但也可能在那之前，全場(chǎng)景的移動(dòng)機(jī)器人的方案已經(jīng)覆蓋了這個(gè)行業(yè)了。
我覺(jué)得工業(yè)，相對(duì)于對(duì)于服務(wù)場(chǎng)景等，最大的區(qū)別就是成本和效率。
越通用，代表著對(duì)于某個(gè)細(xì)分行業(yè)來(lái)講，應(yīng)用成本越高，它會(huì)有很多功能的冗余。
考慮到效率因素，其實(shí)不應(yīng)該所有行業(yè)都用一樣機(jī)器人。
特斯拉人形機(jī)器人Optimus ｜ 圖片來(lái)源：視覺(jué)中國(guó)
而為不同行業(yè)打造的話，模型也可以是更加針對(duì)這個(gè)場(chǎng)景的，可以就是以更小的數(shù)據(jù)去訓(xùn)練，然后運(yùn)用的成本也更低，然后更針對(duì)這個(gè)場(chǎng)景，
問(wèn)：對(duì)于只做大腦的具身智能企業(yè)而言，如果不是一個(gè)通用的人形機(jī)器人來(lái)承載其大腦的部分，而是有多種多樣的終端形態(tài)，會(huì)對(duì)執(zhí)行產(chǎn)生一些困難嗎？
邊旭：會(huì)有一些困難。
不同的上集成其實(shí)是一個(gè)新的模型。雖然從目標(biāo)識(shí)別，視覺(jué)的角度來(lái)講差別不大，但在執(zhí)行和安全角度講，不同的本體構(gòu)型是有差異的。
在工業(yè)里邊，其實(shí)在機(jī)電系統(tǒng)和機(jī)構(gòu)學(xué)上不存在通用的。就是每一種構(gòu)型其實(shí)都要滿(mǎn)足它的一個(gè)特殊工藝的一個(gè)設(shè)計(jì)生產(chǎn)要求。
問(wèn)：怎么看未來(lái)的人形機(jī)器人？
邊旭：我覺(jué)得，現(xiàn)在的人形機(jī)器人，不論從技術(shù)成熟度、量產(chǎn)能力，還是商業(yè)模式的成熟度上，其實(shí)是和幾年前工業(yè)移動(dòng)機(jī)器人剛興起的時(shí)候很像。
機(jī)器人本體是一部分， 但更重要的是智能系統(tǒng)端的進(jìn)步。
在移動(dòng)機(jī)器人行業(yè)，目前其實(shí)有很多做移動(dòng)機(jī)器人本體的廠家，可以把產(chǎn)品做得很標(biāo)準(zhǔn)，成本很低，穩(wěn)定性很強(qiáng)。而我們做解決方案的企業(yè)的優(yōu)勢(shì)，則在于需要長(zhǎng)時(shí)間積累的智能系統(tǒng)。
我想未來(lái)，可能也會(huì)有很多做這種人形機(jī)型本體的廠家，將本體做的很好。而像我們這樣的公司，可以在人形機(jī)器人上，構(gòu)建我們的工業(yè)應(yīng)用。
我們目前的技術(shù)布局，已經(jīng)在具身控制器這塊布局了未來(lái)兼容足式機(jī)器人的架構(gòu)，我們目前看不到人形機(jī)器人在工業(yè)場(chǎng)景有太好的應(yīng)用，但不代表未來(lái)沒(méi)有，我們會(huì)持續(xù)關(guān)注提前布局。
比起機(jī)器人的形態(tài)，我們更關(guān)注具身智能技術(shù)在工業(yè)領(lǐng)域規(guī)�；涞氐穆窂脚c節(jié)點(diǎn)。我們認(rèn)為“一腦多態(tài)”是具身智能落地工業(yè)場(chǎng)景的最佳形態(tài)，再通過(guò)集群化的協(xié)同交互，可以實(shí)現(xiàn)工業(yè)企業(yè)生產(chǎn)效率和效率的提升。
