“機(jī)器人是人工智能和物理世界交互的最優(yōu)化選擇之一，能夠復(fù)現(xiàn)人工智能積累的信息和數(shù)據(jù)，在生產(chǎn)、教育、裝配、交互及危險場景等領(lǐng)域發(fā)揮作用�！鄙虾＝煌ù髮W(xué)博士生導(dǎo)師、上海人工智能研究院首席科學(xué)家、上海智元新創(chuàng)技術(shù)有限公司聯(lián)合創(chuàng)始人閆維新在“2024（第五屆）科創(chuàng)先鋒大會暨產(chǎn)業(yè)創(chuàng)新跨區(qū)域協(xié)同發(fā)展圓桌會議”上表示。
上海交通大學(xué)博士生導(dǎo)師、上海人工智能研究院首席科學(xué)家閆維新
11月13日，2024澎湃科創(chuàng)先鋒大會暨產(chǎn)業(yè)創(chuàng)新跨區(qū)域協(xié)同發(fā)展圓桌會議在上海成功舉辦。本次大會由澎湃新聞主辦，南通市科技局、南通報業(yè)傳媒集團(tuán)協(xié)辦，上海臨港集團(tuán)、江蘇啟東呂四港經(jīng)濟(jì)開發(fā)區(qū)特別支持，同時特別鳴謝陽光保險集團(tuán)的支持。大會以“科創(chuàng)向新，共促提質(zhì)”為主題，旨在匯聚政府領(lǐng)導(dǎo)、產(chǎn)業(yè)領(lǐng)袖、學(xué)術(shù)專家及科創(chuàng)生態(tài)鏈的知名人物，共同探討科技創(chuàng)新與產(chǎn)業(yè)協(xié)同發(fā)展的新路徑，為推動經(jīng)濟(jì)社會的高質(zhì)量發(fā)展貢獻(xiàn)力量。
在論壇上，閆維新展示了人工智能技術(shù)的巨大潛力，分享了通用人工智能技術(shù)在機(jī)器人領(lǐng)域的最新應(yīng)用成果，并探討了未來機(jī)器人產(chǎn)業(yè)的發(fā)展趨勢。他提到，人形機(jī)器人將具備人類的形態(tài)，對智能化要求更高，并且是多交叉融合的行為，對人形機(jī)器人而言或者對機(jī)器人而言涉及電子、機(jī)械、硬件、軟件、人工智能等。而基于此，未來機(jī)器人產(chǎn)業(yè)的發(fā)展將會帶來產(chǎn)業(yè)的變革。
以下是演講全文：
我給大家進(jìn)行一次交流，關(guān)于人工智能和機(jī)器人，機(jī)器人是建立人工智能和整個物理世界的一個最優(yōu)化的選擇之一，可以將之前的人工智能所積累的知識，通過機(jī)器人來復(fù)現(xiàn)，處理在生產(chǎn)、教育、裝配、交互，特別是危險場景中很多人不太喜歡的、在危險環(huán)境中難以勝任的一些事情。
下面是我本人博士、博士生導(dǎo)師在機(jī)器人應(yīng)用領(lǐng)域涉及過的若干項目。這是一個最早做的跟烹飪相關(guān)的機(jī)器人作業(yè)單元，是做漢堡包的。它通過軌跡規(guī)劃完成整個工藝流程，在整個過程中對整個烹飪工藝進(jìn)行解析，解析完之后凝練出做若干個動作的元素，通過機(jī)器人復(fù)現(xiàn)，20秒鐘左右一個漢堡包可以做出來。冬季奧運(yùn)會的機(jī)器人餐廳就是類似的方案，當(dāng)時的漢堡包、炒、蒸、燒等烹飪機(jī)器人方案都是我參與設(shè)計的。當(dāng)時根據(jù)表面的情況判斷烹飪情況，這也是用傳統(tǒng)工具來做炸薯條，就像人一樣，原材料出來之后就直接倒進(jìn)油鍋，它沒有辦法應(yīng)對突發(fā)情況，早先的人工智能還沒有參與機(jī)器人餐飲領(lǐng)域，當(dāng)時的機(jī)器人泛化性有限，魯棒性有限，很多突發(fā)情況做不了。
人工智能實(shí)際上推動了人形機(jī)器人產(chǎn)業(yè)，為什么會有人形機(jī)器人這么火爆？一個是工業(yè)機(jī)器人和協(xié)作機(jī)器人夯實(shí)了關(guān)鍵零部件的基礎(chǔ)。第二個是大語言模型的出現(xiàn)讓人機(jī)交互成為可能，同時這種思路為大樣本、大算力情況下的具身智能垂類模型的出現(xiàn)奠定了基礎(chǔ)，可以將人形機(jī)器人完成早先難以完成的、具備一些自主決策的工作，它將是未來產(chǎn)業(yè)再造基礎(chǔ)的牽引，我思考過一件事情，就是新能源汽車的存在，是對原有的汽車的一個增量、升級，而人形機(jī)器人是有望重塑整個產(chǎn)業(yè)鏈布局。
第一個是柔性制造方向，包括焊接、噴涂等，都可以在工業(yè)機(jī)器人上做，但是很多是與裝配類、柔性相關(guān)的，枯燥乏味的場景還有很大的空間。第二是特種替身方面，這是我最看好的。我去了一趟廣州南方電網(wǎng)的盾構(gòu)機(jī)現(xiàn)場，廣東不像上海，上海沖積平原，地質(zhì)比較單一，但是到了廣東，當(dāng)通過人口更換刀頭的時候，一旦造成失衡，很容易造成人員傷亡，危險場景替代是現(xiàn)有人形機(jī)器人或者現(xiàn)有機(jī)器人具身智能或者遠(yuǎn)程操作最有機(jī)會的情況。第三個是教學(xué)科研。
現(xiàn)在是第四代機(jī)器人，第四代通用機(jī)器人相當(dāng)于是一個機(jī)器人本體能夠在某些領(lǐng)域完成比較通用的泛化能力，人也是不一樣的，有的人像劉翔可以跑得特別快，有的人腦袋特別好，機(jī)器人本體也是不同的構(gòu)型，只是在某一大類上面可以做到通用性。第二個觀點(diǎn)，人形機(jī)器人今后下工廠，而工業(yè)和協(xié)作機(jī)器人在已有工廠上的智能化升級比人形機(jī)器人落地更早，因為這種情況下只用在原先的基礎(chǔ)上增加了感知、算法、算力之后，其實(shí)能夠完成很多以前難以完成的工作，所以通用人形機(jī)器人、通用人工智能不是只賦予人形機(jī)器人，而是對所有具備操作能力的機(jī)器人賦予一定的自主規(guī)劃、自主決策、自主執(zhí)行能力。
到2028年之后，第四代機(jī)器人將會有比較大的發(fā)展，去年是人形機(jī)器人的元年，今年是小批量的應(yīng)用落地，我們也在做若干的試驗，包括分揀、PTC工作，在我們的更高算力的情況下，在樣本空間更大的情況下，在整個應(yīng)用利用垂類模型更豐富的情況下，我們將會在2028年之后邁向第四代整個機(jī)器人的時代。
整個國內(nèi)外機(jī)器人化的發(fā)展情況，我們國內(nèi)做得很早。最早是我們覺得人形機(jī)器人是科研領(lǐng)域用的，后來發(fā)現(xiàn)，用兩三萬美金完成一個人形機(jī)器人及其背后的具身智能處理能力是可行的。江浙滬地區(qū)基本可以找到機(jī)器人所需要的零部件，但在算力部分我們是有差距的，同時國內(nèi)也有公司在做相應(yīng)的算力部署，在樣本方面我覺得是我們最大的優(yōu)勢，海量的應(yīng)用空間，尤其是江浙滬長三角這邊應(yīng)用的整個包羅性可以為機(jī)器人應(yīng)用落地提供大量的機(jī)會。
人形機(jī)器人將具備人類的形態(tài)，對智能化要求更高，并且是多交叉融合的行為，對人形機(jī)器人而言或者對機(jī)器人而言涉及電子、機(jī)械、硬件、軟件、人工智能，其實(shí)這個事情今后的發(fā)展情況會帶來產(chǎn)業(yè)的變革，產(chǎn)業(yè)變革會分為幾個方面。
第一是可認(rèn)知能力，它會越來越聰明，另外是辨識，高效高速開發(fā)能力，增強(qiáng)迭代能力、大量的制造能力和超低成本的國產(chǎn)化制造能力，在五個技術(shù)方面進(jìn)行重大突破，計算、運(yùn)控、能源、驅(qū)動和整個結(jié)構(gòu)，尤其是我的本體。
目前來說，to B汽車產(chǎn)業(yè)為例，在一些復(fù)雜場景中還是由人工完成，而現(xiàn)有的工業(yè)機(jī)器人基本上不具備這種能力，包括整個機(jī)器人的自主決策能力、觸覺和視覺的交叉融合感知下的任務(wù)執(zhí)行能力，對于這種情況下，車廠大量需求這樣的工種，對于人形機(jī)器人而言，它會有一定的空間。
有一個想法，大家一直覺得我們的腿真的是很完美的嗎？其實(shí)除了腿以外，輪子其實(shí)也是很完美的，針對足式來說，在外高動態(tài)特性以及比較需要強(qiáng)的負(fù)載下的抗擾動力強(qiáng)的情況下，需要剛?cè)狁詈系脑O(shè)計，最后完成機(jī)器人腦的布局，小腦、腦干、大腦，腦干是做每個關(guān)節(jié)速度環(huán)、電流環(huán)以及扭矩環(huán)的控制，小腦是做運(yùn)動控制、步態(tài)控制、上肢的運(yùn)動控制，大腦是做感知決策相關(guān)的。有了這個設(shè)計之后，需要一個端側(cè)算力底座，目前來說國內(nèi)還是比較欠缺的，我們現(xiàn)在還需要努力完成，這種卡脖子卡得非常難受。
人形機(jī)器人算力包括，電關(guān)節(jié)、AI計算和超算中心，這是整個產(chǎn)業(yè)鏈新的布局。這個新的布局之后，我進(jìn)行了深入思考，目前人形機(jī)器人如何被我的人工智能賦予？一個是靈巧操作能力，現(xiàn)在的人形機(jī)器人看起來只是走來走去，它們實(shí)際上能做什么呢？它要干活，靈巧操作能力和具身智能的整個平臺搭建，而對于整個靈巧操作能力來說，靈巧手做了很多年，現(xiàn)在的靈巧手關(guān)鍵在于特定構(gòu)型。
后面我做了一個清單，包括任務(wù)清單，以居家服務(wù)機(jī)器人為主，并且包括提拉端抓按壓等若干個動作進(jìn)行嘗試。之后我再把我的具身智能算法進(jìn)行賦能，完成我的整個感知，加了很多傳感器，而且它能夠做出若干超人的動作，我們?nèi)酥荒茏龅?00到760納米的可視范圍，而機(jī)器人可以在紅外、紫外光譜下進(jìn)行感知。第二個事情是可以像我們的背后也可以加攝像頭，所以這樣的情況下可以做全場景的感知，有可能完成在感知方面超越人的能力，同時在運(yùn)動執(zhí)行方面超越人的能力。
然后我做了一個廚子，我們完成了智能餐廳，把常規(guī)類的烹飪結(jié)合在一起，進(jìn)行一個人形機(jī)器人的應(yīng)用場景搭建，完成了幾個烹飪工藝，之后還有清潔部分，左邊是我們整個對烹飪相關(guān)工具類和整個操作的清單，逐一完成。有了這個之后，我們就要做具身智能，具身智能要完成碳基生命和硅基生命的結(jié)合，它的結(jié)合就是人機(jī)共融模式，用具身智能來賦能人形機(jī)器人，而這個時候需要我們有一個標(biāo)準(zhǔn)的數(shù)據(jù)采集平臺，之后有整個訓(xùn)練集，采集人的動作、環(huán)節(jié)動作，作為樣本、作為模型的建立，建立完之后復(fù)現(xiàn)出來。我們現(xiàn)在發(fā)現(xiàn)一件事情，在一些特定工作訓(xùn)練的時候，萬級以上的數(shù)據(jù)可以大大提高任務(wù)完成的成功率，可以達(dá)到98%，然而長程動作還在攻克過程中。
在建立數(shù)據(jù)采集平臺之后，我們可以展望通用人工智能與通用機(jī)器人的結(jié)合，包括我個人、我參與的公司，包括在上海交通大學(xué)個人想做的事情。第一個，我會做一個數(shù)據(jù)采集平臺，并不簡簡單單是一個遠(yuǎn)程遙操作，而是把機(jī)器人抓取到的物體的力反饋到人類。第二是20度以上的靈巧手，第三是針對人形機(jī)器人做特定的關(guān)節(jié)模組，之后我會做一些串并聯(lián)的混合，包括跟人的姿態(tài)不太一樣的機(jī)器人。其實(shí)已經(jīng)開始了，明年年后大家可以看到，我的研究方向還包括開放型場景的具身智能研究，很多特種行業(yè)，包括危險場景處置，主被動液電混合模式復(fù)雜地形應(yīng)用。
