“人形機(jī)器人太卷了！”2024年世界人工智能大會(huì)的展廳里，時(shí)不時(shí)就會(huì)聽到從業(yè)者這樣的感嘆。

大模型的概念才火了一年多，很多人便迫不及待地把目光投向了人形機(jī)器人，視之為通往AGI（通用人工智能）的必由之路。

去年的人工智能大會(huì)上，人形機(jī)器人還難覓蹤影，但是到了今年，眾多機(jī)器人企業(yè)已然占據(jù)了展會(huì)的半壁江山。展館入口處“十八金剛”的集體亮相，更是吸引大量觀眾駐足。

不過，相比于外界熱炒的“具身智能元年”，從業(yè)者的態(tài)度大都冷靜得多。在多位專家看來，具身智能的訓(xùn)練難度，要遠(yuǎn)遠(yuǎn)大于大語言模型。而人形機(jī)器人的落地應(yīng)用，目前也仍然局限于較為單純的工業(yè)場(chǎng)景。

國(guó)產(chǎn)機(jī)器人本領(lǐng)如何？

除了數(shù)量極多之外，今年參展的國(guó)產(chǎn)機(jī)器人類型也相當(dāng)多樣，既有與真人身高相仿的雙足機(jī)器人，也有側(cè)重負(fù)重能力的外骨骼，以及輪式機(jī)器人、機(jī)器狗等。

這款極其逼真的人臉機(jī)器人，顯然是為了克服“恐怖谷效應(yīng)”。

在展廳內(nèi)，不少機(jī)器人也現(xiàn)場(chǎng)進(jìn)行了能力展示。但是平心而論，它們的運(yùn)動(dòng)能力相比于過去幾年并沒有質(zhì)的提升。

來自宇樹科技的這款機(jī)器狗，能夠現(xiàn)場(chǎng)表現(xiàn)空翻等技巧，引發(fā)陣陣驚呼。

但我們?cè)诂F(xiàn)場(chǎng)也看到，有些品牌的機(jī)器狗在面對(duì)稍微復(fù)雜的場(chǎng)景，例如上下臺(tái)階時(shí)，偶爾也會(huì)失誤。

對(duì)于雙足機(jī)器人來說，受限于運(yùn)動(dòng)能力，下臺(tái)階的步伐與真人存在明顯差異。

經(jīng)典的腳踢機(jī)器人環(huán)節(jié)，工作人員的力道也較為溫柔。

客觀來說，目前人形機(jī)器人與真人還有相當(dāng)大的差距，很難說有什么實(shí)際的應(yīng)用場(chǎng)景。即使早已名聲在外的特斯拉“擎天柱”（Optimus）機(jī)器人，此次也只做了靜態(tài)展示。

而真正體現(xiàn)出技術(shù)進(jìn)步的，更多還是應(yīng)用于工業(yè)場(chǎng)景的機(jī)械臂。

例如，穹徹智能的機(jī)器人，這幾天給不少觀眾喂了黃瓜。

給黃瓜削皮、疊衣服，這些技能的關(guān)鍵在于機(jī)器人對(duì)于空間的理解和力度的拿捏。尤其是疊衣服，這件對(duì)于人來說平平無奇的小事，至今仍然是機(jī)器人面臨的高難挑戰(zhàn)。

由于衣服是柔性物體，尤其揉成一團(tuán)之后相當(dāng)于無數(shù)多個(gè)面的多面體，機(jī)器人能夠面對(duì)隨機(jī)場(chǎng)景，自主判斷折疊的方向和力度，體現(xiàn)了深度學(xué)習(xí)技術(shù)的前沿進(jìn)展。

穹徹智能CEO、上海交大計(jì)算機(jī)系的盧策吾教授，還展示了用這款機(jī)器人刮胡子的視頻，令不少專業(yè)觀眾印象深刻。

銀河通用機(jī)器人(GALBOT)也在現(xiàn)場(chǎng)演示了抓取任意形狀物體的能力。據(jù)介紹，銀河通用的機(jī)器人今年有望與美團(tuán)合作，部署到無人藥店等實(shí)際場(chǎng)景中。

物理世界的訓(xùn)練難題

讓機(jī)器人學(xué)會(huì)刮胡子，意義有多大？答案取決于你對(duì)機(jī)器人抱有多大的期望。

從本質(zhì)上來講，這體現(xiàn)了機(jī)器人對(duì)于物理定律的掌握，這是當(dāng)前大語言模型很難做到的。這也是為什么具身智能被視為通往AGI的必經(jīng)之路。

盧策吾教授關(guān)于柔性抓取的論文，曾獲得機(jī)器人領(lǐng)域的國(guó)際頂會(huì)RSS 的最佳系統(tǒng)論文提名，這是中國(guó)團(tuán)隊(duì)歷史上首次獲得這一成績(jī)。

可以說，刮胡子這件事已經(jīng)代表了中國(guó)和全球機(jī)器人領(lǐng)域的領(lǐng)先水平。在工業(yè)場(chǎng)景，穹徹智能正與新希望、海天等企業(yè)合作，將類似能力用于食材加工。

但如果以AGI為標(biāo)準(zhǔn)，當(dāng)下的機(jī)器人還差得很遠(yuǎn)。

與AGI的區(qū)別在于，像抓取、疊衣服、刮胡子這樣的技能，被穹徹智能稱為“原子技能”，而每一項(xiàng)原子技能都需要單獨(dú)訓(xùn)練。

據(jù)穹徹智能現(xiàn)場(chǎng)工作人員介紹，一項(xiàng)原子技能的訓(xùn)練，需要先由人工借助VR技術(shù)，遠(yuǎn)程操作機(jī)械臂完成重復(fù)任務(wù)，積累一定數(shù)據(jù)后，機(jī)械臂才能通過深度學(xué)習(xí)獲得泛化能力。

這意味著，每一項(xiàng)原子技能的訓(xùn)練，都要額外花費(fèi)人力和時(shí)間。這顯然算不上是通用智能。

目前，穹徹智能正致力于建立更大的原子技能庫AnySkill。盧策吾教授指出，當(dāng)統(tǒng)一模型具備20個(gè)通用技能時(shí)，可解鎖200個(gè)商業(yè)化任務(wù)，100個(gè)通用技能則可以解鎖10000個(gè)商業(yè)化任務(wù)。

但無論能掌握多少技能，只要技能還需要單獨(dú)訓(xùn)練，AGI就無從談起。

那么想要通過具身智能達(dá)到AGI，難度究竟有多大？