21世紀(jì)經(jīng)濟(jì)報(bào)道記者雷晨 北京報(bào)道
作為未來(lái)產(chǎn)業(yè)的前沿領(lǐng)域，人形機(jī)器人已成為全球科技和產(chǎn)業(yè)競(jìng)爭(zhēng)的新賽道。
近期，隨著特斯拉、OpenAI、英偉達(dá)等科技巨頭的加碼布局，人形機(jī)器人賽道迎來(lái)空前熱度。
從市場(chǎng)空間看，據(jù)GGII預(yù)測(cè)，2030年全球市場(chǎng)規(guī)模將突破200億美元，中國(guó)市場(chǎng)規(guī)模將達(dá)到50億美元左右。特斯拉CEO埃隆·馬斯克展望，長(zhǎng)期來(lái)看人形機(jī)器人需求量可能達(dá)100億臺(tái)。
那么，如何看待本輪的人形機(jī)器人熱？人形機(jī)器人會(huì)有怎樣的發(fā)展階段？圍繞這些問(wèn)題，21世紀(jì)經(jīng)濟(jì)報(bào)道記者采訪了全國(guó)政協(xié)委員、天娛數(shù)科（002354.SZ）CEO賀晗。
人形機(jī)器人發(fā)展的三個(gè)階段
《21世紀(jì)》：當(dāng)下人形機(jī)器人產(chǎn)業(yè)火熱，背后的原因你怎么看？
賀晗：火熱的背后是技術(shù)跨越帶來(lái)的產(chǎn)業(yè)變革浪潮。今年以來(lái)，大模型技術(shù)與機(jī)器人技術(shù)加速融合、進(jìn)化，使人形機(jī)器人成為具身智能的關(guān)鍵載體，為人形機(jī)器人帶來(lái)了革命性的變革，讓門(mén)檻大幅降低、場(chǎng)景快速增多，催生了“研發(fā)熱”、“應(yīng)用熱”、“投資熱”。
《21世紀(jì)》：目前，雖然產(chǎn)業(yè)火熱，但人形機(jī)器人應(yīng)用場(chǎng)景還比較單一，特別在日常生活中，還替代不了人，缺乏人的適應(yīng)性和場(chǎng)景泛化，技術(shù)的跨越體現(xiàn)在哪里？
賀晗：過(guò)去我們談人形機(jī)器人技術(shù)時(shí)，硬件談的比較多，比如電機(jī)、減速器、滾珠絲杠等，而這次的技術(shù)跨越主要是在人形機(jī)器人大腦和小腦方面，從這個(gè)角度來(lái)看，可分三個(gè)發(fā)展階段。
1.0階段：基于程序控制的演示階段。人形機(jī)器人脫胎于工業(yè)機(jī)器人，加上擬人化的外形，目的在日常生活中進(jìn)行應(yīng)用，過(guò)去大部分人形機(jī)器人行為控制與工業(yè)機(jī)器人一樣，依賴于程序控制，即通過(guò)預(yù)先編寫(xiě)的程序或強(qiáng)化學(xué)習(xí)算法進(jìn)行控制。這些程序通常是由工程師根據(jù)特定的任務(wù)和場(chǎng)景進(jìn)行編寫(xiě)，機(jī)器人按照指令完成簡(jiǎn)單的動(dòng)作演示。雖然強(qiáng)化學(xué)習(xí)技術(shù)在這一階段開(kāi)始應(yīng)用，通過(guò)強(qiáng)化學(xué)習(xí)，人形機(jī)器人能夠在模擬環(huán)境中進(jìn)行大量的試驗(yàn)和探索，通過(guò)與環(huán)境的互動(dòng)和不斷的試錯(cuò)來(lái)改善自身的行為，學(xué)習(xí)到比較復(fù)雜的運(yùn)動(dòng)技能，如行走、跑步、跳躍、踢球等，但其應(yīng)用主要限于固定任務(wù)范圍內(nèi)的優(yōu)化，缺乏自主決策能力，更談不上適應(yīng)環(huán)境。這個(gè)階段的人形機(jī)器人功能比較單一，只能完成一些預(yù)先設(shè)定的任務(wù)，主要應(yīng)用于科技館、展覽會(huì)等場(chǎng)所，作為展示科技成果的工具。例如，在一些科技展覽會(huì)上，人形機(jī)器人可以進(jìn)行特定舞蹈、武術(shù)等表演，吸引觀眾的注意力。由于程序控制的局限性，機(jī)器人的動(dòng)作和行為比較僵硬，缺乏靈活性和適應(yīng)性。
2.0階段：基于大模型的模仿階段。去年以來(lái)，大模型技術(shù)一日千里、加速進(jìn)化，并與機(jī)器人運(yùn)動(dòng)控制技術(shù)開(kāi)始深度融合，特別是在Transformer和Diffusion的快速迭代升級(jí)下，機(jī)器人模仿學(xué)習(xí)技術(shù)有了巨大突破并開(kāi)始流行，如DiffusionPolicy、ACT（ActionChunkingwithTransformer）等。模仿學(xué)習(xí)技術(shù)讓人形機(jī)器人通過(guò)觀察和模仿人類的行為，直接從人類的示范中學(xué)習(xí)動(dòng)作和技能，快速掌握一些復(fù)雜的操作，如穿衣、做飯、打掃衛(wèi)生等日常生活動(dòng)作，以及特定領(lǐng)域的專業(yè)技能，如工業(yè)生產(chǎn)中的零件裝配、醫(yī)療護(hù)理中的簡(jiǎn)單操作等。結(jié)合虛擬仿真平臺(tái)技術(shù)，將模仿學(xué)習(xí)的數(shù)據(jù)在仿真環(huán)境進(jìn)行海量泛化訓(xùn)練，可以更好的提高泛化能力和適應(yīng)性。與強(qiáng)化學(xué)習(xí)相比，模仿學(xué)習(xí)不僅幫助人形機(jī)器人省去了1.0階段中復(fù)雜且耗時(shí)的編程工作，可以零代碼部署、作業(yè)，還避免了強(qiáng)化學(xué)習(xí)中大量的試錯(cuò)過(guò)程，因?yàn)樗苯永昧巳祟愄峁┑氖痉稊?shù)據(jù)，大幅提高了學(xué)習(xí)的效率和數(shù)據(jù)的利用率。與此同時(shí)，視覺(jué)-語(yǔ)言-動(dòng)作（VLA）模型的發(fā)展讓人形機(jī)器人能夠更高效地完成從視覺(jué)、語(yǔ)言理解到推理并生成動(dòng)作的全過(guò)程，將自然語(yǔ)言指令轉(zhuǎn)化為具體行動(dòng)規(guī)劃，并具備一定泛化能力，使人形機(jī)器人成為具身智能關(guān)鍵載體，這是革命性的。
3.0階段：基于海量3D數(shù)據(jù)的智能階段。這是下一步的發(fā)展方向，從被動(dòng)響應(yīng)和執(zhí)行到主動(dòng)感知和決策，是這個(gè)階段的標(biāo)志。核心是海量3D數(shù)據(jù)的喂養(yǎng)，讓具身智能構(gòu)建世界模型，這是真正意義上的具身智能大模型，它能創(chuàng)建對(duì)世界運(yùn)作方式的內(nèi)部表征，并具備行動(dòng)后果的推理能力，從而顯著提升對(duì)真實(shí)世界的感知、推理、執(zhí)行與預(yù)測(cè)能力，使機(jī)器人認(rèn)識(shí)和理解3D世界，并能夠像人類一樣進(jìn)行推理和規(guī)劃，不僅可以適應(yīng)復(fù)雜多變的環(huán)境和任務(wù)需求，更為重要的是，具備自主決策、行動(dòng)與操作能力。同時(shí)，隨著多智能體協(xié)同技術(shù)的引入，未來(lái)，這一方向可能發(fā)展出更加高級(jí)的群體智能算法和多智能體系統(tǒng)，使得具身智能體能夠協(xié)同完成復(fù)雜任務(wù)。
例如，在家庭陪伴場(chǎng)景中，機(jī)器人能夠利用3D空間數(shù)據(jù)理解家庭成員的行為，并通過(guò)世界模型進(jìn)行因果推理。如當(dāng)檢測(cè)到老人在客廳摔倒時(shí)，能夠迅速判斷位置并主動(dòng)聯(lián)系急救人員，同時(shí)采取初步的急救措施。當(dāng)具身智能可以高度智能化的執(zhí)行與人類相同的任務(wù)，則代表我們真正邁入了通用智能時(shí)代。
3D數(shù)據(jù)集：人形機(jī)器人競(jìng)爭(zhēng)“新燃點(diǎn)”
《21世紀(jì)》：所以說(shuō)3D數(shù)據(jù)是人形機(jī)器人發(fā)展的關(guān)鍵資源？
賀晗：是的。3D數(shù)據(jù)對(duì)于提供真實(shí)人物、場(chǎng)景的展示、豐富的交互和決策支持至關(guān)重要，3D數(shù)據(jù)能讓AI對(duì)物理世界人與物的形態(tài)、結(jié)構(gòu)、位置、動(dòng)作有更準(zhǔn)確的理解，可以在三維場(chǎng)景中像人類一樣對(duì)視覺(jué)信息進(jìn)行高級(jí)推理，超越二維視覺(jué)的局限。具身智能大模型極端依賴大規(guī)模、高質(zhì)量的3D數(shù)據(jù)訓(xùn)練。當(dāng)下高質(zhì)量3D數(shù)據(jù)集匱乏是產(chǎn)業(yè)痛點(diǎn)，全球范圍內(nèi)，3D數(shù)據(jù)都處于極端重要，又極端缺乏的狀態(tài)。3D數(shù)據(jù)集正在成為競(jìng)爭(zhēng)的核心節(jié)點(diǎn)。2023年10月，谷歌DeepMind聯(lián)合全球33家頂級(jí)學(xué)術(shù)實(shí)驗(yàn)室共同開(kāi)發(fā)OpenX-Embodiment數(shù)據(jù)集，基于該數(shù)據(jù)集訓(xùn)練了RT-X系列3D多模態(tài)大模型用于人形機(jī)器人。2024年3月，斯坦福大學(xué)、伯克利大學(xué)聯(lián)合全美多家頭部研究機(jī)構(gòu)推出DROID分布式機(jī)器人交互數(shù)據(jù)集，涵蓋3D軌跡、3D場(chǎng)景等。2024年3月，全球著名人工智能專家李飛飛教授領(lǐng)銜、聯(lián)合美國(guó)多所大學(xué)推出BEHAVIOR-1K具身智能數(shù)據(jù)平臺(tái)，涵蓋了50個(gè)場(chǎng)景、9000多個(gè)具有豐富物理和語(yǔ)義屬性的物體。3D數(shù)據(jù)集，在可見(jiàn)的未來(lái)，決定3D多模態(tài)大模型和空間智能的發(fā)展，以及全球科技競(jìng)爭(zhēng)的走勢(shì)。
《21世紀(jì)》：天娛數(shù)科在這方面有什么布局？
賀晗：3D數(shù)據(jù)集的發(fā)展有兩個(gè)痛點(diǎn)，一是3D數(shù)據(jù)的獲取與處理成本高昂、流程繁雜，需要大量的時(shí)間、人力與資金投入；二是3D數(shù)據(jù)的標(biāo)準(zhǔn)化程度低，導(dǎo)致數(shù)據(jù)的兼容性較差，共享和復(fù)用難度大。
為了解決第一個(gè)問(wèn)題，我們?nèi)ツ昱c合肥產(chǎn)投一起戰(zhàn)略投資了芯明。芯明是一家專注空間計(jì)算及人工智能芯片及產(chǎn)品設(shè)計(jì)的高科技企業(yè)，其自研空間計(jì)算芯片是目前全球唯一單芯片集成芯片化實(shí)時(shí)3D立體視覺(jué)感知、AI、SLAM（實(shí)時(shí)定位建圖）的空間智能系統(tǒng)級(jí)芯片，采用12nm制程工藝，具備3.5TOPS的端側(cè)算力，功耗僅為約0.5W，可支持單芯片接入6路傳感器，其產(chǎn)品解決方案已在全球范圍內(nèi)應(yīng)用在泛機(jī)器人、XR、消費(fèi)電子、物流無(wú)人機(jī)、3D掃描等多個(gè)前沿應(yīng)用領(lǐng)域的龍頭企業(yè)產(chǎn)品中，真正實(shí)現(xiàn)了“感算一體、多路融合、空間智能”的功能。與芯明合作后，依托其芯片和模組優(yōu)勢(shì)，我們通過(guò)多種高精度3D掃描設(shè)備，采集3D場(chǎng)景、模型、動(dòng)作等多類數(shù)據(jù)源，大幅降低了3D數(shù)據(jù)采集成本。
為了解決第二個(gè)問(wèn)題，我們?nèi)诤洗竽Ｐ汀?D數(shù)據(jù)集、可視算法，構(gòu)建了空間智能MaaS平臺(tái)，通過(guò)跨類型數(shù)據(jù)的智能解析提高數(shù)據(jù)標(biāo)準(zhǔn)化程度和易用性。目前模型與多項(xiàng)算法已完成中央網(wǎng)信辦生成式人工智能服務(wù)備案。平臺(tái)目前擁有超80萬(wàn)組3D數(shù)據(jù)、35萬(wàn)組多模態(tài)數(shù)據(jù)。今年10月份，我們采集加工形成的“人形機(jī)器人空間動(dòng)捕長(zhǎng)程數(shù)據(jù)”、“大場(chǎng)景空間感知模型重建數(shù)據(jù)”等5個(gè)3D具身智能數(shù)據(jù)集正式在北京國(guó)際大數(shù)據(jù)交易所完成數(shù)據(jù)資產(chǎn)登記，通過(guò)數(shù)據(jù)信息的核驗(yàn)、合規(guī)審查、登記備案等環(huán)節(jié)，成為全國(guó)首個(gè)完成資產(chǎn)登記的3D具身智能數(shù)據(jù)集。未來(lái)，天娛數(shù)科將在模型訓(xùn)練、數(shù)據(jù)集拓展、平臺(tái)性能優(yōu)化等方面持續(xù)努力，不斷深化AI+3D技術(shù)競(jìng)爭(zhēng)優(yōu)勢(shì)。
《21世紀(jì)》：你對(duì)中國(guó)人形機(jī)器人產(chǎn)業(yè)發(fā)展有什么建議？
賀晗：一是加快標(biāo)準(zhǔn)制定與完善，包括硬件接口標(biāo)準(zhǔn)、軟件通信協(xié)議標(biāo)準(zhǔn)、3D數(shù)據(jù)集標(biāo)準(zhǔn)、性能標(biāo)準(zhǔn)等，確保不同企業(yè)的產(chǎn)品之間能夠?qū)崿F(xiàn)更好的兼容性和互操作性，同時(shí)大力推動(dòng)標(biāo)準(zhǔn)國(guó)際化。
二是加強(qiáng)復(fù)合型人才培養(yǎng)，目前人形機(jī)器人領(lǐng)域懂機(jī)械、自動(dòng)化、程序控制的很多，懂大模型、具身智能的很少，兩者都懂的少之又少，建議在高校中設(shè)置具身智能相關(guān)專業(yè)或方向，加強(qiáng)多學(xué)科交叉融合，增加實(shí)踐教學(xué)環(huán)節(jié)，培養(yǎng)學(xué)生的跨學(xué)科思維和實(shí)際動(dòng)手能力。
三是鼓勵(lì)通用平臺(tái)建設(shè)，建立從硬件到軟件、從底層到應(yīng)用層、從模型底座到3D數(shù)據(jù)集的多層次具身智能通用平臺(tái)架構(gòu)，鼓勵(lì)企業(yè)、高校和科研機(jī)構(gòu)等各方在平臺(tái)上進(jìn)行技術(shù)研發(fā)、應(yīng)用創(chuàng)新和資源共享，形成良好的產(chǎn)業(yè)協(xié)同創(chuàng)新氛圍，降低創(chuàng)業(yè)門(mén)檻，避免重復(fù)“造輪子”，加速具身智能技術(shù)的推廣應(yīng)用和產(chǎn)業(yè)化進(jìn)程。
本文鏈接：對(duì)話天娛數(shù)科CEO賀晗：3D數(shù)據(jù)集，人形機(jī)器人競(jìng)爭(zhēng)“新燃點(diǎn)”http://www.sq15.cn/show-2-9709-0.html
聲明：本網(wǎng)站為非營(yíng)利性網(wǎng)站，本網(wǎng)頁(yè)內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會(huì)到餡餅，請(qǐng)大家謹(jǐn)防詐騙！若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。
上一篇： 兩項(xiàng)重要團(tuán)體標(biāo)準(zhǔn)正在制定！事關(guān)數(shù)據(jù)資產(chǎn)管理及入表