NE时代

◎ 机器人会干活，还差什么？

△ 撰文：董志洋

在第二十六届中国国际工业博览会上，中国工程院院士、之江实验室主任、阿里云创始人王坚向工业企业提出了一项倡议：把工业数据拿出来，让做机器人的企业有机会使用，让模型能够学习工业现场积累的经验。

这场以“云端与端侧智能博弈·人形机器人产业落地”为题的深度对话，还邀请了宇树科技创始人、董事长兼CEO王兴兴，以及禾赛科技联合创始人兼CTO、Sharpa联合创始人向少卿，讨论涉及计算配置，也深入到了人类操作数据、仿真训练、研发自动化和商业部署。

三位嘉宾谈到的落地工作，从训练阶段就已经开始：让模型学到操作经验，让动作适合机器人的身体，再用实际执行结果继续改进。

进入工厂和门店以后，机器人还要适应现场的业务要求，这又涉及部署工具和使用者的参与。

工业经验，怎样进入模型

王坚谈工业数据，起点是他对这一轮AI能力变化的理解：从理解语言，到理解、编写代码，模型的用途发生了重要变化。

在他看来，人们容易把这些进展打包成自然发生的能力升级，却忽略了从语言走向软件所带来的产业影响，他希望工业数据也能在语言和代码之外，成为模型的重要学习资源。

王坚把仍分散在企业内部的工业数据，比作锁在各自抽屉里的资源。他以文本和代码解释自己的判断，没有互联网，文本会分散在个人手中，没有开源社区，代码也会留在程序员的电脑中，难以成为模型可以利用的资源，而工业企业积累的数据同样需要有机会进入模型训练。

这项倡议讨论的是工业企业怎样参与AI能力的形成，提供工位，让机器人试着完成任务，是一种参与，让模型有机会学习企业积累的工业经验，则涉及更早的训练环节。

王坚关心的是工业数据能否获得与语言、代码相近的重视，让机器人企业能够利用这些经验发展模型能力。

王兴兴随即回应，AI需要数据，而不同企业仍有保密要求。

人的动作，不能直接照搬

向少卿把机器人学习所需的数据排成了一个顺序：人类操作数据、仿真数据、真机数据。

他以瓶盖和容器为例，人知道怎样用手拧开盖子，也知道盖子是否盖好，会影响容器倒下后会不会漏水，操作中既包含对世界的认识，也包含对自己身体的认识。

这些经验可以帮助机器人开始学习，动作却还要适应机器人的身体。向少卿指出，即使外形接近人，机器人的构型和底层运行方式仍与人不同，因此应当学习操作背后的道理，再以人类动作和数据为起点，在仿真中进行强化学习，寻找更适合机器人的动作方式。

仿真的另一项作用是数据增广，人类数据每增加一部分，都需要投入相应的采集人力，仿真则可以继续扩展场景、增加变化。

在向少卿的解释中，前一项工作让动作适合机器人，后一项工作扩大训练中接触到的情况，两者共同发挥仿真的价值。

机器人还需要进入真实环境，通过遥操作或真机强化学习获得实际交互经验，继续处理仿真与现实之间的差异。

王兴兴对此有更贴近本体的关注，他强调测试反馈和人工评分的重要性，尤其希望把机器人与物理世界接触时，最后几个毫米、乃至零点几个毫米的操作做好，通过真实执行经验提高成功率。

向少卿将这些数据共同参与、让机器人持续学习的过程理解为自进化，三类数据在学习逻辑上递进，对应的基础设施、开发和部署则需要并行开展。他认为，人类数据积累到足以提供较好的初始经验后，后续更多数据可以来自仿真和真机，起步时缺少人类操作经验，则会影响仿真找到合适动作的效率，也使真机难以运行起来。

接触信息也进入了Sharpa的产品设计，W02灵巧手比上一代更轻巧，具备全掌触觉，D01采用移动底盘，强调操作时的稳定性、负载、手臂速度和精度，并在身体与手臂上覆盖触觉。

向少卿解释，人除了使用手指，也会借助身体夹持或推动物品，机器人进入日常环境后，需要感知这些接触，这也关系到操作安全。

AE01负责帮助客户采集带触觉的真机操作数据，CraftNet则利用AE01采集的数据和互联网数据，与W02、D01配合完成灵巧操作。向少卿介绍的产品包括三款硬件和一个模型，采集设备记录操作经验，灵巧手和机器人执行动作，模型利用数据学习操作。

AI迭代，谁来评结果

王兴兴谈“物理AI自进化”，首先拆解了机器人模型研发中的人工流程：程序员提出想法、编写代码和训练模型，再交给测试人员，测试结果返回后继续修改。在他看来，语言和多模态模型公司的研发自动化已经提供了参照，机器人研发中这些需要反复交接的工作，也可以让AI更多参与。

在他设想的流程中，AI编写代码、训练模型，再部署模型并进行自动测试，获得人工或AI的评分后，继续下一轮迭代。

这样，测试结果可以回到模型研发中，用于下一轮修改，原先由研发人员和测试人员反复交接的工作也有机会自动完成。

目前仍需要人参与打分，王兴兴列出的评价包括动作是否好看、成功率是否高，以及结果是否符合人的实际要求。他预计，随着系统积累更多人的经验，人工参与程度会逐渐下降，现阶段则仍需由人判断执行效果。

算力，先看任务怎么分

模型部署到机器人上，首先要面对机身里的工程条件，王兴兴列出了空间、电池供电和发热散热的限制，高算力卡即使能够提供更多计算，也未必容易装进机器人。

机器人安装的计算资源相对固定，云端则便于按需增减和调度，宇树因此提供按客户需求选配算力的方式，而不是给每一款机器人都配置大量高算力硬件。

他进一步区分了不同任务，当前一些运动能力对AI计算量的要求并不特别高，更广场景下的决策和泛化能力则更需要计算支持。他倾向于将适合的计算放到云端，同时也认可把模型做小、放到端侧运行，具体配置要与机器人需要承担的任务相配合。

向少卿强调，机器人与物理世界实时交互，必须及时完成计算并作出动作。因此，他把时延与计算规模并列考虑，预计未来三至五年，大量思考仍会在云端完成，对时延要求严格的运动执行则留在端侧。

在十年以后的设想中，他又加入了部署规模的影响：如果机器人进入大量家庭，云端计算和传输带宽会承受更大负担，同时本地计算能力也在提高，更多运算可能转回端侧。他的短长期判断随机器人数量和计算条件而变化，动作对及时响应的要求则始终存在。

王坚则把讨论前提放在模型和任务上，工厂在这轮AI变革以前已经有机器人，谈计算需求时，需要先说清是在讨论哪一种能力、使用什么模型。他强调基础模型训练需要大量计算，也认为本地能力会继续增强，云端与端侧的分工应随需求调整，在什么地方能够做好相应的工作，就在那里部署计算。

换个场景，谁来完成适配

王兴兴介绍，团队把大模型放到不同机器人上执行不同任务，已经看到了较好的测试效果，这让他对具身智能后续进展更加乐观。他判断临界点快的话可能在一两年内出现，工业和商业服务都会推进，商业服务甚至可能更快，但就当前工业应用而言，国内外企业已有试点，进一步扩大应用仍需提高泛化性和效率。

王兴兴也提出，应在个人生活和公司工作中更多使用AI：“现在我个人对AI的信仰反而与日俱增，过去十几年我犯的最大错误就是对AI还不够相信。到现在可能很多人还没有充分使用或者拥抱AI。”

向少卿则用Sharpa与DQ的合作解释实际应用的要求，机器人在没有为它改造的环境中持续工作，是他强调的进展。在他的理解中，泛化要求机器人去适应新的环境，持续工作又是后续采集真实经验、改进模型的基础。

下一步，Sharpa希望在餐饮、零售、宾馆三类商业场景合计部署三万台机器人。从DQ门店走向更多场景，向少卿期待具备基础能力的机器人，能够通过少量数据采集和训练，适应新的工作。

这项适配工作可以由企业主等使用者参与，向少卿强调，他们不必是AI专家，但应当熟悉现场的业务运营，能够使用企业提供的工具，进行少量采集和训练，让机器人在自己的场景中工作。

总的来看，王兴兴关注的泛化性和效率涉及机器人的任务表现，向少卿则进一步提出了部署要求：工具要让熟悉业务的人能够参与训练。

王坚认为，机器人正处于快速迭代期，今天和明天的形态不断变化，容易让人觉得尚不成熟，但发展速度已经超出他的预期，中国制造能力下的机器人本体质量也不应被简单否定。他不赞成用展品与产品二分评价这个行业，更关注怎样继续加快迭代。

王坚以GPT与聊天结合的探索说明，应用的选择同样需要创造力，早期的反复尝试也有价值。 他期待找到机器人真正擅长、完成后能够改变行业的任务，让技术与需要解决的问题结合。

【往期推荐】

-END-