生成式人工智能正在加速人形機(jī)器人的生長。多模態(tài)的大模型，讓機(jī)器人可以觀察和模仿人類，學(xué)會人類習(xí)慣性的動(dòng)作，開始完成一些簡單的任務(wù)。
技術(shù)、市場與政策一起發(fā)力，催生人形機(jī)器人進(jìn)入量產(chǎn)時(shí)代，比汽車更便宜。人形機(jī)器人將是真正制造業(yè)強(qiáng)國的標(biāo)志。
10月底，工信部發(fā)布《人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見》，謀劃三年，展望五年，將人形機(jī)器人的關(guān)鍵技術(shù)，類比為“大腦、小腦、肢體”。大腦意味著對泛化場景的感知、理解與決策，它的發(fā)展主要依賴于人工智能大模型的進(jìn)展，尤其是多模態(tài)大模型推動(dòng)下的“具身智能”。
所有的生物，都是通過身體體驗(yàn)這個(gè)物理世界，逐步產(chǎn)生智能的。人形機(jī)器人要成為真正的智能體，也要經(jīng)過這一步。這正是大模型與生成式人工智能最熱門的探索方向。
今年，谷歌先后發(fā)布了能理解視覺語言的PaLM-E等多模態(tài)大模型，讓機(jī)器人將視覺轉(zhuǎn)化為行動(dòng)的RT-2；微軟則發(fā)布了“ ChatGPT for Robotics ”，允許人類用熟悉的自然語言對機(jī)器人下達(dá)指令。人類不必過多地標(biāo)注數(shù)據(jù)，機(jī)器人可以更自主地控制自己。
動(dòng)作模態(tài)是具身智能的關(guān)鍵。特斯拉的Optimus能模仿人類動(dòng)作，將連續(xù)的運(yùn)動(dòng)信號內(nèi)化為自己能理解的指令。這些動(dòng)作彼此高度依賴，它根據(jù)上一個(gè)動(dòng)作的輸入，來輸出下一個(gè)動(dòng)作。然后，視覺畫面又給了它反饋，讓它明白自己是否做的到位，是否需要自我糾正。
這讓特斯拉Optimus，距離首次亮相才過兩年，就進(jìn)步迅速。去年的AI日上，它還是由幾個(gè)大漢攙扶著上舞臺，和大家打招呼的。今年上半年，它已經(jīng)可以自己走動(dòng)了；下半年，它還學(xué)會了干家務(wù)，累了還能休息一下，做一個(gè)舒展的瑜伽動(dòng)作。
人形機(jī)器人本質(zhì)是通用機(jī)器人：它可以適應(yīng)多種環(huán)境，執(zhí)行不同的任務(wù)；稍加學(xué)習(xí)，還能做得越來越好。具身智能泛化了人形機(jī)器人的能力。給它一個(gè)你想要的結(jié)果，它就會自動(dòng)處理三維物理世界扔給你的所有細(xì)節(jié)。
通用機(jī)器人還意味著在人類社會即插即用。這個(gè)三維物理世界，是以人類為中心的。人形機(jī)器人的存在，是為了適應(yīng)這些環(huán)境。不像上一代機(jī)器人，為了讓它更好地工作，人類還得花一大筆錢，為它修建標(biāo)準(zhǔn)化的場地，制造專門的工具，甚至還要讓人類離得遠(yuǎn)遠(yuǎn)的。
這就是為什么現(xiàn)有的人形機(jī)器人，身材與造型基本與人類相仿。特斯拉的Optimus身高173厘米，體重57公斤，小米的CyberOne、傅里葉智能的GR-1、Agility Robotics的Digit，也都差不多；宇樹科技的Unitree高高瘦瘦，波士頓動(dòng)力的Atlas更為敦實(shí)。
這不僅讓它們看上去更親切，更讓它與人類社會無縫交互。而且，這也能更好地形成人類與機(jī)器人之間的直接映射，讓訓(xùn)練與反饋更具體。
市場正在探索，擁有了泛化場景的感知、理解與決策的“大腦”的最小可行（MVP）的人形機(jī)器人是什么樣子。一條路線更側(cè)重穩(wěn)健有力的雙足，一條路線更側(cè)重靈巧精密的雙手。兩者都需要負(fù)責(zé)運(yùn)動(dòng)控制的“小腦”與剛?cè)狁詈系?ldquo;肢體”。中國希望到了2025年核心部組件安全可控，到了2027年供應(yīng)鏈體系安全可控。
Apptronik迭代了好幾代只有上半身的人形機(jī)器人；Agility Robotics設(shè)計(jì)過一個(gè)有史以來百米短跑最快的人形機(jī)器人，它只有下半身。它們暫時(shí)不考慮英國Engineered Arts 公司那樣面部表情和肢體語言豐富的人形機(jī)器人Ameca。
還沒到顏值影響機(jī)器人就業(yè)的時(shí)候。在美國勞工部的描述中，大約65%的工種需要移動(dòng)，其中20%需要兩條腿來完成；高達(dá)98.7%的工作，需要靈巧雙手精細(xì)操作。工作世界中幾乎所有的東西，都是為了符合人類雙手工作的具體細(xì)節(jié)而構(gòu)建的。
人形機(jī)器人驅(qū)動(dòng)控制技術(shù)專利占比趨勢
二十多年來，人形機(jī)器人技術(shù)專利的申請量逐步上升，本體結(jié)構(gòu)、智能感知與驅(qū)動(dòng)控制備受重視。專利申請的重心正在逐步從下肢結(jié)構(gòu)與步態(tài)控制，轉(zhuǎn)向手臂結(jié)構(gòu)及其運(yùn)動(dòng)控制，且有進(jìn)一步增加的趨勢。今年很多“具身智能”的演示，幾乎都是機(jī)器臂完成的。“人”就是這樣的生物：大約四分之一的骨頭位于雙手；手指在一生中彎曲和伸展約 25 萬次；手掌共有17,000個(gè)觸覺感受器和游離神經(jīng)末梢。
市場嘗試擁抱人形機(jī)器人。它不知疲倦，沒有人口危機(jī)，長期來看，單位時(shí)間成本更低。繼福特買去研究解決“最后一公里”問題后，今年，亞馬遜也試用了Agility Robotics的人形機(jī)器人Digit。它最大承重16公斤，續(xù)航2小時(shí)，能將空箱子遞給員工，并回收放到架子上。Digit計(jì)劃于2024年量產(chǎn)。第一條生產(chǎn)線是位于俄勒岡州的RoboFab，年最大產(chǎn)能1萬臺。
Digit原型的成本高達(dá)25萬美元。特斯拉希望Optimus成本降至2萬美元。Figure創(chuàng)始人認(rèn)為沒有理由做不到：一個(gè)人形機(jī)器人，大約1000 個(gè)零件，重量70 公斤；一輛電動(dòng)汽車1萬個(gè)零件，重量2000公斤左右。秘訣在于規(guī)模量產(chǎn)。根據(jù)經(jīng)驗(yàn)曲線（Experience Curve），每當(dāng)量產(chǎn)翻倍，成本有望下降至少15%。
特斯拉在電動(dòng)汽車價(jià)格戰(zhàn)上頗有心得，這次也不會例外。人形機(jī)器人技術(shù)與動(dòng)力電池技術(shù)、自動(dòng)駕駛技術(shù)等日益融合，傳感器、芯片等核心供應(yīng)鏈高度復(fù)用。這也是為什么汽車企業(yè)尤為熱衷人形機(jī)器人。除了特斯拉，始祖級的Ashimo來自日本本田，話題級的波士頓動(dòng)力被韓國現(xiàn)代收編；在國內(nèi)，小鵬發(fā)布PX5，比亞迪投資智元，小米則同時(shí)宣布了汽車與CyberOne。
當(dāng)然也需要垂直自研。Figure與宇樹科技都認(rèn)為，現(xiàn)有的適合高速場景的車用硬件，無法在功能上或價(jià)格上，完全適配低速場景的人形機(jī)器人。得益于自研硬件在商業(yè)量產(chǎn)的四足機(jī)器人上的驗(yàn)證，從立項(xiàng)到推出人形機(jī)器人，宇樹科技只用了半年。
只有少數(shù)幾個(gè)國家，具備量產(chǎn)商用人形機(jī)器人的條件。中國是世界上最大的機(jī)器人市場，盡管迄今為止主要是工業(yè)機(jī)器人與服務(wù)機(jī)器人，但更通用的人形機(jī)器人，將替代它們的其中一部分，并在持續(xù)迭代中創(chuàng)造新的增量市常為了服務(wù)這個(gè)高速增長的市場，國際機(jī)器人聯(lián)合會（IFR）稱，供應(yīng)鏈企業(yè)不斷在中國增加產(chǎn)能。此外，應(yīng)用市場的繁榮，為訓(xùn)練“具身智能”提供了更充沛的高質(zhì)量數(shù)據(jù)。
今年以來，中國各級政府正在引導(dǎo)創(chuàng)業(yè)者與投資者抓住機(jī)遇�！度诵螜C(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見》是全球第一部由政府出臺的頂層設(shè)計(jì)文件。京津冀地區(qū)早已行動(dòng)起來。北京設(shè)立100億元規(guī)模的機(jī)器人產(chǎn)業(yè)基金；河北省20億元的機(jī)器人產(chǎn)業(yè)基金成立；唐山成立50億人民幣的機(jī)器人產(chǎn)業(yè)基金。長三角與珠三角地區(qū)也有相應(yīng)政策法規(guī)，那里產(chǎn)業(yè)集群密集，自下而上追逐商機(jī)。
設(shè)計(jì)和商業(yè)化下一代人形機(jī)器人的競賽正在進(jìn)行中。它在人類社會的滲透曲線，將與電動(dòng)汽車相似。特斯拉先后在2008年與2012年開始交付RoadSter與Model S。2024年，將是人形機(jī)器人的“RoadSter時(shí)刻”，賣的不多，但完成了商業(yè)化驗(yàn)證，為2027年的“Model S時(shí)刻”蓄力。這一次，它可能會首先發(fā)生在中國。
主要參考報(bào)告：
人形機(jī)器人技術(shù)專利分析報(bào)告
人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見
WR Industrial Robots 2023
WR Service Robots 2023
RT-2: Vision-Language-Action ModelsTransfer Web Knowledge to Robotic Control
