編者按：
從 ChatGPT 開始，整個世界都為生成式 AI 瘋狂不已，當大模型開始有能力「像人一樣思考」，那么造一臺真正智能的機器的時代，是否也已經(jīng)到來。
從伊隆馬斯克的特斯拉，再到 OpenAI、微軟和亞馬遜，幾乎所有 AI 巨頭都對人形機器人行業(yè)押下重注。
不過，具身智能在真正進入千萬家庭之前，他們的第一個真正的應(yīng)用場景，反而可能是工廠讓工業(yè)機器人因為 AI 而具備更高的智能，才可能是具身智能發(fā)展起來的根本。而人們頭腦中想象的人形機器人，可能并不是具身智能工業(yè)機器人的最佳形態(tài)。
為此，微億智造科技有限公司 CTO 趙何博士、上海捷勃特機器人有限公司 CTO 賀巖，前者主攻工業(yè) AI+機器人智能控制，后者是專業(yè)的工業(yè)機器人研發(fā)及制造商，兩位深耕在 AI 和機器人領(lǐng)域的專家，從機器人智能的歷史出發(fā)，撰文論述為什么具身智能工業(yè)機器人的時代，已經(jīng)到來。
01「你好，具身智能」
具身智能 ：「探索-利用」的學習范式
具身智能理論根源于「具身認知」(Embodied Recognition)，包括人類在內(nèi)的一切智能體的認知能力是由智能體自身結(jié)構(gòu)決定的，并在此基礎(chǔ)上構(gòu)建自己的世界模型。而這種認知又直接影響智能體的高級心理活動，諸如：推理，決策等。
從認知產(chǎn)生的機制到智能體決策依賴的世界模型，均受制于智能體具體的物質(zhì)形態(tài)。具身智能理論挑戰(zhàn)了包括笛卡爾二元論在內(nèi)的諸多認知理論，建立起了將「身」與「智」統(tǒng)一的理論框架，將智能體和周圍環(huán)境看作一個系統(tǒng)，通過「軀體」與外界環(huán)境進行互動，再從外界對智能體的動作產(chǎn)生的反饋獲取信息，建立對環(huán)境的認知。整個認知過程遵循「探索-利用」（exploration-exploitation）的范式。
具身智能理論強調(diào)了智能體與環(huán)境之間的強關(guān)聯(lián)，「智能」本質(zhì)上是這兩個實體的總和。以建立這個總和為共同目的，具身智能體必須具有一些最基本的通用能力。包括：
空間認知能力
空間認知能力是這個世界里智能體的基本能力之一，這個過程其實是智能體對外部物理世界的實體先進行「解構(gòu)」，然后用抽象的幾何模型在心理層面對外部世界進行「建構(gòu)」的過程。
移動導(dǎo)航能力
如果空間認知能力是智能體對宏觀世界的抽象，那么移動導(dǎo)航能力則是智能體對自身所處的微觀環(huán)境的適應(yīng)。通過「探索-利用」的學習范式發(fā)現(xiàn)知識，積累經(jīng)驗，提高智能，在自然進化中勝出。
具身智能
硬件為「智能」而生
長期以來，人工智能的發(fā)展主要致力于如何在通用的硬件上實現(xiàn)更好的智能，而沒有充分考慮如何以智能需求為導(dǎo)向驅(qū)動新型硬件的開發(fā)。也許，將「硬件為智能而生」提升到具身智能發(fā)展應(yīng)秉持的原則高度并不為過。從近些年的行業(yè)發(fā)展來看，這種趨勢其實已經(jīng)初見端倪。可以預(yù)見，具身智能的發(fā)展會將這一原則擴散到所有硬件的設(shè)計生產(chǎn)中，促使應(yīng)用從「自發(fā)」走向「自覺」。
以具身智能為共同理論基礎(chǔ)的硬件，它們在基本功能的要求上存在共性，歸納起來表現(xiàn)：在多模態(tài)的環(huán)境認知及通過語言、視覺方式的交互能力；智能的任務(wù)學習和理解能力，并基于內(nèi)部世界模型把任務(wù)轉(zhuǎn)化成內(nèi)部結(jié)構(gòu)化表示；在自身軟硬件系統(tǒng)上，實現(xiàn)高度自主的智能決策能力，以應(yīng)對全新、突發(fā)的情況；智能高效的單任務(wù)執(zhí)行能力，基本不需要、或僅偶爾需要非常少量的人工干預(yù)；以及智能的多任務(wù)切換能力。
具身智能理論明確了智能與軀體之間的耦合，論述了智能體和環(huán)境之間的關(guān)系。因此，在設(shè)計具身智能產(chǎn)品時，不能把它從任務(wù)環(huán)境中剝離出來孤立地考慮。
02 你好，具身智能工業(yè)機器人
早期工業(yè)機器人主要用于重復(fù)性、單一性的任務(wù)。隨著新技術(shù)的發(fā)展，逐漸實現(xiàn)自動化，能執(zhí)行更復(fù)雜、精細的任務(wù)。然而發(fā)展到今天，工業(yè)機器人正遭遇技術(shù)發(fā)展瓶頸，面臨成本、復(fù)雜性、靈活性和人機協(xié)作等困難和挑戰(zhàn)。
與此同時人工智能技術(shù)迅猛發(fā)展，深度學習技術(shù)在語音及圖像識別、自然語言處理等任務(wù)上取得了突破性的進展。近兩年多模態(tài)大模型技術(shù)的發(fā)展，更是奠定了實現(xiàn)人機自然交互的技術(shù)基矗「人工智能+」成為積極探索的領(lǐng)域。
一邊是早已發(fā)展成熟、遭遇瓶頸、苦苦尋找新發(fā)展的行業(yè)；一邊是如日中天、帶著變革、顛覆的光環(huán)急于尋找用武之地的新興技術(shù)。人類固有的敏感和直覺告訴我們，歷史到了一個迫切需要將兩者融合的時刻，結(jié)出最驚艷的果實：你好，具身智能工業(yè)機器人！
以具身智能理論作為指導(dǎo)，將成熟的工業(yè)機器人與新興的人工智能技術(shù)融合，誕生了「具身智能工業(yè)機器人」（Embodied Intelligent Industrial Robots, EIIR）。
EIIR 的本質(zhì)：解放「人」超越「人」
EIIR 的生存環(huán)境就是工業(yè)生產(chǎn)環(huán)境。充分考察 EIIR 的生存環(huán)境可以幫助我們識別其應(yīng)該具有的形態(tài)。由此我們可以得出結(jié)論：人形機器人不是 EIIR 的形態(tài)。相對于自然環(huán)境，生產(chǎn)環(huán)境是一個閉合、簡單的環(huán)境。從邏輯上講，「人形」作為開放環(huán)境下的產(chǎn)物天然不會是閉合環(huán)境最佳的軀體形態(tài)。其次，生產(chǎn)環(huán)境是人為設(shè)計制造出來的，如果可以由機器自主完成而不需要人的參與，那么對應(yīng)的生產(chǎn)環(huán)境可以設(shè)計成對機器更加友好，而完全不用考慮人類體形的局限，從而讓生產(chǎn)過程更加高效可靠。
「人形」適配的是人的生存環(huán)境，而非工業(yè)的生產(chǎn)環(huán)境 | 來源：視覺中國
EIIR 需要替代的是人在生產(chǎn)過程中被異化后的投影，不是人的本質(zhì)，更不是人的外形。進一步，EIIR 還需要把替代的人類能力在生產(chǎn)環(huán)境中放大、強化，充分利用 EIIR 作為機器的同時，發(fā)揮出超出人類的性能，使得將人類從生產(chǎn)活動中解放出來成為可能和必要。相比精確的自動化控制，EIIR 可以更好的實現(xiàn)真正的無人化生產(chǎn)，正是因為：
生產(chǎn)場景的不確定性
從定性角度來看，工業(yè)場景在宏觀上是閉合有界的。但在微觀層面，工業(yè)場景下也存在諸多不確定因素，是一個定量上開放的環(huán)境，這就需要有靈巧的智能能力來應(yīng)對這類不確定性。
生產(chǎn)環(huán)境閉合邊界不一
不同的生產(chǎn)任務(wù)都有與之對應(yīng)確定的生產(chǎn)環(huán)境，它們之間閉合的邊界是不一樣的。生產(chǎn)任務(wù)間切換的可能性是開放、近乎無限的，這就要求足夠高的智能水平或在少量人類幫助下，完成這種環(huán)境的切換和適應(yīng)。
標準產(chǎn)品具有標準智能
標準產(chǎn)品具有一定水平的標準智能，使得它在被部署到具體的生產(chǎn)場景時，可以較低的時間、人力成本學會具體的生產(chǎn)任務(wù)，盡可能適用不同的生產(chǎn)場景，使大規(guī)模應(yīng)用成為可能。
EIIR 的模樣：具象化的具身智能
如果對 EIIR 的本質(zhì)沒有太多的疑問，不妨想象一下 EIIR 的模樣。具身智能理論認為智能體由感知系統(tǒng)、運動系統(tǒng)和世界模型三部分組成，這個論述對于 EIIR 仍然適用。為了更好的說明，我們以微億智造的技術(shù)探索實踐為例，進一步展開探討。微億智造作為工業(yè) AI 領(lǐng)域先行者，長期布局「視覺 AI+機器人智能控制」全棧技術(shù)，深耕工業(yè)場景，持續(xù)技術(shù)創(chuàng)新。
感知系統(tǒng)多模態(tài)泛傳感器系統(tǒng)
通過合理選型、配置，輔以高效智能的數(shù)據(jù)算法，建立起比人類強大得多的感知系統(tǒng)，無論是周邊環(huán)境還是 EIIR 自身，都將進行連續(xù)、不間斷的狀態(tài)感知，為決策提供精準的信息。如在工業(yè)檢測中挑戰(zhàn)最大的外觀缺陷檢測領(lǐng)域，微億智造樹立了機器感知的典范：識別和分析對象姿態(tài)和特征，自主生成檢測序列，以高精度的圖像傳感器來追蹤形態(tài)不定、位置不定的缺陷，實現(xiàn)柔性的、超越人類的缺陷檢測能力。并在此基礎(chǔ)上，基于動力學原理進行建模，通過信息反欄認知」自身能力，并實時更新。
通過「感知系統(tǒng)」對環(huán)境及自身持續(xù)采樣，并基于聯(lián)合認知進行決策
運動系統(tǒng)閉環(huán)控制系統(tǒng)
打通、融合上下層系統(tǒng)，實現(xiàn)狀態(tài)反饋和控制的聯(lián)合處理、合并計算，共同優(yōu)化、協(xié)作以滿足靈活、精準、快速的要求。以「關(guān)節(jié)電機」為例，其「視覺伺服」系統(tǒng)由多個控制器、按層級嵌套組合而成，每一層都有自身需要優(yōu)化的控制指標與對象。從整體到局部逐層細化，實現(xiàn)閉環(huán)控制。比如微億智造自研的整套多軸實時控制系統(tǒng)，結(jié)合動力學和運動學算法，計算時間和狀態(tài)最優(yōu)的運動軌跡，并以毫秒級速度閉環(huán)運動控制，以 10 毫秒級別的速度使用圖像模型完成閉環(huán)運動的規(guī)劃。
通過「視覺伺服」實現(xiàn)感知系統(tǒng)與運動系統(tǒng)的閉環(huán)控制
世界模型對生產(chǎn)環(huán)境的總結(jié)和抽象
世界模型是智能體根據(jù)自身結(jié)構(gòu)特點構(gòu)建起來、用于解釋世界的認知框架。它是動態(tài)變化的，智能體與環(huán)境的每一次互動都在不同程度上影響著它。而大模型技術(shù)結(jié)合工業(yè)數(shù)據(jù)又為世界模型提供了一個共享的基礎(chǔ)版本，故且稱之為「基礎(chǔ)世界模型」。當然，這個「基礎(chǔ)世界模型」賦予了 EIIR 強大的理解能力，能夠通過人類習慣的模式與人類進行信息交換。而人類訓(xùn)練 EIIR 的方式也發(fā)生了根本性變化，只需通過自然語言、圖片、視頻、動作示教等，就可與 EIIR 建立起「示教-學習-反攔的互動模式，通過多輪對話將知識進行傳遞。這樣的持續(xù)學習會一直貫穿在 EIIR 整個生命周期里。
通過「基礎(chǔ)世界模型」建立「示教-學習-反攔的互動模式
EIIR 的關(guān)鍵：智能化柔性適配
如何讓標準、通用的 EIIR 產(chǎn)品很快具備執(zhí)行具體生產(chǎn)任務(wù)的能力，或者如何把人類的專業(yè)技能輕便地轉(zhuǎn)移到 EIIR 上，核心在于通過「人機交互」實現(xiàn)「智能化柔性適配」。以 ChatGPT 為例，它第一次在人和機器之間建立起了一種高效的溝通方式，從根本上打破了人機交流的障礙，變革了人機交互范式。
而大模型加持下的 EIIR 將徹底逆轉(zhuǎn)人機關(guān)系。人類可以用自身習慣的方式與 EIIR 溝通，如自然語言、肢體語言、動作、行為示范等，從根本上打破人與機器間的語義隔離。軟件方面，大模型的加持使得 EIIR 具備了快速學習的能力，保證了智能上的柔性。隨著芯片技術(shù)的發(fā)展，軟硬件的功能邊界將變得模糊，「軟件硬化」的趨勢將會越來越明顯。伴隨更強大的運算能力及集成密度，EIIR 的算力密度也將實現(xiàn)質(zhì)的提升。機械構(gòu)型方面，新材料、新技術(shù)的廣泛應(yīng)用將為 EIIR 提供更多不同的外部形態(tài)，甚至根據(jù)任務(wù)的要求實時調(diào)整機械結(jié)構(gòu)。這種能力最忠實地還原了具身智能理論的根本要求，實現(xiàn)了智能和機體最深程度的融合。
03 EIIR，未來已來
EIIR 的誕生和歷史使命就是接管人類社會物質(zhì)資料的生產(chǎn)，為人類的發(fā)展提供持續(xù)的物質(zhì)支持，這也是它唯一的歷史歸宿。作為機器，隨著技術(shù)的進步，EIIR 的發(fā)展勢必將循序漸進。前期階段，它將長期和人類共處在同一生產(chǎn)環(huán)境下。伴隨技術(shù)的發(fā)展，其智能化程度會越來越高，越來越多時候?qū)⒉恍枰c人協(xié)作就可獨立完成任務(wù)。而發(fā)展的高級階段，將會實現(xiàn)真正的「無人工廠」。
到這個階段，工廠、產(chǎn)線的組織形式將完全不同于現(xiàn)在，而人類也將實現(xiàn)從使之異化的物質(zhì)生產(chǎn)中徹底解放出來。這對人類社會的發(fā)展所起的作用是無法估量的，將極大加快人類自我解放的步伐。誠然，這會是一個漫長的過程，但值得我們期待，值得我們努力，因為它終將到來！
