劃重點(diǎn)
01人形機(jī)器人領(lǐng)域的發(fā)展面臨諸多挑戰(zhàn)，包括運(yùn)動(dòng)控制、人工智能融合、數(shù)據(jù)獲取等。
02專(zhuān)家趙明國(guó)認(rèn)為，未來(lái)機(jī)器人應(yīng)結(jié)合人工智能發(fā)展，將其作為一種新的模式，提高自身技術(shù)水平。
03另一方面，趙明國(guó)強(qiáng)調(diào)仿生學(xué)在人形機(jī)器人領(lǐng)域的應(yīng)用，建議工程師把握最基本的機(jī)理，實(shí)現(xiàn)更接近生物系統(tǒng)的控制。
04除此之外，趙明國(guó)指出，人形機(jī)器人應(yīng)用場(chǎng)景包括工廠、養(yǎng)老、家庭服務(wù)等，但當(dāng)前尚無(wú)明確的應(yīng)用場(chǎng)景。
05最后，趙明國(guó)建議大型企業(yè)和國(guó)家隊(duì)攻克技術(shù)難題，組建合適的團(tuán)隊(duì)，逐步實(shí)現(xiàn)工業(yè)應(yīng)用場(chǎng)景。
以上內(nèi)容由大模型生成，僅供參考
人工智能的卓越發(fā)展
源于對(duì)技術(shù)與產(chǎn)業(yè)本質(zhì)的洞察
機(jī)器之心視頻欄目「智者訪談」
邀請(qǐng)領(lǐng)域?qū)＜�，洞悉核心趨�?shì)
深化行業(yè)認(rèn)知，激發(fā)創(chuàng)新思考
與智者同行，共創(chuàng) AI 未來(lái)
2024 年，人形機(jī)器人領(lǐng)域迎來(lái)爆發(fā)式增長(zhǎng)。特斯拉 Optimus 的持續(xù)迭代、OpenAI 對(duì) 1X 的戰(zhàn)略投資，眾多初創(chuàng)公司異軍突起，以及包括 Mobile ALOHA 在內(nèi)學(xué)術(shù)界的不斷創(chuàng)新，共同描繪出一幅激動(dòng)人心的未來(lái)圖景。
技術(shù)進(jìn)步的浪潮固然令人振奮，但保持清醒和冷靜，在開(kāi)放探索的基礎(chǔ)上，審慎選擇最符合時(shí)代需求和技術(shù)發(fā)展規(guī)律的路徑，才是引領(lǐng)人形機(jī)器人走向成熟的關(guān)鍵。
本期機(jī)器之心《智者訪談》邀請(qǐng)到清華大學(xué)自動(dòng)化系研究員、機(jī)器人控制實(shí)驗(yàn)室主任趙明國(guó)教授，從運(yùn)動(dòng)控制的視角看人形機(jī)器人發(fā)展。趙明國(guó)教授在機(jī)器人控制領(lǐng)域有二十多年的研究與實(shí)踐，他認(rèn)為當(dāng)前人形機(jī)器人領(lǐng)域呈現(xiàn)出如春秋戰(zhàn)國(guó)般多元化的發(fā)展態(tài)勢(shì)，這既是蓬勃發(fā)展的象征，也潛藏著方向迷失的風(fēng)險(xiǎn)。
趙明國(guó)教授強(qiáng)調(diào)，「智能人形機(jī)器人」不能只是「智能」和「人形機(jī)器人」的簡(jiǎn)單疊加，而應(yīng)當(dāng)是一個(gè)全新的研究主題和技術(shù)范疇，需要機(jī)器人學(xué)和人工智能兩個(gè)領(lǐng)域更深層次的融合，制造能夠在復(fù)雜環(huán)境中自主適應(yīng)和學(xué)習(xí)的智能體。
對(duì)大模型技術(shù)在機(jī)器人控制領(lǐng)域的應(yīng)用，趙教授認(rèn)為單純依賴(lài)「大腦」解決運(yùn)動(dòng)控制問(wèn)題并不合理。人類(lèi)的運(yùn)動(dòng)控制是一個(gè)復(fù)雜的多層次系統(tǒng)，涉及本體反射、中樞控制和大腦控制等多個(gè)層面。我們需要更深入地研究生物系統(tǒng)的運(yùn)動(dòng)控制機(jī)理，重新思考機(jī)器人控制系統(tǒng)的架構(gòu)，并探索更有效的學(xué)習(xí)和優(yōu)化方法。
趙教授主張技術(shù)的先進(jìn)性并不等同于實(shí)用性，只有與時(shí)代需求和經(jīng)濟(jì)發(fā)展相匹配的技術(shù)，才能真正落地生根，開(kāi)花結(jié)果。例如，維納控制論中的很多思想因?yàn)檫^(guò)于超前而未能對(duì)早期的計(jì)算機(jī)和人工智能起到重大的推動(dòng)作用。
那么，究竟什么樣的技術(shù)路線(xiàn)才能最終勝出？人形機(jī)器人的未來(lái)又將如何演變？點(diǎn)擊觀看視頻，讓我們一同探索。
訪談鏈接：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650941398&idx=1&sn=df7c01e0ecac1cca3dcca11df7166a48&chksm=84e7e3a8b3906abeb08e93ae9eec4c1aacae8c0a5b82d508c2c85668ab6aac561440a634e47f&token=1043832113&lang=zh_CN#rd
訪談文字整理
機(jī)器之心：趙明國(guó)教授好，非常高興您做客機(jī)器之心的《智者訪談》。近年來(lái)，隨著具身智能和大語(yǔ)言模型的迅速發(fā)展，公眾對(duì)于如何實(shí)現(xiàn)智能機(jī)器人的討論熱度空前。今天我們很高興能與您從運(yùn)動(dòng)控制的視角探討人形機(jī)器人的發(fā)展前景。
談及人形機(jī)器人，人們往往會(huì)聯(lián)想到幾家著名企業(yè)，比如專(zhuān)注于機(jī)器人運(yùn)動(dòng)控制和硬件設(shè)計(jì)的波士頓動(dòng)力，以及憑借在人工智能和大數(shù)據(jù)方面的優(yōu)勢(shì)進(jìn)軍人形機(jī)器人領(lǐng)域的特斯拉。
趙明國(guó)：事實(shí)上，在波士頓動(dòng)力之前，日本本田公司就已經(jīng)在人形機(jī)器人領(lǐng)域做出了開(kāi)創(chuàng)性的貢獻(xiàn)。波士頓動(dòng)力主要專(zhuān)注于提升機(jī)器人的運(yùn)動(dòng)控制能力，而特斯拉則依托其在自動(dòng)駕駛技術(shù)和先進(jìn)器件方面的優(yōu)勢(shì)，更多從制造業(yè)和供應(yīng)鏈的角度切入，為人形機(jī)器人的發(fā)展帶來(lái)了全新的思路。這種方法讓許多人認(rèn)為，如果未來(lái)機(jī)器人要實(shí)現(xiàn)大規(guī)模應(yīng)用，特斯拉的路線(xiàn)可能更符合當(dāng)前技術(shù)發(fā)展的趨勢(shì)，因此也有不少企業(yè)選擇追隨特斯拉的發(fā)展路徑。
然而，這并不意味著波士頓動(dòng)力或本田的技術(shù)路線(xiàn)就失去了重要性。我認(rèn)為這些不同路線(xiàn)都有其價(jià)值，因?yàn)榧夹g(shù)的進(jìn)步是一個(gè)漸進(jìn)的過(guò)程，需要一代又一代的積累和發(fā)展。除了企業(yè)的努力，學(xué)術(shù)界也在不斷提出新的理論和方法。目前，許多公司，包括一些創(chuàng)業(yè)團(tuán)隊(duì)，正在嘗試將學(xué)術(shù)界的研究成果與本田、波士頓動(dòng)力和特斯拉等公司的技術(shù)應(yīng)用相結(jié)合，探索新的發(fā)展方向。
當(dāng)前人形機(jī)器人領(lǐng)域的發(fā)展?fàn)顩r，可以比作春秋戰(zhàn)國(guó)時(shí)期，雖然存在幾個(gè)主流的技術(shù)路線(xiàn)，但更多呈現(xiàn)出百花齊放的局面。
01、白馬非馬：智能人形機(jī)器人不只是
智能與人形機(jī)器人的簡(jiǎn)單疊加
機(jī)器之心：眾所周知，運(yùn)動(dòng)控制是建立在明確的運(yùn)動(dòng)學(xué)和力學(xué)原理基礎(chǔ)之上，在數(shù)學(xué)和工程方面具有嚴(yán)謹(jǐn)性。相比之下，人工智能具備自適應(yīng)和自學(xué)習(xí)能力，尤其在處理復(fù)雜問(wèn)題時(shí)，AI 常能發(fā)現(xiàn)人類(lèi)難以想到的解決方案。然而，這種特性也帶來(lái)了可解釋性的挑戰(zhàn)。
波士頓動(dòng)力的機(jī)器人在運(yùn)動(dòng)控制方面表現(xiàn)卓越，同時(shí)也展現(xiàn)了高度的智能。例如，配備機(jī)械臂的 Spot 機(jī)器人在物體識(shí)別和抓取方面表現(xiàn)出色。另一方面，以 AI 技術(shù)見(jiàn)長(zhǎng)的特斯拉在硬件領(lǐng)域也投入了大量資源。您一直強(qiáng)調(diào)將運(yùn)動(dòng)控制與人工智能相結(jié)合的重要性，在發(fā)展人形機(jī)器人方面，我們可以從這些公司的實(shí)踐中獲得哪些啟示？
趙明國(guó)：人形機(jī)器人與人工智能的結(jié)合可以采取多種方式。其中一種是兩個(gè)領(lǐng)域各自發(fā)展，然后將各自的優(yōu)勢(shì)整合。但除此之外，還存在其他途徑。以波士頓動(dòng)力為例，他們?cè)鴱?qiáng)調(diào)專(zhuān)注于運(yùn)動(dòng)控制而不涉足人工智能，但實(shí)際上他們也運(yùn)用了一些智能的方法。不過(guò)，他們的核心在于解決運(yùn)動(dòng)控制問(wèn)題，如行走、奔跑和跳躍等，只不過(guò)在解決這些問(wèn)題時(shí)，他們采用的方法可以是傳統(tǒng)的運(yùn)動(dòng)控制技術(shù)，也可以是智能的方法。
同樣，專(zhuān)注于人工智能的公司在解決智能問(wèn)題時(shí)，也會(huì)使用機(jī)器人作為載體。例如，進(jìn)行對(duì)話(huà)交互時(shí)，可以選擇人形機(jī)器人，也可以選擇智能音箱，這對(duì)智能本身的影響并不顯著，核心問(wèn)題在于能否實(shí)現(xiàn)順暢的人機(jī)交互。
然而，要將人工智能與人形機(jī)器人真正深度融合，就像「白馬非馬」這個(gè)哲學(xué)命題一樣，需要?jiǎng)?chuàng)造出一個(gè)全新的事物。智能人形機(jī)器人必然不同于傳統(tǒng)意義上的智能系統(tǒng)，也不同于常規(guī)的人形機(jī)器人，而是一個(gè)更深層次融合后的獨(dú)立存在。
我認(rèn)為「具身智能」這個(gè)概念較為貼合這種場(chǎng)景。在這種情況下，我們期望機(jī)器人能展現(xiàn)出行為層面的智能，不僅能夠在各種復(fù)雜地形上行走，還能在面對(duì)干擾時(shí)完成任務(wù)，表現(xiàn)出智能化的行為。例如，機(jī)器人應(yīng)該能夠避開(kāi)障礙物，在動(dòng)態(tài)環(huán)境中規(guī)劃路徑，比如開(kāi)門(mén)這個(gè)典型案例，包括應(yīng)對(duì)不同形狀、不同類(lèi)型的門(mén)，同時(shí)能制定策略繞過(guò)中間的障礙物，或者在有其他人同時(shí)開(kāi)門(mén)時(shí)做出規(guī)避或讓步等行為。在手部操作方面，這樣的例子更為豐富，因?yàn)槿祟?lèi)大部分操作都是通過(guò)手來(lái)完成的。
這是一個(gè)全新的研究主題如何讓機(jī)器人展現(xiàn)智能。這需要機(jī)器人學(xué)和人工智能兩個(gè)領(lǐng)域進(jìn)行更深層次的融合，而不僅僅是一個(gè)領(lǐng)域借用另一個(gè)領(lǐng)域的技術(shù)來(lái)提升自身。我們需要將兩者有機(jī)結(jié)合，創(chuàng)造出一個(gè)全新的技術(shù)范疇。
機(jī)器之心：您的觀點(diǎn)非常具有啟發(fā)性，但似乎目前很少有人從這個(gè)角度來(lái)探討這個(gè)問(wèn)題。
趙明國(guó)：這實(shí)際上取決于不同的視角，我只是試圖將問(wèn)題闡述得更加清晰。無(wú)論采用何種方法，要開(kāi)發(fā)出這種新型機(jī)器人，我們需要考慮幾個(gè)關(guān)鍵。
首先是腿部的智能；其次是手部的智能，包括手指和手臂的智能，手臂負(fù)責(zé)運(yùn)動(dòng)，手指負(fù)責(zé)實(shí)際的抓取和操作。在進(jìn)行手部操作時(shí)，腿部通常也在運(yùn)動(dòng)，這需要手足協(xié)調(diào)。除此之外，還有一些全身性的智能，如騎自行車(chē)、攀巖，以及前面提到的開(kāi)門(mén)，這些活動(dòng)強(qiáng)調(diào)全身的協(xié)調(diào)。從運(yùn)動(dòng)能力的角度來(lái)看，有些智能機(jī)器人可能更側(cè)重于腿部功能，有些更注重手部功能，還有一些可能側(cè)重全身運(yùn)動(dòng)，也可能是這三個(gè)領(lǐng)域的不同組合。
在早期階段，我認(rèn)為可以為這三個(gè)領(lǐng)域分別選取一些典型案例作為代表，用它們來(lái)推動(dòng)技術(shù)發(fā)展，并作為標(biāo)準(zhǔn)測(cè)試平臺(tái)。如果一個(gè)機(jī)器人能夠完成特定任務(wù)，就意味著相關(guān)技術(shù)已經(jīng)取得突破，能夠?qū)崿F(xiàn)某些功能了。我們可以從一個(gè)領(lǐng)域開(kāi)始，逐步擴(kuò)展到兩個(gè)，最終實(shí)現(xiàn)三個(gè)領(lǐng)域的突破，然后再考慮實(shí)際應(yīng)用。
當(dāng)然，也有團(tuán)隊(duì)選擇直接從應(yīng)用需求出發(fā)，通過(guò)反向推導(dǎo)來(lái)進(jìn)行開(kāi)發(fā)。目前業(yè)界還沒(méi)有形成共識(shí)，各種方法都有人在嘗試。但從最基本的邏輯看，無(wú)非就是這三個(gè)領(lǐng)域的不同組合。
02、雙足運(yùn)動(dòng)控制難點(diǎn)：
學(xué)習(xí)與優(yōu)化的結(jié)合
機(jī)器之心：您在仿人機(jī)器人雙足步態(tài)控制領(lǐng)域擁有 20 余年的研究實(shí)踐和經(jīng)驗(yàn)，見(jiàn)證了技術(shù)的幾代變遷。雙足控制一直是機(jī)器人研究中的一個(gè)難點(diǎn)，您認(rèn)為目前該領(lǐng)域面臨的主要技術(shù)瓶頸是什么？
趙明國(guó)：這個(gè)領(lǐng)域確實(shí)經(jīng)歷了一個(gè)漫長(zhǎng)的發(fā)展過(guò)程。傳統(tǒng)上，研究者傾向于從仿生角度來(lái)解決這個(gè)問(wèn)題，但由于仿生機(jī)理尚未完全掌握，最初出現(xiàn)的是一些簡(jiǎn)化模型。這些模型雖與人體某些運(yùn)動(dòng)相關(guān)，但并不完全相同，它們借鑒了人體生理學(xué)的某些特征，如倒立擺模型。這些簡(jiǎn)化模型雖然維度較低，但在當(dāng)時(shí)的計(jì)算機(jī)水平下能夠?qū)崟r(shí)完成計(jì)算，因此在那個(gè)時(shí)期是較為有效的選擇。
我們現(xiàn)在使用的許多方法，如模型預(yù)測(cè)控制（Model-Predictive Control，MPC）和全身控制（Whole-Body Control，WBC），都源自上世紀(jì)。我認(rèn)為真正的突破在于 MPC，它引入了對(duì)未來(lái)進(jìn)行預(yù)測(cè)這一非常重要的概念。這一點(diǎn)在人工智能領(lǐng)域也很重要，即基于某些知識(shí)對(duì)未來(lái)進(jìn)行預(yù)測(cè)，兩個(gè)領(lǐng)域在這一點(diǎn)上是共通的。
近期，由于強(qiáng)化學(xué)習(xí)的突破，我們能夠在仿真環(huán)境中進(jìn)行強(qiáng)化學(xué)習(xí)，然后將獲得的策略遷移到實(shí)體機(jī)器人上。這一路徑已被證明是可行的，我認(rèn)為這是一個(gè)相當(dāng)重要的貢獻(xiàn)。現(xiàn)在通過(guò)強(qiáng)化學(xué)習(xí)方法，大多數(shù)初創(chuàng)團(tuán)隊(duì)能在幾個(gè)月內(nèi)讓機(jī)器人完成多種復(fù)雜任務(wù)，比如運(yùn)動(dòng)恢復(fù)和粗糙地面行走，這些任務(wù)在過(guò)去需要大量時(shí)間和資源才能攻克。
目前的仿真技術(shù)能夠支持大部分運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)的仿真。然而，對(duì)于視覺(jué)和其他多種傳感器的仿真，還無(wú)法達(dá)到與人類(lèi)感知相媲美的真實(shí)程度。對(duì)環(huán)境的仿真，尤其是彈性物體的仿真，仍有待改進(jìn)。如果這些方面能夠得到顯著提升，這些工具將大大加速整個(gè)研發(fā)過(guò)程。
就人形機(jī)器人而言，如果僅關(guān)注運(yùn)動(dòng)能力，數(shù)據(jù)獲取可能不是特別困難，或者說(shuō)運(yùn)動(dòng)類(lèi)數(shù)據(jù)具有其特殊性。我個(gè)人認(rèn)為，小規(guī)模數(shù)據(jù)集可能已經(jīng)足夠。但現(xiàn)在面臨的挑戰(zhàn)是，究竟需要什么樣的小規(guī)模數(shù)據(jù)集？這個(gè)問(wèn)題每個(gè)研究者的看法都不盡相同，我認(rèn)為這在很大程度上取決于具體的任務(wù)需求。
2024 年初引發(fā)廣泛關(guān)注的 Mobile ALOHA 項(xiàng)目，沒(méi)有使用仿真，而是通過(guò)遙操作來(lái)獲取真實(shí)場(chǎng)景數(shù)據(jù)，直接解決了對(duì)齊和許多中間環(huán)節(jié)的技術(shù)問(wèn)題。在這個(gè)方向上，研究者會(huì)開(kāi)發(fā)出多種方法來(lái)快速有效地獲取數(shù)據(jù)，這是一個(gè)非常明確的發(fā)展趨勢(shì)。
另一種可能的方向是利用積累的大量視頻資源。如果能直接從視頻中獲得機(jī)器人運(yùn)動(dòng)控制所需的數(shù)據(jù)，將會(huì)是非常有價(jià)值的。舉例來(lái)說(shuō)，中學(xué)生學(xué)習(xí)打籃球時(shí)，很多人會(huì)模仿喬丹或科比，他們通過(guò)觀看視頻來(lái)學(xué)習(xí)，盡管喬丹和科比并未親自指導(dǎo)他們，他們也沒(méi)有這些球星的任何詳細(xì)數(shù)據(jù)。然而，由于機(jī)器的能力水平還無(wú)法像人類(lèi)那樣從視頻中學(xué)習(xí)，我們不得不通過(guò)仿真或遙操作來(lái)獲取數(shù)據(jù)。不過(guò)，對(duì)于完成人形機(jī)器人的某些復(fù)雜運(yùn)動(dòng)來(lái)說(shuō)，遙操作方法可能與完成簡(jiǎn)單任務(wù)（如刷盤(pán)子）還有所不同，需要綜合考慮視覺(jué)等多個(gè)方面。
機(jī)器之心：您提到機(jī)器的能力還無(wú)法像人類(lèi)那樣從視頻中學(xué)習(xí)，具體是指哪些能力呢？
趙明國(guó)：我主要指的是處理數(shù)據(jù)的能力。目前，機(jī)器的視覺(jué)分析能力還不足以從單目相機(jī)拍攝的普通視頻中直接分析出人的準(zhǔn)確三維坐標(biāo)，或者將其轉(zhuǎn)換為所需的數(shù)據(jù)格式。
在人形機(jī)器人領(lǐng)域，目前的重點(diǎn)依然是從仿真中獲取數(shù)據(jù)。在仿真的潛力沒(méi)有被完全挖掘或達(dá)到瓶頸之前，研究者肯定會(huì)集中精力在仿真方面深入探索。但是，當(dāng)任務(wù)發(fā)生變化時(shí)，仿真的局限性就會(huì)顯現(xiàn)出來(lái)，而目前又無(wú)法直接從視頻中獲取所需的數(shù)據(jù)。在這種情況下，像 Mobile ALOHA 使用的方法就非常巧妙，因?yàn)樗鉀Q了數(shù)據(jù)獲取的難題。然而，如果要讓機(jī)器人完成諸如踢足球、打籃球或攀巖等復(fù)雜運(yùn)動(dòng)，遙操作的方法可能就不太適用了。隨著研究的不斷深入，我相信還會(huì)出現(xiàn)許多新的技術(shù)手段，最終很可能會(huì)發(fā)展到能夠直接利用視頻數(shù)據(jù)。
體育院校積累了大量運(yùn)動(dòng)數(shù)據(jù)，如何有效利用這些數(shù)據(jù)也是一個(gè)值得探討的問(wèn)題。我認(rèn)為這在很大程度上受到數(shù)據(jù)采集和分析手段以及算法的影響。但最終的核心問(wèn)題仍然是如何獲得高質(zhì)量的數(shù)據(jù)，以及如何有效利用這些數(shù)據(jù)。這兩個(gè)問(wèn)題都在不斷發(fā)展，但核心邏輯仍然是進(jìn)行學(xué)習(xí)和訓(xùn)練，獲取數(shù)據(jù)，然后利用數(shù)據(jù)進(jìn)行訓(xùn)練，這兩個(gè)基本步驟沒(méi)有改變，但在具體實(shí)施細(xì)節(jié)上會(huì)發(fā)生許多技術(shù)上的變革。目前，技術(shù)發(fā)展速度非�？�，甚至在一周之內(nèi)就可能產(chǎn)生一些新的突破性結(jié)果。
