8月21日，2024年世界機器人大會在北京正式開幕，與以往最大的不同在于，今年是人形機器人參展企業(yè)最多的一屆 ，共有27家人形機器人整機企業(yè)、30多家產業(yè)鏈上下游企業(yè)亮相。
隨著AI突飛猛進，具身智能成為了今年資本市場上最熱的領域之一，那些曾經僅存在于科幻電影中的機器人，正離現實生活越來越近，變得“看得見、摸得著”。
在開幕前后，也有多家機器人公司發(fā)布了新產品，比如經緯創(chuàng)投投資的宇樹科技發(fā)布了G1量產版本，起售價為9.9萬元，這款產品在世界機器人大會上首次展出，更強性能、終極外觀，最關鍵的是可以大批量生產了。
宇樹G1機器人身手敏捷，不僅可以空中劈腿，還可以自由地上下樓梯，輕巧敏捷
英偉達科學家Erwin Coumans迫不及待想搞一臺來做實驗
智元機器人則是一口氣發(fā)布了五款商用人形機器人產品，包括3款適用于不同場景的遠征系列（A2、A2-W、A2-Max），2款模塊化機器人系列產品（靈犀X1和X1-W，后者面向專業(yè)數據采集）。
星塵智能則發(fā)布了新一代AI機器人助理Astribot S1，這款產品也在2024世界機器人大會上正式亮相。
星塵智能的機器人助理Astribot S1，正在烘烤華夫餅
今天隨著人形機器人越來越走進現實，也迎來了群雄逐鹿的時刻，但技術路線仍不確定、應用場景皆有可能。 經緯創(chuàng)投在幾年前就系統(tǒng)性地關注通用智能機器人賽道，在機器人軟硬件一體化領域，投資了宇樹科技、智元機器人、銀河通用、星塵智能 ，它們都是優(yōu)秀的全技術棧型創(chuàng)業(yè)公司，但各自的技術切入方向并不相同，切入的應用場景也不盡相同，有工業(yè)、倉儲物流、零售、生物制藥等等場景。短期目標都是快速占領各自的應用場景，誰先把一個細分場景做好，積累出足夠多的數據，就有可能繼續(xù)拓展新的延展領域，最終走向通用化。
除了機器人軟硬件一體化外，在產業(yè)鏈上游的兩個重要方向（數據、一體化關節(jié)） ，經緯創(chuàng)投也投資了AI仿真數據領域的光輪智能 ，正在為行業(yè)提供海量的高真實性、高效用性的訓練數據；而在一體化關節(jié)/執(zhí)行器領域，經緯則投資了鈦虎機器人 ，鈦虎有非常高效和全面的產品系列，覆蓋了從靈巧手到全身上下的所有關節(jié)……
相比于AI大模型，人形機器人更需要工程層面的實踐與突破。 比如1990 年出生的王興興，并不是履歷亮眼的學霸型創(chuàng)業(yè)者，他是一個典型的理科偏才。“大家可能覺得很多頂尖院校的人很厲害，但實際上大家都是普通人，在機器人這個行業(yè)里，很多人只做軟件，完全沒碰過硬件，而硬件是實踐出來的，你知道就是知道，不知道就是不知道。” 宇樹科技創(chuàng)始人兼CEO王興興說，在大學時代他就發(fā)現，只要集合最好的零部件，并且用上最先進的軟件，就可以做出一個更好產品，組合式創(chuàng)新。
與王興興有著類似的經歷，鈦虎創(chuàng)始人易港是一位95后，早在大學宿舍就搞起了3D打印機和焊臺，大一就做出了假肢原型機，還在中美創(chuàng)客大賽中獲獎；大二又做出了一套主從式外骨骼，手部擁有17個自由度。他總結自己為什么能在大學時期的很多獎項中，打敗名校的參賽項目，最核心的就是自己的產品“看得到、摸得著、能體驗，對社會有直接價值，而不是漂亮的PPT。”
隨著AI大模型的突破，今天的人形機器人，正越來越逼近臨界點。 有越來越多之前不敢想的任務，如今都可以實現了。特別是隨著“世界模型”的提出，機器人的真機數據越來越具備實用價值。
“下一個十年，最值得做的就是人形機器人。” 星塵智能創(chuàng)始人來杰說，他曾是騰訊RoboticsX機器人實驗室的一號員工、百度“小度機器人”團隊負責人，在去年底離職創(chuàng)業(yè)。
“人工智能的黎明已經迅速臨近，我預計在明年年底之前，全球至少會有一家公司能夠推出相對通用的機器人AI模型 ，發(fā)展速度之快令人矚目。” 王興興說，“我在年初提出了這一觀點，至今仍然堅信，明年年底實現這一目標是非常有可能的。”
一、“軟與硬”的結合
不同技術路線、不同應用場景，逐鹿方始
今天的機器人與以往最大的區(qū)別在于，隨著AI的爆發(fā)，智能泛化能力大幅加強，這讓通用機器人成為可能。 傳統(tǒng)機器人并不需要對外界自主響應，所以這是一個自動化設備，不斷地重復之前預設的程序。而現在有了智能泛化能力的突破，甚至只需要語音控制，機器人就能實現新功能，這是從自動化到智能化的底層轉變。
而AI大模型的能力，不僅體現在規(guī)劃層面，也開始進入感知和控制環(huán)節(jié)，機器人發(fā)展了50多年，第一次出現這樣由學習算法驅動、以及一個非常大的預訓練模型來推動控制環(huán)節(jié)的變化，這也是過去一年里，我們看到技術層面最大的突破。
“最終我們會有大腦大模型、小腦大模型，一起把本體串起來，構成一個通用機器人系統(tǒng)。” 北大-銀河通用具身智能聯合實驗室主任王鶴說。他認為，通用機器人應該由基石層和能力層支撐，在基石層最關鍵的是去打造一個通用的本體，數據依賴于本體，本體也決定了它能產生什么樣的數據，兩者相互綁定。基于本體和數據，進而發(fā)展出機器人能力，主要是“大腦”和“小腦”，前者主要解決感知和決策問題，后者把大腦的感知和決策轉換成動作。
比如智元機器人也遵循了這樣的思考邏輯。“稚暉君”彭志輝從華為離職創(chuàng)業(yè)后，與上海交通大學博士生導師閆維新，組建了創(chuàng)始團隊，其中閆維新負責人形機器人的“身體”，彭志輝負責人形機器人的“大腦”。“過去，他們在工作中有一些交集，創(chuàng)始人（彭志輝）提出這個想法之后，大家一拍即合。”
遠征A1，是智元機器人的第一代產品，已于去年8月亮相。其步行速度為7公里/小時，依靠視覺傳感器和多線激光雷達可自主避障。它的靈巧手有5根手指，能像人類一樣抓取物品。應用場景專注于工廠、生物實驗室、家庭護理與陪伴等。
而一年之后，8月18日上午，智元機器人一口氣發(fā)布了“遠征”與“靈犀”兩大家族共計五款商用人形機器人新品：交互服務機器人遠征A2、柔性智造機器人遠征A2-W、重載特種機器人遠征A2-Max、智元X-Lab孵化的首個全棧開源機器人靈犀X1、專業(yè)數采機器人靈犀X1-W。
智元在發(fā)布會現場，搭建了一個攝影棚，機器人當場秀了一次在語音指令下，動手調飲料的操作
對于機器人這樣，離不開硬件做最終執(zhí)行的賽道，“軟硬一體”的能力尤其重要，像宇樹科技、智元、銀河通用、星塵等等公司都非常重視這一思路。 如果我們看電動車與自動駕駛行業(yè)的歷史，2015年第一批電動車創(chuàng)業(yè)公司創(chuàng)立至今，在這個過程中，自動駕駛創(chuàng)業(yè)公司的數量，并不少于電動車創(chuàng)業(yè)公司。但在今天，單純做自動駕駛的創(chuàng)業(yè)公司基本上都處于掙扎狀態(tài)，鮮有獲得業(yè)務突破，哪怕曾經獲得過巨額融資。
但從電動車企的角度，不僅“蔚小理”等一眾新興電動車企崛起，先有了“硬件”、產生數據閉環(huán)，再切入自動駕駛，反而有很大的業(yè)務進展，各家的城市NOA越來越智能。如果一個行業(yè)離不開硬件支撐，并且這個硬件仍處于快速迭代期，單純做這行業(yè)的軟件是要冒極大風險的。
類似于新能源汽車核心的三電系統(tǒng)，彭志輝將機器人的核心系統(tǒng)分為：動力域（電機關節(jié)、伺服控制、電源管理）、感知域（傳感器模塊、感知算法）、通信域（網絡接口、數據傳輸協議、中間件框架）、控制域（通用算力、AI算力單元、運控算法、具身算法）。
“整個機器人其實是一個軟硬件極其復雜的系統(tǒng)，既涉及到內部各個硬件模塊的協同和部署，同時也需要軟件跟算法高效配合。” 彭志輝說。
另一方面，雖然最終的目標是通用化，但在當下早期的發(fā)展階段，機器人的產品定義并不明確。 由于勞動力和任務需求是多元的，人形機器人公司短期內也不會只有唯一的巨頭，將會有很多公司圍繞不同細分市場，走不同的技術方向，積累該場景下的數據護城河，這種“條條大路通羅馬”的局面會維持一段時間。
一些公司選擇把主要精力放在機器人的“上半身”。 比如銀河通用選擇的落地場景是無人值守藥店（特別是夜班），其首代產品蓋博特機器人，“下半身”就采取了輪式底盤+折疊本體的設計。之所以采取這樣的設計，首先因為輪式底盤在零售場景里，已經完全可以覆蓋絕大部分應用。而折疊的設計，往上可以摸到2.4米，可以覆蓋最高的貨架，機器人可以拿到所有貨物。
往下也可以摸到地面，比如當有產品不小心掉到地面上時，機器人也可以自己撿起來。這些都是目前機器人的雙腿結構，比較難解決的問題，而在當下集中精力先研發(fā)“手”，可能能夠率先實現應用價值。
星塵智能創(chuàng)始人來杰則將自己的機器人產品定義為“助理” ，輔助人，而非替代人。首要的場景就是那些腦力勞動更多，但卻經常陷入一些重復操作的事情上。最典型的例子就是生物醫(yī)療和化學實驗，這些都是需要高智力勞動，但卻繞不開重復操作的領域。此時一個合格的機器人助理，可以解放這些教授、博士們雙手，他們只需要設計實驗，而所有操作都可以讓機器人準確無誤、不分晝夜的去完成。如果給一位生物教授配10個機器人助理，他用于創(chuàng)造的時間甚至可以翻幾倍。
來杰也非常重視“軟硬一體”的能力。 得益于在騰訊RoboticsX機器人實驗室的經歷，他非常重視架構，“我們與騰訊RoboticsX機器人實驗室的架構就很相似，一半主攻機器人軟硬件一體化，另一半強調用AI算法去做感知和運動控制，以此來探索AI和機器人的強耦合。”
星塵融合了觸覺感知進行力控抓取，并結合規(guī)?；瘮祿C合訓練 ，包括人體動作視頻演示、動捕、遙操作采集等方案。來杰非常重視傳動結構中的剛、柔結合 ，也裝入了一些傳感器以在傳動過程中，能一直監(jiān)測力的傳輸。比如機器人在削黃瓜時，星塵的機器人并不是去估算軌跡，而是與人類一樣，通過感知削皮刀在壓到黃瓜上時，力量的大小，來控制力量的輸出，這種特殊的傳動結構，能使精度更上一層樓。
“當下，離我們想要的具身智能之間，還有兩個重要的Gap（差距）沒有解決。”星塵智能創(chuàng)始人來杰說。
第一個Gap是AI大模型和機器人之間 ，有時候一些問題的產生，并不是單純靠擴大數據規(guī)模，或是算法就可以解決，而是需要在機器人層面去進行提升，這是硬件帶來的。
第二個Gap是在硬件本身的表達能力足夠的前提下，AI如何更好地結合硬件的能力。 比如說AI是否可能完全自主地進行學習和嘗試？假設有一個機器人在辦公環(huán)境下，它本來什么都不知道，只知道一些基礎動作，然后讓它自己去建語義地圖，自己去理解環(huán)境，自己去觀察其他人的操作，然后把所有動作學會，這就跟我們人類很像。當然，這也是Yann LeCun所提出的“世界模型”。
彭志輝在最近的發(fā)布會上，對整個具身技術成熟度等級，做了從G1-G5的劃分，這類似于自動駕駛的L1-L5：
“我們在過去一年里，同時在G2落地和G3預研兩個方向，都取得了一些階段性突破。在G2階段實現了一系列zero-shot和few-shot的一些通用原子能力，比如通用的位姿估計模型UniPose。目前也正在與多家制造業(yè)和服務業(yè)領軍企業(yè)，進行聯合的場景POC，今年晚些時候有望全流程跑通，讓機器人能夠正式在客戶場景中部署干活。” 彭志輝說。
二、“大部分人對社會的成本結構一無所知”
硬件與中國供應鏈
低成本是人形機器人大規(guī)模運用的前提。 今年5月，宇樹在發(fā)布G1人形機器人時，把最低售價打到了9.9萬元。但這款機器人的參數一個不差，身高約127厘米，體重約35公斤，具有超越常人的靈活性，小跑速度大于2m/s，擁有廣闊的關節(jié)運動空間，23至43個關節(jié)，最大關節(jié)扭矩達到120N.m，可進行高難度的動態(tài)動作。比行業(yè)整體便宜80%的售價，再一次成為人形機器人領域的焦點。
“大部分人對社會的成本結構一無所知。” 王興興說，“低成本的原因其實很簡單，以前很多學術或公司主要靠去買工業(yè)電機，但它們很大、很貴、很重，所以做出來的效果也不太好。但我后來發(fā)現，其實可以對航模電機加以改造，所以后來的電機驅動器全是我自己做的，可以做到很小很便宜，再結合最新的運動控制技術，就可以把整體性能做得非常好。其實整個社會大部分創(chuàng)新，是組合式創(chuàng)新，我們需要把各個行業(yè)的一些想法、技術組合做新的實踐，保證它是最前沿的，其實你就可以實現很多目標。”
G1采用3指力控靈巧手，通過力位混合控制，能模擬人手的各種精準操作
在2013年-2015年讀研究生期間，王興興沒什么資源和資金，卻做出了一款當時特別火爆的產品XDog，拿到上海機器人設計大賽二等獎，這幾乎是他一個人從頭設計硬件、控制算法，自制驅動電機做出來的。相比之下波士頓動力的四足機器人，還是純液壓方案，雖然性能不錯，但是很大、很貴、很重，那時候純電機驅動方案還是比較領先的。
“在制造成本方面，我甚至認為機器人其實與家里的電風扇本質是一樣的，都可以通過各種方法將成本做到極致。”王興興說，他認為大部分產品都可以分為“材料成本+加工成本”，如果能優(yōu)化整個流程，找到合適的加工方法，其實可以省很多錢。
與王興興讀研期間做了XDog類似，鈦虎創(chuàng)始人易港也在大學時期，東拼西湊了4-5萬元，在大學宿舍里買了3D打印機和焊臺，自學3D建模和編程，模仿德國骨科隱形冠軍企業(yè)奧托博克的產品，制作出了一款假肢原型機，并在中美創(chuàng)客大賽中獲獎。
“做機器人，充滿了工程方面的問題，很多時候不是憑智商，而是看你對這個東西是不是真的感興趣，能不能去一點點鉆研，嘗試各種各樣的方法去解決技術難題，而且還要在一定的量產與成本可控的條件下。”易港說。如今，鈦虎主攻高性能一體化關節(jié)/執(zhí)行器，延展到輕量級協作機械臂、人形機器人/外骨骼、靈巧手等，其產品主打高扭矩密度、體積小、重量輕，具備無框電機、減速器、驅動器、編碼器自研設計能力，擁有機器人所需要的所有關節(jié)，可以說是最為全面的產品線。
如果從更全局的角度來看，人形機器人最核心的是軟件+執(zhí)行器，軟件負責感知和決策，本質上與自動駕駛類似，都需要先感知環(huán)境，然后做路徑規(guī)劃和決策。 而在硬件層面，也就是機械設計層面，最關鍵的就是執(zhí)行器，它相當于機器人的“關節(jié)和肌肉”，讓機器人可以做出各種動作，尤其是人形機器人，它的執(zhí)行器數量要遠遠高于傳統(tǒng)工業(yè)機器人，也是人形機器人的設計難點和重要成本項。
如果我們按功能拆解特斯拉Optimus Gen2的BoM成本，按Morgan Stanley的分析
“按分部”與“按功能”劃分BoM成本
如果只看機器人的硬件成本，其中占比最大的就是一體化關節(jié)， 它集成了伺服電機、驅動器、減速器和一些控制模塊等。在傳統(tǒng)工業(yè)機器人中，這些伺服電機、驅動器、減速器等部件并不需要太集成，它們可以在空間上各自分立，通過各種線纜和連接件進行連接，體積重量大。但人形機器人不可能這么做，而一體化關節(jié)/執(zhí)行器的定位，就是在設計層面，將它們集成為一體化，實現更小體積、更輕重量、更強扭矩性能。
鈦虎的關節(jié)產品
人形機器人還有一個特殊的核心零部件——靈巧手。 它高度仿人手，是人形機器人執(zhí)行動作的最終零件，十分重要且復雜，面臨的最大難題是要在極小的空間內，驅動自由度極多、配備功率密度高、控制精度高的電機，對其性能要求極高。
比如特斯拉Optimus機器人，和人手一樣同樣使用5個手指，擁有11個自由度，拇指采用雙電機驅動彎曲和側擺，其它四指各用一個電機帶動。電機采用蝸桿傳動機構的目的，與腿部直線伺服如出一轍，采用機構自鎖降低能耗。為追求形態(tài)美觀及自適應性，手指采用拉線的傳動機構，擁有負重20磅（9KG），和自適應抓?。軌蜃ト〔煌螤睢⒊叽绲奈矬w）的能力，可完成搬運、澆花等動作。這基本上就復制了人類手掌的功能設計。
4年前，易港還自主研發(fā)了一款靈巧手，“我也沒想到這款產品在今天那么受歡迎，如今回頭看，其實這是現在三大主流結構中的一個，我們當時為了做假肢，結果相當于開創(chuàng)了一個結構派系。”
在靈巧手的傳動結構中，有奧托博克式的直線推桿方案，這個方案在2008年就實現了量產。另一種主流結構是拉繩式，類似于模仿人體的筋腱，拖一根繩子來傳動。還有一種鈦虎的專利，基于平行齒輪、錐齒，再加上三連桿的結構。“如果從美觀度、抗沖擊性、裝配難易程度、成本等各個方面來看，第三種方案有其優(yōu)勢。”易港認為。
鈦虎的靈巧手產品
機器人上半身的發(fā)展，直接決定了它現在能做什么。 當然靈巧手的設計和應用并不容易，在這項技術成熟之前，采取夾爪（“兩爪”、“三爪”）的方案也未嘗不可，需要有選擇性。比如銀河通用在便利店場景的實際應用中，給機器人裝上了吸盤和夾爪兩種末端執(zhí)行器，機器人可以自主決策需要用哪個，例如在需要拿礦泉水瓶時，夾爪就可以完成任務，但在抓取零食時，吸盤會更合適。
同時，銀河通用還在針對靈巧手展開研究，因為面對過寬（夾爪的夾距有限）或光滑的物體，以及柔性物體（比如晾曬衣服，需要用衣架把衣服插起來）、復雜場景（擰瓶蓋）時，靈巧手或許才是終極解決方案。
相比于AI大模型，在人形機器人領域，硬件的快速迭代也有很重要的影響。 拿電動車產業(yè)舉例子，傳統(tǒng)燃油車至少需要三年時間的研發(fā)、七年時間的全球銷售，才能收回成本開始盈利。但現在中國的智能電動車企業(yè)，已經能做到兩年就迭代一個平臺，因為如果不能在兩年之內迭代一個平臺的話，這個車型無論是在智能化方面，還是在續(xù)航里程方面就都跟不上。在光伏產業(yè)也類似，每隔幾年就會有一個重要的技術迭代。一個新產線如果不能在兩年之內實現產能交付，基本上也會被淘汰。
而機器人硬件水平每迭代一次，很多核心性能都會躍升一個臺階，而這恰恰是中國供應鏈的優(yōu)勢。 比如減速器、電機的升級，對精度、力控都有決定性影響，這能極大升級機器人的可操作性。一旦研發(fā)成熟，到達制造環(huán)節(jié)，根據大多數制造業(yè)的規(guī)律，每當產量翻倍，成本將會降低10-30%，這在光伏和鋰電池行業(yè)中，均有所體現。
“展望未來，整個機器人產業(yè)鏈，很可能比現在的汽車產業(yè)鏈更高一個量級。” 易港說。
三、“人形機器人比自動駕駛更缺數據”
真機數據、仿真數據與機器人的數據饑渴癥
“數據是AI下一個發(fā)展階段的最大助推力，但真實世界的數據是遠遠不夠的，這需要仿真數據來彌補。” 光輪智能聯合創(chuàng)始人兼COO楊海波說，“我們認為很快就能找到Scaling Law，那么機器人也將很快變成數據驅動，這也是我們做仿真合成數據的初衷。”
GPT-3.5之所以能產生劃時代的突破，核心在于Scaling law，而這離不開數以百億的訓練數據。訓練AI大模型的數據在互聯網上容易獲取，但對于機器人來說，直接可用的數據幾乎為零。
能否獲得高質量且足夠便宜的數據，是當下制約機器人發(fā)展的瓶頸，也是拉開公司之間競爭的重要手段。 前車之鑒是Everyday Robots，它曾是谷歌的明星獨立項目，但在今年2月被谷歌因成本控制而解散，并入谷歌其他部門。
造成Everyday Robots成本高昂的一個重要原因，就是數據采集成本過于昂貴。OpenAI曾經也有一個機器人部門，但后來放棄了，問題也出在數據收集上。
為什么采集成本這么高？主要是因為Everyday Robots基于真實環(huán)境來收集數據。谷歌為了訓練PaLM-E，用了13臺機器人，收集了17個月，才拿到足夠的數據量，如果是在更復雜的工業(yè)場景，數據采集成本會更高。
機器人的遙操作
“目前對于人形機器人來說，主流的數據獲取手段分為兩種：一種是真實數據，另一種是仿真數據。” 楊海波認為。
真實數據就是構建一個采集數據的基地，在里邊搭建相關設備，比如遙操作、動作捕捉等等，比如家庭場景里的做飯，捕捉方方面面的動作數據，然后再對合并數據進行一些泛化，以及清洗，最終給到模型。
仿真數據則是完全在模擬器中進行的。首先用虛擬建模的方式，把環(huán)境場景搭建起來，然后再把機器人虛擬化放進去，形成一個動態(tài)的場景。這里面的一切物體，建模都要盡量接近真實，比如需要做一個蘋果，那就要制作出大量不同的具體形態(tài)，比如不同的光照條件、不同的位置條件、不同的摩擦力情況等等。
從這樣動態(tài)場景提取出來的數據，其實是一張張類似于“圖片”的數據集，在這些“圖片”上也需要補充針對性的標注，再給到機器人公司做算法訓練。這個訓練過程，就有點像特斯拉在訓練FSD時，拿人類司機的真實駕駛視頻訓練。
仿真數據最核心的要求，就是盡可能的接近真實，真實度、泛化度都是重要指標。 如何符合物理規(guī)律，是目前的一個難點，比如一個物體是軟還是硬，這就需要更復雜的參數設計。
由于仿真數據多數是通過視覺，訓練過程往往是，首先需要判斷出來這個物體是什么材質，比如是個杯子，然后再去設計多大的力量，這個過程也可以加入大語言模型的能力。但這與在機器人的傳動結構中，加一個力觸覺是不同的技術方向。
所以，仿真數據與遙操作各有優(yōu)劣 。遙操作的優(yōu)勢在于，在將采集到的數據用于訓練機器人后，這一項任務的成功率會很高。但劣勢也很明顯，機器人的能力缺乏泛化性。
比如在特斯拉訓練機器人分揀電池的例子中，就是通過人類帶著VR眼鏡，去遙控操作機器人采集而來的。通過這種方法訓練出來的機器人，幾乎只會重復遙操作時的動作，比如把一個電池放到三乘三的盒子里，但當你把電池換成礦泉水瓶，同時將盒子換成更大的四乘六時，機器人就不知道怎么辦了，這時候就又需要重新進行遙操作再去訓練。在沒有形成海量數據的時候，每做一個新動作都非常吃力，數據采集成本很高，并且難以在短時間獲取大量數據。
與遙操作對比，仿真數據的優(yōu)劣勢幾乎相反。 首先可以用低成本生產海量數據，同時機器人在經過訓練以后，能力是泛化的，因為可以仿真制造一系列所需要的場景和交互，以使機器人可以解決各種問題。
當然，仿真數據的劣勢也很明顯，問題主要出在仿真還不夠接近真實，當把通過仿真數據訓練的機器人用在真實場景中時，存在一定的失敗率，比如在抓取任務中，因為光照、環(huán)境等各種因素的改變，機器人可能以為抓到了，但其實沒抓到。
提高數據規(guī)模，嘗試將大模型訓練中的Scaling Law，應用在機器人仿真訓練數據中，可能是準確率不足的解決之道。
在王鶴看來，他在一開始嘗試用仿真數據時，也遭遇了準確率不足的問題。不過他很快意識到，當時只用了一個百萬級的數據集，如果把規(guī)模擴大會怎樣？
“我們自己的實驗發(fā)現，比如在抓取這個任務上，在用靈巧手抓取沒有見過的、隨機亂放的物體時，在有十億次抓取數據的情況下，機器人的成功率能到 86%，如果數據量縮到萬分之一，也就是 10 萬次抓取時，成功率就只有 58%。這說明具身智能也有清晰的 scaling law，它對數據有更大渴求。”王鶴說。
“傳統(tǒng)的仿真是以測試為中心的，而為具身智能服務的仿真，則是需要以訓練為中心。”光輪智能CEO謝晨說，他認為好的仿真數據首先要有自我真實性、效用性評測能力，如果沒有這些，仿真數據也很難讓客戶的算法有所提升。謝晨曾在英偉達負責自動駕駛仿真，國際首創(chuàng)將生成式AI融入仿真，從0-1開發(fā)落地仿真數據，后選擇回國創(chuàng)立光輪智能。
“仿真數據不會取代真實數據，而是放大它。” 他認為終極的Data for AI，會是真實的人的示范數據，與仿真數據能力的乘積。
==========================
過去10年，AI給太多行業(yè)帶來過希望和失望。而今天的人形機器人，正越來越逼近臨界點。 雖然機器人至今沒有清晰的產品形態(tài)，但經緯創(chuàng)投看到每一家機器人創(chuàng)業(yè)公司都在嘗試各自的應用場景，像已經投資的四家機器人軟硬件一體化公司（宇樹科技、智元機器人、銀河通用、星塵智能），再配合著產業(yè)鏈上游的核心一體化關節(jié)（鈦虎機器人）、仿真數據（光輪智能），都在不同場景下有非常好的應用。
這一波人形機器人公司的短期目標，都是快速占領各自的應用場景，誰先把一個細分場景做好，積累出足夠多的數據，就能建立護城河，再去拓展新領域，最終走向通用化。
而機器人的發(fā)展離不開硬件。與歐美市場對比，經緯創(chuàng)投看到國內很多初創(chuàng)公司的硬件迭代能力，比海外要快很多，成本控制能力更好，在某些硬件細節(jié)方面超越了海外同行。
全球化幾乎是中國通用機器人公司的必選戰(zhàn)略，且與電動車行業(yè)不同，其在全球化中遇到的障礙會更小。 其中一個原因是，幾乎沒有一個國家具備有規(guī)模的機器人產業(yè)，此時出海不會沖擊當地的產業(yè)結構，只要產品質量和應用體驗足夠好，出海溢價可能達到國內的5倍以上，這將為中國通用機器人企業(yè)提供廣闊的國際市場。
人形機器人能發(fā)展到今天的位置，來之不易。“我記得在2016年的時候，那時我還在百度，有一次參加完一個NLP的會議，結束之后充滿了挫敗感，感覺好像這輩子都看不到真正的應用，你也不知道那時的投入到底是不是對的。”星塵創(chuàng)始人來杰回憶，“但我也經常反思，從我過去十幾年對未來的預判里，我發(fā)現AI和機器人整體的發(fā)展速度，又是大大超出我的預期了。短期內你永遠會看到很多困難，但這么多聰明的頭腦，其實在解決一個又一個問題，產生了一個又一個技術突破，就像有一只巨大的手在促使這個行業(yè)往上升，這給我?guī)砗艽蟮哪芰?，讓我一直堅守在這個行業(yè)里。”
“技術是一個日新月異的事兒，你無論是在做你的老本行，還是做一件新事，你都有可能明天就被更新的技術給‘卷’了，AI和機器人行業(yè)尤其如此。與其說按兵不動，還不如主動的去創(chuàng)造變化。” 光輪智能創(chuàng)始人兼CEO謝晨說，“所以在我看來，現在的創(chuàng)業(yè)成本其實比之前要低太多了，因為現在不變的成本太高了。 ”
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
