從1927年西屋公司粗糙的Herbert Televox到如今特斯拉的Optimus原型機(jī)，人形機(jī)器人的探索之路已經(jīng)走了近100年，這其中既有人類對(duì)“造物者”身份的迷戀，也承載了人類對(duì)科技的終極想象。人們?yōu)橹V迷、熱情高漲，反對(duì)、警惕之聲也隨之響起……

在產(chǎn)業(yè)智能化升級(jí)浪潮中，機(jī)器人需求不斷攀升，究竟是什么在吸引著大企業(yè)和資本紛紛入局？國產(chǎn)機(jī)器人在這條賽道上走得如何？喧囂之下它會(huì)淪為企業(yè)宣傳的噱頭嗎？澎湃號(hào)·湃客科技欄目特約優(yōu)質(zhì)創(chuàng)作者，推出《人形機(jī)器人“卷土重來”》專題，加入這場(chǎng)關(guān)于未來的探討。

作者| 互聯(lián)網(wǎng)那些事

系列策劃 | 王恒婷

本文為 澎湃號(hào)·湃客科技 × 互聯(lián)網(wǎng)那些事 聯(lián)合出品

人類對(duì)于人形機(jī)器人的想象一直在變。

1984年，科幻迷卡梅隆把自己的一個(gè)夢(mèng)境搬進(jìn)電影，開創(chuàng)了《終結(jié)者》時(shí)代，施瓦辛格扮演的人形機(jī)器人鋼筋鐵骨，飛天遁地。

2009年，卡梅隆再次圓夢(mèng)，在《阿凡達(dá)》中塑造了“腦機(jī)接口”的新機(jī)器人，將人類智力注入遙控的生物身體中，下身癱瘓的前海軍戰(zhàn)士通過頭戴式設(shè)備，操控人造的混血機(jī)器人阿凡達(dá)。

他指出了人與機(jī)器人，在未來世界共存的另一種可能性。

時(shí)間來到2021年，特斯拉首次亮相了人形機(jī)器人“擎天柱”O(jiān)ptimus，2022年，雷軍在個(gè)人年度演講中拋出王炸“全尺寸仿生人形機(jī)器人CyberOne”，它具有聰明的“大腦”、發(fā)達(dá)的“小腦”、強(qiáng)健的“四肢”。

事實(shí)上，人形機(jī)器人除了擁有類人的外形外觀、感覺系統(tǒng)、智能思維方式以外，還具備控制系統(tǒng)和決策能力，最終表現(xiàn)“行為類人”。

在應(yīng)用場(chǎng)景上，除了個(gè)人/家庭機(jī)器人（輔助吸塵、地板清潔、草坪修剪、游泳池清潔、窗戶清潔、家庭安全等）、娛樂休閑機(jī)器人（用于滿足情感需求、教育、陪伴等），還包括商業(yè)機(jī)器人，其應(yīng)用場(chǎng)景主要包括醫(yī)療、物流、農(nóng)業(yè)和其他（包括國防、公共關(guān)系等）。

簡(jiǎn)單來說，主要分為商用場(chǎng)景和個(gè)人/家庭應(yīng)用場(chǎng)景兩大類。

以其中的服務(wù)型機(jī)器人為例。

根據(jù)中國電子學(xué)會(huì)的調(diào)研，其全球市場(chǎng)規(guī)模到 2022 年底預(yù)計(jì)就將達(dá) 159.9 億美元。而在我國，由于人口老齡化趨勢(shì)的不斷發(fā)展，服務(wù)型全尺寸人形機(jī)器人在醫(yī)療和公共衛(wèi)生領(lǐng)域的需求，也將持續(xù)保持旺盛的上升勢(shì)頭。

在使用場(chǎng)景足夠廣泛的背景下，人形機(jī)器人似乎已經(jīng)成為了當(dāng)下資本企圖涉足的領(lǐng)域。但需要注意的是，從核心技術(shù)來看，人形機(jī)器人的“攻城略地”才剛剛開始。 

人形機(jī)器人成熟了嗎？

在智能領(lǐng)域，人形機(jī)器人被譽(yù)為AI的終極形態(tài)。

在早前的8月份，2022世界機(jī)器人博覽會(huì)在北京亦創(chuàng)國際會(huì)展中心舉辦，共有130余家企業(yè)帶來的500余件展品，有30余款全球首發(fā)新品在現(xiàn)場(chǎng)集中發(fā)布。

而這場(chǎng)博覽會(huì)主要是以應(yīng)用需求端為導(dǎo)向，采用“機(jī)器人+應(yīng)用場(chǎng)景”的展覽模式，策劃了“機(jī)器人+醫(yī)療”、“機(jī)器人+物流”、“機(jī)器人+商用”、“機(jī)器人+農(nóng)業(yè)”、“機(jī)器人+建筑”、“機(jī)器人+制造”、“機(jī)器人+礦山”等專區(qū)，匯聚各類場(chǎng)景下的前沿機(jī)器人產(chǎn)品。

2022年8月19日，北京，參觀者在2022世界機(jī)器人博覽會(huì)上觀看機(jī)器狗。

往更具體的方向來說，人形機(jī)器人分為以高精度、穩(wěn)定性為核心要素的工業(yè)機(jī)器人、以人機(jī)交互為核心的協(xié)作機(jī)器人、替代復(fù)雜重復(fù)性工作的服務(wù)機(jī)器人。

就拿Atlas、Digit、Walker、Optimus四款機(jī)器人分析。

其中，Atlas采用的是液壓驅(qū)動(dòng)的控制方法，追求運(yùn)動(dòng)能力上的極致，主要作為科研平臺(tái)，長期則期望在軍事領(lǐng)域發(fā)揮作用。與Atlas不同的是，Digit以電機(jī)驅(qū)動(dòng)，并將重心上移，增加機(jī)器人負(fù)重，致力于物流“最后一公里”的配送應(yīng)用。

而Walker同樣是電機(jī)驅(qū)動(dòng)，并結(jié)合力控，讓機(jī)器人在B端與C端的環(huán)境中均能與人安全交互。就連即將發(fā)布的Tesla Bot也將走電機(jī)驅(qū)動(dòng)的技術(shù)路線，擁有由Dojo超級(jí)計(jì)算機(jī)進(jìn)行神經(jīng)網(wǎng)絡(luò)自動(dòng)訓(xùn)練的“大腦”及人類級(jí)別的四肢，將在2023-2025年被首先用于造車場(chǎng)景。

值得注意的是，當(dāng)下各大企業(yè)研發(fā)的人形機(jī)器人，整體更偏向于“工業(yè)化”方向。從某種角度來看，勞動(dòng)力短缺的重工業(yè)領(lǐng)域，在需求量、價(jià)格等方面往往接受度更高。

但需要說明的是，人形機(jī)器人最后能否成功被不同領(lǐng)域所接受，智能化程度以及運(yùn)動(dòng)控制技術(shù)的發(fā)展具有關(guān)鍵的作用。

目前的人形機(jī)器人，在諸如生產(chǎn)機(jī)械臂裝配等方面，幾乎都在使用著傳統(tǒng)的位置控制。

比較典型的就是機(jī)器人沿著事先規(guī)劃好的軌跡在封閉、確認(rèn)的空間中運(yùn)動(dòng)?；蛘咴谀承r(shí)候，機(jī)器人得到從視覺系統(tǒng)的反饋，這樣就能使得位置控制的機(jī)器人具備一定適應(yīng)外界可變環(huán)境的能力。然而通過實(shí)際規(guī)劃軌跡運(yùn)動(dòng)的機(jī)器人仍然占大部分。

從長遠(yuǎn)的角度來看，未來的機(jī)器人運(yùn)動(dòng)控制領(lǐng)域，必須引入力控，純位置控制是沒有前途的。

舉個(gè)例子，在重工業(yè)領(lǐng)域機(jī)器臂純位置控制是很難精確化的，最明顯的是在汽車外形不規(guī)則拋光、物品使用力度等制造場(chǎng)景上。

另一方面，人形機(jī)器人最終仍然需要往與人交互的層面上發(fā)展。也就是說，需要確保人形機(jī)器人在與人類做物理交互的安全，不能僅依靠純位置控制。

不過，目前國內(nèi)的人形機(jī)器人大多數(shù)還處于初級(jí)階段，從功能上來看近似于一個(gè)會(huì)走路的智能音箱，象征意義比實(shí)用性大。同時(shí)，運(yùn)動(dòng)控制的價(jià)格占比也較高。

據(jù)未來智庫數(shù)據(jù)顯示，在整個(gè)機(jī)器核心零部件生產(chǎn)成本方面，人形機(jī)器人中運(yùn)動(dòng)控制占比接近50%，其中減速器占比22%，伺服系統(tǒng)占比16%，控制器占比11%。

在運(yùn)動(dòng)控制技術(shù)之外，人形機(jī)器人對(duì)環(huán)境感知系統(tǒng)的要求同樣也極高。

目前市場(chǎng)上的機(jī)器人自由度在20-60個(gè)，靈活度相對(duì)而言并不算低。但人形機(jī)器人的自由度再高，沒有結(jié)合環(huán)境感知技術(shù)，很難做到在與人交互時(shí)足夠的“擬人性”。

在環(huán)境感知技術(shù)層面上，無論是定位側(cè)重于情感識(shí)別與交互的小米CyberOne，或是偏向于工業(yè)化的特斯拉Optimus，仍然有待突破。

我們到底需要怎樣的機(jī)器人？

從掃地機(jī)器人一路發(fā)展到如今的人形機(jī)器人，在同樣能夠做一定家務(wù)的前提下，人們更需要一個(gè)多元化的人形機(jī)器人，具備陪伴、聊天、導(dǎo)盲、看護(hù)、娛樂、教育等能力已經(jīng)成為了用戶對(duì)人形機(jī)器人的最終想象。

然而，現(xiàn)在的人形機(jī)器人領(lǐng)域遠(yuǎn)不能達(dá)成用戶的需求。

原因在于，最終能起到?jīng)Q定機(jī)器人人機(jī)交互能力的，主要在于AI算法及軟件平臺(tái)能力。

目前，除了運(yùn)動(dòng)控制模塊受益于自動(dòng)駕駛、工業(yè)機(jī)器人等領(lǐng)域的成熟應(yīng)用外，環(huán)境感知也同樣得益于此，于是相關(guān)硬件商用化進(jìn)程較快。

而在人機(jī)交互模塊，由于算法、算力的限制，在實(shí)際消費(fèi)場(chǎng)景中，實(shí)現(xiàn)高效的人機(jī)智能交互還存在不小的難度。

小米CyberOne就是最好的例子。

雖然在機(jī)器視覺技術(shù)上，小米CyberOne搭載自研Mi-Sense深度視覺模組，結(jié)合AI交互算法，但小米CyberOne也僅僅是擁有簡(jiǎn)單的空間感知能力，例如人物身份識(shí)別、手勢(shì)識(shí)別、表情識(shí)別。

即便是擁有極致運(yùn)動(dòng)控制性能的波士頓動(dòng)力人形機(jī)器人Atlas，在聊天、逛街等方面，也仍然無法做得到。

另外更值得注意的是，在機(jī)器人領(lǐng)域進(jìn)程中相對(duì)優(yōu)越的Atlas，在發(fā)展過程中也仍然經(jīng)歷了多次轉(zhuǎn)手，首先是被谷歌收購，到2017年又被轉(zhuǎn)手賣給日本軟銀，最后被韓國現(xiàn)代收入旗下。

一家美國軍方背景的公司最后硬是變成了全球跨國公司，歸根結(jié)底，還是人形機(jī)器人短期沒法商業(yè)化。

從這個(gè)層面講，現(xiàn)實(shí)與理想的差距是肉眼可見的，人形機(jī)器人和元宇宙一樣都還是“無源之水，無本之木”。

當(dāng)然，僅是依靠片面的說詞并不能證明什么，或許從人形機(jī)器人在環(huán)境感應(yīng)系統(tǒng)的發(fā)展看會(huì)更直觀一些。

環(huán)境感知系統(tǒng)包括視覺、聽覺、觸覺。

因?yàn)橐７氯?，所以感知系統(tǒng)，是人形機(jī)器人的一個(gè)增量環(huán)節(jié)，包含著各類傳感器分支，對(duì)應(yīng)的如攝像頭、激光雷達(dá)、溫度傳感器、氣味傳感器、聽覺傳感器等等。

其中，傳感器是服務(wù)機(jī)器人的重要部件。服務(wù)機(jī)器人的應(yīng)用場(chǎng)景相對(duì)非標(biāo)準(zhǔn)化，要求對(duì)環(huán)境的感知能力，傳感器是其重要的部件之一。

雖然現(xiàn)階段傳感器的成熟度和豐富度已經(jīng)很高了，但傳感器所輸出的信號(hào)也在一定程度上影響著視覺感知的識(shí)別結(jié)果。

直白一點(diǎn)說，在傳感器成熟度以外，能否實(shí)現(xiàn)精密操作執(zhí)行將決定人形機(jī)器人應(yīng)用前景。

這也就意味著，為了實(shí)現(xiàn)精密執(zhí)行操作，機(jī)器人視覺感知技術(shù)在原來主要滿足避障、目標(biāo)識(shí)別、路徑規(guī)劃等功能的基礎(chǔ)上，機(jī)器視覺模塊還要配合運(yùn)動(dòng)系統(tǒng)實(shí)現(xiàn)高精度估計(jì)和機(jī)械手的伺服控制。

原因很簡(jiǎn)單，想要知道末端執(zhí)行器相對(duì)于物體的三維位置，需要測(cè)量每個(gè)joint的角度利用正向運(yùn)動(dòng)學(xué)來計(jì)算，在一般的應(yīng)用場(chǎng)景中，這個(gè)三維的位置被認(rèn)為是已知的。

由此帶來的問題就是，機(jī)器人本身需要十分精確，這時(shí)就需要精確的傳感器將joint angle測(cè)量值反饋給控制器，我們需要很精確的正向運(yùn)動(dòng)學(xué)模型，來根據(jù)傳感器提供的角度得出此時(shí)末端執(zhí)行器的位置，末端執(zhí)行器的目標(biāo)也需要被精確地放置在已知的三維位置上，以上任何一個(gè)環(huán)節(jié)出問題，都會(huì)導(dǎo)致誤差的出現(xiàn)。

為了得到精確的三維位置，未來多模態(tài)視覺感知或許有可能會(huì)成為滿足機(jī)器人視覺感知的不同需求。

但需要在任何狀態(tài)下都能夠獲取正確的正向運(yùn)動(dòng)模型，機(jī)器人就需要通過巨大的樣本量來進(jìn)行深度學(xué)習(xí)，還要有海量的算力支持。

這不僅短時(shí)間內(nèi)無法實(shí)現(xiàn)，也很難從價(jià)格上讓大量用戶接受，并產(chǎn)生盈利。

用戶和廠商之間沒有正比

據(jù)方舟投資預(yù)計(jì)，到2025年，每臺(tái)工業(yè)機(jī)器人的成本將低于11,000美元，遠(yuǎn)低于波士頓咨詢集團(tuán)（BCG）的24,000美元左右的預(yù)期。

而該機(jī)構(gòu)的分析基礎(chǔ)是比摩爾定律更具準(zhǔn)確性的萊特定律。即生產(chǎn)單位數(shù)量每增加一倍，成本就會(huì)以固定百分比下降。

換個(gè)說法也就意味著在沒有徹底量產(chǎn)前，產(chǎn)品最終在性價(jià)比上很難形成競(jìng)爭(zhēng)力。

即便假設(shè)隨著人形機(jī)器人技術(shù)的不斷提升攤薄成本，2025年的價(jià)格或許如方舟投資所預(yù)料一般。但如果僅僅是以當(dāng)下分析，不到10萬元的人形機(jī)器人，還有一定的難度。

根據(jù)小米推出的CyberOne來看，研發(fā)涉及包含仿生感知認(rèn)知技術(shù)、生機(jī)電融合技術(shù)、人工智能技術(shù)、大數(shù)據(jù)云計(jì)算技術(shù)、視覺導(dǎo)航技術(shù)等各領(lǐng)域的尖端技術(shù)，成本每臺(tái)大概六七十萬元，跟波士頓動(dòng)力一樣，成本造價(jià)高。

另一方面，雖然2020年風(fēng)險(xiǎn)投資公司向機(jī)器人公司投入了63億美元，但不少資金和關(guān)注都投擲在單任務(wù)機(jī)器人上，這些機(jī)器人是為專門任務(wù)而設(shè)計(jì)的。

而單一任務(wù)機(jī)器人也可能效率低下，短時(shí)間內(nèi)迫使企業(yè)不得不面臨提高效率和節(jié)省成本的巨大壓力，而且經(jīng)濟(jì)的未來又陷入了供應(yīng)鏈挑戰(zhàn)和供需失衡等不確定性中，這些單一機(jī)器人構(gòu)成的障礙，可能會(huì)多于其解決的問題。

誠然，這也就說明，一組可以做很多事情并靈活適應(yīng)需求和工作流程的機(jī)器人，往往比單一用途機(jī)器人更有前途。

此外，相對(duì)于中小企業(yè)來說，機(jī)器人的成本仍然較高，中小企業(yè)規(guī)?；褂萌匀惠^為困難。

可以做一個(gè)簡(jiǎn)單的預(yù)測(cè)，人形機(jī)器人第一批投入使用更多會(huì)偏向于無聊、單一的工業(yè)。

因?yàn)橐阅壳爸悄芗揖幼屓颂幱诒粍?dòng)服務(wù)狀態(tài)來看，能夠完成感知用戶的狀態(tài)，識(shí)別用戶的意圖，學(xué)習(xí)用戶的習(xí)慣，通過IOT技術(shù)獲取環(huán)境以及設(shè)備的信息，提供主動(dòng)服務(wù)的機(jī)器人時(shí)代還遠(yuǎn)未到來。