财经新闻网消息：
本文编译自先锋主题沙龙《AI浪潮下：机器人领域新机遇》，主持人：邓卓兵，嘉宾：杨剑波、邵天兰、糜宝童、李宇豪、徐华阳、曾向勇、谢思维、董浩，原标题：《现实与梦想：谈AI与机器人》，头图来自：视觉中国
1、大模型+机器人发展到什么阶段了？ 您如何看待未来的趋势？
嘉宾A：首先，大模型+机器人还处于非常早期的技术探索阶段。 一个明显的特点是技术路线还没有开始趋同。
比如深度学习，2012年刚登场的时候，就和今天的大型模型一样令人惊叹，直接把图像识别的准确率提升到了90%以上。 2015年，Alpha GO再次出现。 直到2018年和2019年，深度学习才逐渐趋同。 最直观的反映就是高被引论文没有那么多。
因为早期大家还在尝试不同的路线，后来逐渐形成了共识，彼此的东西越来越相似，模型结构不会有大的质变。 目前，大型模型还远没有达到这个阶段。 微软、谷歌和英伟达甚至有不同的任务定义。
其次是算力算法的进步速度。 例如，2012年，你用计算机运行一个5亿参数的模型（今天看起来就像一个小模型），通常需要半个小时才能运行； 但现在你使用最常见的Intel CPU，运行5亿个参数只需要不到一秒的时间，甚至不需要安装AI芯片，几乎没有成本。
所以，当我们今天看做一个大规模的模型业务需要多少GPU，需要多少钱，我们就觉得这件事情做不到，但是当我们10年后来看，这些可能都不是问题。 现在英伟达等巨头都在算力方面发力，我对此还是很有信心的。
三是大模型+机器人远没有形成固定的产品形态。
纵观人类历史，机械的进步=控制的进步：比如第一次工业革命诞生了气缸等基础部件； 第二次工业革命，有了基本的控制和自动化，人类开始能够通过机械来控制机械； 在计算机革命时代，有了PLC（可编程逻辑控制器），我们开始用计算机来控制机械。 后来我们用3D视觉AI来控制机械，现在我们用大模型来控制机械。
可见，各个时代之间的关系不是替代关系，而是互补关系：并不是说有了计算机，机械控制就没用了，而是通过计算机赋能机械控制，使机械拥有更强的能力，诞生了更多的产品形态。
对于大型模型来说也是如此。 机器人的进化与人类的进化非常相似：首先，机器人必须能够站稳、走直线、不摔倒——对应于人脑，这就是小脑要解决的问题。
因此，未来我们更看好AI的三个方向：
1、根据常识处理异常：比如在自动驾驶中，AI已经可以识别障碍物，但如果路边有人举着一块牌子，上面写着“前面的桥坏了，请绕行，AI能理解这句话的意思吗？” 再比如，如果你在路上看到交警向你打手势，AI能根据常识知道它必须靠边停车吗？
2、高级抽象任务：比如我对机器人说“请清理这个房间”，或者在仓库场景中说“请按照清单打包发货”，这些都是高级抽象任务——它不是一条单一的指令，而是必须拆解成很多子任务、子指令。
3.主动感知：比如我要求AI从冰箱里拿一瓶水。 打开冰箱后，如果没有水，机器会停在这一步，但如果是人的话，它会知道再翻过来看看最里面有没有水？
以上这些，过去的AI还无法做到，但大模型很可能实现。 例如，现在微软使用了GPT技术，它已经可以完成简单的抽象任务。 例如，如果您对机器人说“加热饭菜”，它就会知道要找到微波炉。
也就是说，现在可以让机器人通过语言模型在热饭菜和微波炉之间建立联系——AI知道找到微波炉，打开它，把饭菜放进去。
包括和也开始尝试在大语言模型中加入跨模态和机器人操作。 网上有很多这方面的视频资料，也非常震撼。 如果你有兴趣，你可以找到他们。
2、大模型给机器人带来了哪些通用能力？ 有什么值得期待的呢？
先锋：以前的机器人更像是专用设备，各种能力都是靠工程师写代码。 然而，大模型出现后，AI具备了泛化能力。 GPT成功颠覆了传统软件行业。 那么我们应该如何看待大型模型对机器人的影响呢？
嘉宾B：机器人虽然有了“人”字，但它仍然是一个提高效率的工具。 既然是工具，就要分场景和功能。 比如空中和地下使用的机器人，室内和室外的机器人肯定是不一样的。
所以，我认为想出一个所有机器人都可以使用的统一的大模型是非常困难的。 更有可能的是，不同的专业公司会根据不同的场景构建垂直大模型，然后与机器人进行深度融合。
嘉宾C：我认为带来的变化主要是三个方向：
首先是效率提升，比如高空玻璃清洗。 这个行业近三五年最大的变化就是机器人逐渐替代高空作业人员，因此效率提高了3-6倍。 同时，已经收集了大量的工艺参数，但这些参数仍然需要人类进行分析。 如果能够通过大模型进行泛化，效率将会进一步提高。
二是场景意识。 例如，过去很难判断一块玻璃是否被清洁过，因为在室外场景中，光线环境非常复杂，雷达和超声波都无法很好地发挥作用，所以只能由人类来判断。 如果大模型能让机器具备人类感知能力，独立判断一块玻璃是否达到物性验收标准，效率还可以进一步提升。
三是产品设计。 过去，打造机器人产品，第一步是采访大量客户，梳理需求，形成产品洞察。 一个产品的成败50%取决于产品定义的方向。 如果你曾经创业过，你应该知道编写PRMID是非常耗时的，但是现在你可以使用大型模型来实现创新，比如将部分工作交给GPT来解决。
嘉宾D：我们是做2C服务机器人的。 其实从客户的角度来看，他并不关心你做出什么样的机器人，他的认知是你能不能代替我做人？ 是否可以减少人员，提高效率？ 但坦白讲，目前的机器人很难实现1对1的替代。
机器人拆解后，有四件事：感知、决策、控制、交互。 现在这四件事是无法由像人类这样的机器来完成的。 核心原因是智能水平不够。 一年前，我们还以为没有办法解决这些问题，但是突然GPT出现了，现在我们正在尝试用它来开发新的产品线。
但我认为至少5年内大型人形机器人很难出现。 以我的知识背景来看，挑战有点太大了。 如果大家对大型机器人的憧憬是变形金刚或者高达，那可能需要很多年的时间。
嘉宾E：大模型首先需要大数据，比如训练，使用在线文本，但训练机器人经常使用3D数据，这些数据在互联网上不容易获得，只能手动收集，效率很低。 因此，我们看到一些机器人公司收集了半年的数据，训练出来的模型只能在本地环境中使用。
未来，大型车型可能会有所不同。 例如，AI可以在虚拟环境中进行训练，然后更有效地匹配现实世界； 或者可以使用 2D 数据直接训练 3D 机器人。 比如刚才主持人提到的，给机器人看一段人类搬东西的视频，机器人就会慢慢学会搬东西。 这两种方法将来都可能成功。
对于通用型大型模型机器人，我还是比较乐观的。 我们说最简单的智能机器人其实就是无人机，它可以跟着你拍照，但与周围环境没有太多互动； 后来，自动驾驶出现，AI开始与地面环境交互； 然后出现了机械臂，它开始与现实世界进行直接的物理接触。
整个过程中，难度其实是在上升的，所以我认为自动驾驶完全成熟之后，通用机器人会逐渐出现，因为整个技术路线是相通的，可以慢慢迁移。
3、大模型给机器人交互方式带来哪些变化？
先锋：刚才我们讲了机器人如何感知、理解和执行任务。 如果有一天大型机器人拥有高级智能，它的交互方式将会发生怎样的变化？
嘉宾F：用户可能对家用机器人有期待，希望交互更流畅、更智能，但我们对工业机器人的需求并不迫切。 在工业场景中，语音交互尚未成为主流，人们更习惯使用摇杆和遥控器； 所以未来VR+手势可能是一个更好的方向。
嘉宾G：我们对于服务机器人有一个非常结构化的交互方案，就是给客户提供一个用起来非常舒服的pad——但是我们也发现客户还是不满意，因为服务行业普遍受教育程度不是很高，他们不希望有任何学习成本，所以我认为基于自然语言交互的服务机器人会有需求。
嘉宾H：交互可以分为两类，一类是机器与人的交互，一类是机器与环境的交互。
事实上，人类的互动不仅仅是与机器人的互动。 应该叫智能硬件+大模型，比如小爱同学或者小度。 如果你告诉它关掉房间里的灯，有时它可能无法关掉。 但对于大型号来说，它可以通过光线来感知灯是否亮着。
另一个是多语言能力。 例如，以前只能用中文与之交流，但现在可以在多种语言之间切换，直接向海外客户销售，而无需重建新的数据集。
还有陪伴和情感的需求，尤其是海外用户。 例如，AMECA是一家制造人形机器人的英国公司。 你可以搜索他们的产品，这已经有点恐怖谷效应了。 未来，机器人与大型模型连接后，对于需要情感陪伴的人，尤其是老年人来说，可能是个好消息。
（图片：AMECA机器人）
至于机器与环境的交互，我认为核心竞争力还是需要收集各个细分场景的小模型。
比如，特斯拉想要用人形机器人造汽车，首先要收集各个流程环节的数据，比如在车身上安装挡风玻璃，机器人需要调动哪些“关节”和“肌肉”，如何判断安装在哪里等。 这是一套非常专业的小模型。
现在国内一些公司也在做类似的事情，利用大模型库来调度生成自己的小模型。 目前来看，这条路似乎是可行的。
嘉宾J：我觉得人机交互方式越简单越好。 我之前用过很多智能家居，但最终我宁愿不使用它。 普通开关比较方便。
事实上，最好的互动就是没有互动。 例如，如果我拿着一个大箱子向前走，机器人就能知道为我开门，或者帮我捡起来； 当我吃完饭离开时，机器人知道它应该清理餐具。 与人类意图的识别类似，如果大型机器人拥有先进的智能，或许更值得期待。
4、大模型能否解决机器人数据采集和生成困难的问题？
先锋：刚才很多嘉宾提到机器人训练数据“很难收集和生成”。 您如何看待大型模型对机器人数据的影响？ 又会有哪些新的变化呢？
嘉宾K：目前我们的做法还是：前段靠模拟，中段靠真实的运行效果，最后让人类来做评估和修正； 我想不仅仅是我们，机器人在很多工业场景中的工作方式与流程层面的人工完全不同，很难简单地迁移过来。
嘉宾L：我想，对于一个通用的人形机器人来说，收集数据可能并没有那么困难。 我们已经在内部讨论过这个问题，包括 CTO。 类似的逻辑是，从人类身上能够收集到的数据密度其实是相当高的。 例如，如果你在 10,000 人身上安装传感器并运行一年，所有数据都将可用。
这件事本身并不困难。 主要是商业道德的问题，但我认为还是金钱的问题。 比如给10万人安装传感器，每人每年支付10万美元，总会有人愿意，数据量完全够用。
嘉宾M：我说一下数据收集。 目前主要有3条技术路线：
一是收集动作库：比较适合生产线——每个工位上的动作不会有太大变化，但需要重复执行任务； 它的优点是只需要训练一次，后续的机器人不需要做大的调整，但缺点是非常耗时。
比如PaLM-E，效果确实非常好，但是为了训练它，谷歌使用了13个机器人，收集了17个月的数据，总共收集了5620亿个参数，而这只是一个家用机器人，只需要一个底盘+机械臂+摄像头，如果用在工业流水线上，采集时间和数据量都会成倍增加。
（图：谷歌的PaLM-E机器人）
第二条路线叫做远程操作，这就是特斯拉正在做的事情：将VR和触觉传感器佩戴在人身上，将整套感官数据投射到机器人上，直接告诉机器人如何像人类一样移动。
例如，在腾讯制造的四足机器狗中，研究人员在金毛寻回犬上安装了一套动作捕捉设备，然后将收集到的数据抽象压缩为神经网络模型； 之前的机器狗动作极其僵硬，但是使用金毛数据后，机器狗变得非常灵活。
第三条路径称为模仿学习，即人类直接在机器人面前演示，机器人学习。 比如家政或者清洁工作，我打开洗衣机，把东西放进去，我只需要教一次，不需要采集数据，也不需要动作捕捉。
这件事对于大家来说可能听起来很科幻，但是CMU和MIT已经发表了很多论文。 虽然我们还没有看到任何直接使用这项技术的场景，但如果未来能够实现，那将是非常具有颠覆性的。
总之，目前有很多公司或大学在尝试每一种技术路径。 最终很可能将几种路线混合在一起，开发出一套最适合的AI+机器人解决方案。 所以这段时间我们一直在关注各大科研机构的论文，还有特斯拉，做了哪些新的工作，国内企业有哪些可以借鉴的地方。
嘉宾N：在讨论这个话题之前，我们首先要弄清楚收集数据的目的是什么？ 比如你让一只金毛犬跑来跑去，当然可以收集到数据，但这些数据只能让机械狗动作更自然，而不能让机械狗学会做某事。
如果需要机器学习，对数据质量的要求就高很多。 这时还有一个很大的问题，那就是数据采集的成本非常高，但是不同类型的机器人之间的数据并不通用。
例如，你已经成功训练了一个机器人模型，但你的硬件需要升级和迭代。 如果机器人在下一个型号中需要更换新的电机，那么之前的数据将完全无用。 因此，我们最近也在和斯坦福合作，研究如何让采集到的数据与机器人模型无关，这样数据就可以永久有效。
此外，远程操作的另一个问题是投资回报率太低。 工厂场景+固定站还可以，但是基本不可能实现通用。 因此，业内大多数人还是采取虚拟训练的策略，因为在虚拟环境中，可以随意生成物体，而且成本很低。
比如叠衣服的时候，先让机器在虚拟环境中叠各种形状的衣服，成功率可以达到90%，然后放到真实环境中，成功率可能会直接下降到5%，但这已经足够了。
AI可以自行收集成功轨迹数据，成功率高达5%。 只要有5%作为起点，明天就达到10%，后天达到50%，几天后就达到100%。
5、大模型+机器人有哪些应用场景？ 创业门槛有多高？
嘉宾P：我个人比较看好在工业实践中的应用。 我们说自动化做了这么多年，到今天仍然是冰山一角，还有很大的发展空间。 原因是过去的非标自动化程度太高了。
例如，假设您是一名自动化专业的学生。 大学四年了，你可能连每一个导轨、电机的型号都不认识。 不是你不善于学习，而是种类太多了。 这么多硬件的组合会导致一个问题，就是让自动化过于依赖规模生产和工艺稳定性。
以薯片为例，自动化程度非常高，因为这么多年来，薯片除了口味外，外观和包装材料几乎没有变化； 过去，只有这样大规模+长期连续生产，才能生产出自动化水平较高的设备。
但问题是，大多数行业的迭代周期远没有薯片长。
以汽车为例。 过去，汽车代表了机器人的大规模应用。 该行业的特点是投资高、周期长。 一辆汽车的生产线调试需要一年半的时间，然后可以持续销售10年。
近十年来，中国机器人产业增长了十几倍，但这期间，汽车产业却一直处于下滑趋势，传统主机厂的高投入注定难以为继，这就需要更加灵活的自动化。
马斯克意识到了这一点，所以他认为人形机器人是最终的解决方案——类似于拧螺丝的工作，高度标准化和智能化，然后快速部署。 这里用完的话，还可以用在其他地方。
不过，仿人机器人的研发难度也很大，不可能在短时间内完成。 但这个过程中会产生很多技术，比如运动、抓取、视觉感知等，与大模型结合，会产生很多新技术，也会诞生新产品、创造新价值。
而当有一天，这些技术最终结合在一起时，那么人类可能不得不为此担心。
最后我想谈谈我对此事的判断。 首先，大模型+机器人是一个非常重要的机会。 如果你能做出好的产品，后续的竞争对手进来就会很不舒服，行业形成闭环后，门槛会很高。
但与此同时，行业对人才、技术、资金的需求也十分可怕。 参与者要么是资金雄厚的科技巨头（如谷歌和微软），要么是顶尖的初创公司，当然还有传统工业巨头和大学研究机构。
总之，这件事和以前的创业不一样：在互联网时代，几个人可能就足以做一个app，所以当时我们可以听到很多个人英雄主义的故事，但现在小公司可能交不起电费。
从这个角度来说，大模型+机器人才是人类最高科技的集大成者。 企业家很难逃脱。 当然，一旦成功，它能够产生的价值也是非常巨大的，它将把人类的自动化程度带到一个全新的水平。
6、大模型机器人落地有哪些障碍？
先锋：刚才大家都谈到了大模型的积极影响，那么大模型会给机器人带来哪些额外的问题呢？ 在这件事最终落地之前，潜在的障碍是什么？
嘉宾问：首先，在设备端部署大型模型是不可能的，至少在3-5年内是不可能的，所以现在大家都在使用设备+云的模型。 对于我们来说，第一个困难是如何构建端+云的架构？ 我认为更好的解决方案是在端侧做一个动态的小模型，可以实现一些基本的现场交互，而大模型的部分放在云端。 当然，这是一个技术问题。
由此引起的第二个问题是信号丢失。 一旦没有信号，机器人只会在末端智能。 收不到信号怎么控制？ 只能保证最基本的，不撞到人； 另外，信号延迟也是一个问题，而人机交互延迟是最怕延迟的，所以我认为部署一个通用的大型机器人模型绝对不是一个公司的事情，需要大家一起来搭建整个网络。 我们自己肯定做不到这个模型，但是如果meta做出来我们会立即使用它。
嘉宾R：我认为最大的障碍是安全。 相信每个企业都会有关于将数据上传到大云模型的顾虑。 知识产权和数据安全会受到质疑，所以我们也在尝试用一些开源的小模型，叠加一些行业数据，打造垂直领域的专用模型。
这样做的好处是，如果客户对数据安全要求特别高，我们可以直接将小模型部署在其指定服务器上。 只有这样，才能彻底消除客户对数据安全的顾虑。
另一个是计算能力的瓶颈。 作为一家机器人公司，我们不可能投入这么多的显卡资源。 我们最近也在积极购买卡片，但需要几个月的时间才能交付。
嘉宾S：我认为存在三个问题。 一是执行速度：比如谷歌的PaLM-E可以从抽屉里拿东西，但视频速度提高了4倍。 也就是说，现实中机器人的动作只有视频速度的1/4。
其次是执行成功率：谷歌表示，使用大模型后，执行成功率从60%提升到75%，甚至80%，对于一个家用机器人来说已经足够了，但需要注意的是，这已经是目前大模型+机器人的最佳水平。 如果想要使用更高精度的场景，比如半导体仪器的操作，或者给老人喂食，就必须准确对准老人的嘴，还有很长的路要走。
第三是数据。 谷歌的PaLM-E专注于家庭场景，可以随意采集数据。 特斯拉有自己的工厂，它可以随心所欲地收集数据。 但如果未来的机器人公司想要进入汽车工厂收集数据，它能收集到什么程度呢？ 工人们会配合吗？ 这件事现在已经无解了。
据我了解，目前这些数据很难从工厂拿出来，所以要看哪家机器人公司能够率先突破，比如与客户建立更好的信任关系，但这又带来了另一个问题，那就是A车厂的数据能被B车厂使用吗？ 这些都需要探索。
嘉宾T：我也担心安全问题，但主要是物理安全。 开源的大语言模型充其量是有偏见的，不会伤害你，但如果把大模型与机器人结合起来，一些误解可能会导致意想不到的连锁反应。 比如你让机器人用烤箱煮西餐，它却煮中餐，打开煤气时不小心着火等等。
现在很多人都在研究如何在大型自然语言模型中实现价值对齐。 这是一个研究热点，但在机器人领域还没有人研究过。 当然，也可能是技术还没有发展到这个阶段，也可能是风险出现之后人们才会去研究。
7、机器人企业的壁垒将如何变化？
先锋：目前，人形机器人离我们还很遥远，但从长远来看，机器人的智能化水平一直在稳步提高。
尤其是大型模型出现后，机器人的构造逻辑、交互逻辑都发生了变化。 未来机器人企业的壁垒和评价标准将如何变化？ 你们有什么感想？
嘉宾V：从长远来看，大模型+机器人公司好不好，一个评价指标就是看它能否突破新场景。
这些年，机器人如果不是天上飞的，地下跑的，都已经发展得差不多了。 现在有了大模型，以前机器人解决不了的场景现在可以解决了吗？ 另一方面，随着光伏、锂电池等一些新兴产业的崛起，机器人能否诞生新的机遇？ 这些都是我们比较关注的。
此外，大模型可能会带来机器人外形和硬件的一些变化。 比如电子皮肤，即触觉传感器可能是一个方向； 还有软体机器人，可以由硅胶或折纸结构制成，可以自由拉伸。 这种“我有的没有人有”的技术也将是很好的壁垒。
嘉宾W：过去大家都在讲SaaS，软件即服务。 如果机器人能够大规模应用，下一个时代将迎来RaaS（机器人即服务）时代。 机器人本身只是一个载体，其核心是为客户提供服务。 将会有两个障碍：
一是要让机器人本体稳定可靠，执行的成功率要足够高，成本足够低； 另外就是规模化服务的能力，比如上千台机器人同时运行，每次增加一台新机器，如何保证服务质量不下降？ 我认为企业首先要做到这两点，才能谈如何与大模式结合。
嘉宾X：机器人的本质还是制造，需要规模化的生产和服务能力。 除了这些基本技能之外，大型模型技术最具颠覆性的一点就是为发明创造提供了新的工具。 例如，现在很多大学老师都在使用GPT进行科学研究。 简而言之，大型模型是能够支撑发明的发明。
因此，在机器人领域，大模型也可以帮助企业形成一些行业场景库、任务库、数据库、流程库。 这些将是企业打造垂直模式的核心壁垒。 一旦你的产品体验比对手好3-5倍，客户就不会再给他们机会。
嘉宾Y：现在人形机器人很流行。 我也是马斯克的粉丝，但我坚决不认为人形机器人会成为主流。
为什么机器必须看起来像人类？ 我自己就是一名生产线工程师。 从能源消耗的角度来看，流水线是最好的方式。 轮子的能量利用效率比腿高10倍以上。 If you make a robot, you the belt and use legs or to carry . This is a , which is very .
is that if you make a robot, it must look like a human being, and stir-fry with a in front of the stove? A to 10 , but now they say no, let's build 10 , will this be the case in the ? 当然不是。 At that time, the must fully the back , so that can the meal the back . The core this is how you the tasks in this scene and how to the with the .
, in the end, the vast of must not be . For some jobs, the may be a , the the extra cost-I only need one or two , and you on me a human, so why I pay for that I can't use?
Guest Z: is the most form of robot. Dual arms + feet + joint of the whole body. It is a very long-term thing to land, but I think the logic for to be about is: can do a good , can do other robot forms.
As long as a has a high- team, some may come out in the of its the human form, such as a fork in the of the road, and a good along it. This has been in the age.
way of , which is also Musk's point of view, is is there a form in the world that can adapt to all human ? The one that does all the human work?
It is true that many, many can be by belts, but in order to , it may be that are most for human ; , I still in . The one that can in the will be that looks like a human.
免责声明 ① 本网所刊登文章均来自网络转载;文章观点不代表本网立场,其真实性由作者或稿源方负责 ② 如果您对稿件和图片等有版权及其他争议,请及时与我们联系,我们将核实情况后进行相关删除 ③ 联系邮箱:215858170@qq.com
Copyright © 2017-2018