36氪旗下有一个编译团队叫做神译局, 它关注着科技领域, 关注着商业领域, 关注着职场领域, 关注着生活等一些领域, 并且重点去介绍国外出现的新技术, 重点去介绍国外出现的新观点, 重点去介绍国外出现的新风向。
编者按下述内容: GPT 的爆发致使人们对机器人技术盼望着迎来相似的拐点, 不过机器人行业的前进可不是基于单一突破性之时刻才能展开。机器人产业走向成熟所需凭据的是, 用 AI 工具协同, 同时借助硬件迭代, 并且经由场景实操积累, 从而稳步予以推进之情况, 而这场技术革命必定是按部就班的持久性探索。本文源自编译, 期许对您产生启发。
切勿寄望单凭一次有奇幻感觉般使人膛目结舌的突进就能够成功解决机器人领域之中的让人头疼的困难, 该行业获取进展是绝对没有办法离开踏踏实实、一步一个脚印地进行长时间深度钻研。一幅又一幅依次轮流交替着是这样遵循着从右手方向向上, 依据圆周所构成的环形轨迹依序产生来源。首先第一个来源是AGILITY ROBOTICS；接着是EVERYDAY ROBOTS；第三个的来源是PHILLIP FARAONE/WARNER MUSIC GROUP/GETTY IMAGES；再接下来是ZHANG HAOFU/XINHUA/GETTY IMAGES；最后一个而并非是最不重要的来源属于KYODO NEWS/GETTY IMAGES。
本文由两位在机器人领域有着资深经历的专家执笔, 其中一位是乔纳森・赫斯特, 他身为AGILITY机器人公司联合创始人, 承担着机器人首席技术官的职责, 除此以外也担任俄勒冈州立大学机器人专业教授。另一位是汉斯・彼得・布隆德莫, 在2016至2023年间担任谷歌X实验室副总裁, 创立并主导日常机器人项目。
未来的数十年间, 数数十亿台人工智能自主操控的机器人, 将会走进各个不同类型的行业领域之中。它们在工厂里进行作业, 在仓库之中处理那些繁杂多样的工作, 从事照料老人此项事务, 深入到危险的灾区展开救援行动, 提供上门配送餐食以及包裹的服务, 最终还会进入到成千上万家庭并为此协助其进行日常家务劳动。这些机器人的外形彼此之间各不相同, 有的非常像人类, 更多的则是形态存在极大差异变得不一样。能够确定的点是, 不管其外观呈现出怎样的情况, 机器人想要具有实际价值唯有程度非常高地依托人工智能才行。
2025年, 机器人企业融资总额创下了407亿美元的历史新高, 这一金额占到了全部风险投资的9%。一个价值千亿级的核心问题随之出现了: 人工智能机器人要具备怎样的条件, 才能够真正对经济发展产生重大影响呢? 如今很多机器人以及人工智能企业声称人形机器人很快就可以走进家庭, 然而理想与现实之间依旧有着巨大的鸿沟。
长久以来, 机器人陪伴人类生活工作, 这一情况仅存在于科幻作品之中。众多研发人员努力把设想变为现实, 然而现实世界极为复杂, 传统程序代码难以处理不断出现的各种状况。借由人工智能技术, 机器人不再依据固定程序指令运行，而是凭借自主学习来适应真实环境。持续训练后, 机器人能够感知、认知周边事物, 依靠逻辑判断完成诸多实用、稳定且安全的作业任务。
在过去的十年里头, 本文的两位作者, 一直都在人工智能与机器人的前沿领域, 深深地扎根钻研。其中一位呢, 在高校任教, 还创办了机器人企业；另外一位, 曾经负责谷歌X实验室的前沿机器人项目。历经多年实地落地智能机器人的那些经历, 使得我们能够清楚明白地认清人工智能在复杂机器人系统里的实用价值边界, 并且还能够分清哪些技术依旧停留在科幻构想的阶段。我们是认可人工智能会促使机器人产业迎来发展拐点的, 然而产业要实现腾飞依靠的是多款人工智能工具协同配套、精密统筹应用, 可不是像GPT那样单一的技术突破。
人工智能的发展前景当中是存在着充满机遇这一情况的, 与此同时, 它也是伴随着诸多未知的。以下有着五条客观现实, 这五条客观又现实的情况, 将会决定机器人领域里人工智能的发展走向。
一、演示效果与实际应用差距显著
多年来, 网络之上到处能够看到人形机器人的精彩演示视频, 这些视频里它们灵活地跳舞, 还穿越障碍赛道, 业内存在一个共识, 那就是永远都不要轻易相信网上的机器人演示画面, 有经过精巧编排剪辑的表演机器人, 还有能够在没有固定规则的人类生活环境中稳定干活的实体机器人, 它们的性能相差非常大。
近期受到高度关注的, 是2026年央视春晚里宇树人形机器人的节目。其引发了极大轰动。虽然所呈现的表演场面将人的震撼之感充分唤起, 然而这类的演出, 每一场都是经过了周全细密的编排设计才得以成型。那些参与表演的机器人, 在动作的精准把控方面, 以及与各种场景要素和同步配合方面全都达到了极致的水准。可是, 它们现阶段所具备的智能以及自主程度, 仅仅只跟前些年处于用于服务工厂汽车制造流程的工业机器人相当, 距离真正走进平常百姓家庭还有着相当漫长的路程要走。
引人入胜的表演同样给人带来疑问: 具有空翻跳舞能力、能够施展武术动作的机器人, 为何长时间都没能大量进入工厂? 并且也没办法在家中协助洗碗整理? 原因很明了: 制造能够在各种生活场景里普遍作业的智能机器人, 困难程度仍旧高得惊人；有着这类夺目表现呈现的春晚, 容易使人们误认为这项技术业已趋近成熟；然而演示当中的人工智能, 仅仅被应用于基础的肢体平衡控制, 距离人类生活复杂环境下通用机器人的技术标准大幅度落后并且非常遥远。
二、训练数据仍是亟待攻克的难题
GPT等这般的大语言模型, 最初是依靠着有着海量量的那互联网文本数据去完成相关训练的。在2022年末的时候, GPT一下子就横空而出, 人工智能已经能够顺畅无阻地运用文字去跟人进行交流, 甚至可以去探讨各种各样的话题。大模型是具备着超优秀的泛化能力的, 现如今还能够去接收文字、图片、视频等多种类型的信息, 并且还能生成有着多元化的输出内容。这类的训练数据, 其量是特别庞大的, 而且全部都是由人类创作出来的, 这可是人工智能训练的非常优质的范本。
时至今日, 给供AI使用的实体机器人赋予身体, 让其在现实当中与人一起互动协作, 这一点依旧是一大很不容易解开的难题。通用机器人人工智能模型, 它要求运作于处于不断持续变化当中的条件限制之下的环境里, 同时呢有这么些诸如物理形态、空间结构、节奏等, 有着相互制约关系的条件限制。若一心想要去提高模型的通用性, 那就得去收集包含像实际场景当中的场景里种种十分不稳定十分复杂的要素, 例如画面光影、机械活动幅度、动力强度、安全边界等, 并且还有一点很重要昂, 收集的数据必须要能覆盖现实里实际场景, 保证样本质量。
现今, 符合标准的优质数据储备严重匮乏, 行业唯有借助远程操控、影像分析、人体动作捕捉、虚拟仿真以及实地自主探索等途径去采集数据, 工作量极其庞大, 举例而言, 谷歌日常的机器人团队, 在2022年于仿真系统里运行了2.4亿次机器人模拟程序, 仅仅是为了训练垃圾分类模型, 每一项实用技能, 都需要同等规模的数据来支撑训练, 现阶段机器人的能力仍旧达不到人类的水准。
三、不存在统一的机器人通用人工智能模型
短时间以内, 没办法凭借单个的人工智能模型, 塑造生成能在一切方面陪伴人类生活以及工作的普遍通用型机器人。
机器人的形态多种多样, 呈现出有轮式、也有足式结构的情形, 其机械臂数量并非一致, 存在着数量各不相同的状况, 并且还有飞行时的机型、水下作业期间的机型、道路行驶阶段的机型等不同类型。现实生活里世界领域当中场景极为繁杂众多看起来混乱复杂, 机器人不仅要面对人类所给予带来的各种变数变量、还要应对各类生物所产生引发的各种变量变数。想要拥有一套模型去适配所有不一样不同情形场景同时还要以担保保障机器人安全稳定的状态运行工作, 在现阶段根本是没有办法去实现做到的。
我们觉得, 往后引领机器人技术取得突破的, 会是智能体人工智能, 这种高阶统筹模型拥有思考规划、工具调用、复盘学习的能力, 能在少量人为干涉下达成复杂任务, 智能体主控模型会驱使各类专用小模型, 去适配多种多样作业需求, 往后多个机器人也可凭借自身体内所搭载的智能模型相互配合协作。
各类人工智能工具, 不断地挖掘着机器人的潜能, 进而催生出全新的技术方案以及商业市场。许多模型, 陆续地逐步对外进行开放, 有一部分还实施开源共享, 恰似互联网普及致使行业发生质变那般, 技术开放同样也会促进推动机器人迅速快速地发展。伴随技术门槛的降低, 机器人复杂作业的能力, 将会迎来普及化的发展。
四、硬件技术依旧存在不小瓶颈
构建机器人的结构, 精密且繁杂, 其所有的零部件, 都需要以高度协同的方式来运转。欲要保障机器人具备实用可靠的特质, 运行处于安全的状态, 那就得让感知系统、中控的程序以及动力传动的部件, 都能达成默契的配合才行。
动力马达以及传动齿轮这般的驱动部件, 属于典型的技术短板。当前量产的工业机器人的驱动装置, 没法适配人居环境作业。这类机器人一旦不小心碰撞到外部物体, 冲击力很强, 极其容易造成设备损坏。可是人类肢体活动灵活且柔韧, 在接触外界物体之际能够顺着势头调整姿态, 依靠触碰反馈来完成动作。
将插钥匙开锁作为例子来说, 人类不会用刻意的精确对准来针对锁孔, 而是依靠触感去探寻位置, 借助晃动钥匙达成插入。机器人要是想达成同样的灵活程度, 就一定要配备力感应驱动部件, 以柔和的方式去适配外界的环境, 这类柔性驱动配件才出现了, 然而却还不能够大规模地应用到家用以及日常场景的机器人当中。
五、实用价值源于基础日常作业
炫酷的表演, 与有着实际收益的工作任务, 存在着本质上的区别。这恰好契合了莫拉维克悖论。人类认为棘手的计算类工作, 机器人能够轻松地完成。孩童随手做出的简单肢体动作, 对于机器来说, 难度却是极高的。
对客户进行服务极能够检验技术的真实水平, 用户仅仅关注实际问题是不是能够得到解决, 用于落地商用的此机器人方案, 务必要比传统作业模式更具优势, 同时要确保该机器人性能稳定, 运行安全无误。投入到商用之后, 能够发现最先行遇到的那个会在该AGILITY机器人方面就是安全难题。而对在人居空间之内有着移动、搬运物品等行为的机器人来讲, 这会引发全新的安全隐性问题出现。处在项目的开始阶段仅能够设立物理方面的防护隔离, 团队耗费好几年的岁月, 优化整体机器方面的设计, 所凭借的途径是人体识别、具备行为管控功能的人工智能技术, 竭尽全力去破解安全隐患这件事情。
2019年, 谷歌日常机器人团队推出了办公服务机器人, 这款机器人能够自主清理餐桌、分类垃圾。不过, 只有在实际投入使用之后, 才切实清楚地感受到现实环境不但杂乱无章且变化多端, 而这对机器人的运行构成了极大的挑战。正是基于在那些实际操控运行期间获取的实操经验, 不但实现了对人工智能架构的优化, 还积累了针对真实场景的数据, 并连同仿真数据一道对相关模型进行迭代升级。
不得不达到贴合客户实际需求去打造产品, 并且要落地真实场景进行测试运行, 这样才能够稳步完善人工智能体系, 还得循序渐进拓宽机器人应用范围。不存在一下子就完成的技术飞跃, 也没有能解决所有问题的万能算法, 要是脱离大量实地实操经验, 仅仅靠着海量数据是无法研发出成熟通用机器人的。
人工智能机器人稳步向前迈进
肯定的说, 人工智能正借着机器人进入现实生活, 智能设备产业马上就要迎来爆发式的发展, 人工智能不是单一的技术, 是很庞大的技术体系, 正在不断挖掘全新能力, 对未来经济格局有着深刻影响。
行业并非呈现出单一而且瞬间所能到来的那种巨大改变带来的转折点, 而是凭借大大小小的那科技方面的革新一步又一步去慢慢成长起来。智能机器人最先在部分那基础性的工作里面构建价值, 接下来持续去拓宽应用范畴, 撼动许许多多数以千亿记金额的产业, 切切实实地把普通百姓的生活性质提到高的水准。
译者：Teresa
还木有评论哦，快来抢沙发吧~