机器人|马斯克的「机器人」,能复制特斯拉的成功吗?( 三 )


机器人赛道 , 少数人的游戏 极客公园:目前人形机器人在研发上最大的难点在哪?
付春江 :最难的是怎么样灵活地与物体或环境接触:一个是腿部与复杂的地面环境如何接触 , 并保持稳定 , 另一个是手如何稳定地接触和操纵物体 。 像工业机械臂 , 就是直接用夹具把最难的部分屏蔽掉了 。
极客公园:但是如果没有算法的优化仅靠硬件 , 机器人是不是也没办法完成复杂的动作?
付春江 :正像你所说的 , 现在人形机器人的限制性条件第一是成本 , 第二就是通用 AI 技术的发展 。
人形机器人在软件算法上主要分成三个部分 , 分别是控制、优化和学习 。 控制和优化有强实时性的优点 , 学习能解决泛化和多样性的问题 , 只有把两部分相结合 , 才能真正让产品落地 。
我预计通用 AI 技术发展会有两个关键时间节点 。 第一是到 2025 年 , 控制优化算法能与机器学习相结合 , 机器人能在半封闭场景下 , 做不是特别复杂的任务 , 达到对人力替代的目的 。 到 2030 年 , 随着通用 AI 技术的发展以及算力的提升 , 才会初步达到人们对人形机器人的更多预期 。
极客公园:在人形机器人领域 , 软硬件之间的关系是什么样的?人形机器人这种形态 , 会对软件算法提出更高的挑战吗?
付春江 :「人形」的这种需要与环境交互的硬件形态 , 会增加通用 AI 处理相关问题的难度 , 这是在过去处理视觉、语音等问题的时候没有体现出来的 。 这时候 Deep learning(深度学习)还不够 , 也要用 Reinforcement learning(强化学习) , 还有其他各种各样的方式来处理问题 。
软件的进步则让机器人处理更多的任务 , 进入更多的场景 , 进而能推进商业化与放量 , 通过规模生产降低硬件成本 。 再进一步 , 高校研究机构能获得更廉价、性能更好的硬件 , 也能加速他们对相关算法的开发 。 这是一种正向的循环迭代 。
极客公园 :在与周围环境的协同中 , 是不是软件算法的作用相对较大?
付春江 :控制分为软硬件两个方面 , 软件的部分是相对比较大 , 但是硬件本身具备的适应性在交互过程中也起到了非常重要的作用 。 比如说现在很多机器人用的是钢体 , 其实半钢体或者说柔性体可能更适合 。
之前英国人做过一个视频 , 他们套上钢制成的手指套抓杯子 。 即使人有很高的运动智能 , 但是如果肢体末端不具备足够的摩擦力 , 也抓不住杯子 。
脚与地面相接触也是一样的 。 羚羊在非常陡的山坡上奔跑行走 , 这其实是非常令人惊艳的这样一种运动方式 。 分析来分析去 , 科学家发现羚羊脚掌构造非常独特 , 是一种像弹弓一样的双体结构 , 这种双体结构在适应破碎地面时非常有优势 。 现在加拿大和美国也在仿照羚羊脚开发机器人的脚 , 这都是具有启发性的 。

国外网友模仿人体结构设计的机器人腿部模型 | 来源:ZBrushCentral
极客公园:在研究机器人的时候 , 会跟人体有一些对照吗?目前在学习人体结构上面 , 还有哪些地方比较困难?
付春江:人体结构可以分为三个层次 , 第一个层次是人体骨骼系统 , 类比到机器人上就是刚体 。 人体骨骼系统即便是刚体 , 也是非常复杂的 , 现在机器人大多停留在对人体骨骼系统的简单模仿上 。 不过在人形机器人有建模抽象化的处理方式 , 不需要精准复刻 , 就像飞机翅膀虽然比鸟类翅膀简单得多 , 完成飞行任务就行 。
人体肌肉系统则涉及到柔性驱动 。 柔性驱动是现在世界上非常火热的一个研究方向 , 发表了好多特别高水平的论文 。 现在在机器人驱动上我们都用舵机 , 未来我们可能就会用柔性的、仿造人工肌肉的方式进行驱动 。

相关经验推荐