原文：10 Emerging Robotics Infrastructure Themes
作者：Kahini Shah, Partner @ Obvious
来源：SandHill.io #299 推荐阅读 · Investment Themes & Theses
我们见过人形机器人后空翻，四足机器人玩跑酷，夹爪能轻轻拧上灯泡。随着机器人从原型走向量产，我们一直在问：建造者现在最需要什么，才能加速这一进程？
我们把答案收敛到十大关键创新领域，分属三个类别：教机器人「做什么」的数据与环境，让它「真正做得到」的硬件与网络，以及把这一切变成可部署系统的软件平台。
数据与仿真（Data & Simulation）
大语言模型（LLM）有互联网上的文本可以学习。机器人没有对等物。伯克利教授 Ken Goldberg 把这称作机器人领域的「十万年数据缺口」（100,000-year data gap）。并不存在一座现成的、规模巨大的物理世界档案，可以拿来训练机器人模型去捡起东西、走过不可预测的地形，或在绊倒后恢复。要弥合这个数据缺口，需要创新：
- 数据采集平台： 机器人数据可以来自真实世界，也可以来自仿真。真实世界数据包括视频（第一人称/egocentric、第三人称/exocentric 等）、通用操作接口（Universal Manipulation Interface, UMI）、遥操作（teleoperation），以及生产数据。采集多样、高质量的数据很难。用来捕捉数据的物理硬件装置、采集到的数据本身，以及如何标注，都会决定它对训练模型有多大用处。那些提供生产级规模数据集、以及处理这些数据的工具的「镐与铲」（pick-and-shovel）平台，代表着巨大机会。
- UMI 采集设备： 通用操作接口（UMI）框架让人类可以用手持夹爪，把操作技能教给机器人。UMI 设备需要足够舒适，好让人能在训练时段一直戴着；同时必须采集足够干净的数据，才能迁移到机器人的硬件上。把这两件事做对，或许能造出机器人界的 Tesla——一套在用户几乎无感的情况下被动训练出来的自主系统。正如 Nvidia 的 Jim Fan 在 Robotics’ End Game YouTube 里所说：「戴着这些 UMI 或数据采集可穿戴设备仍然很笨重，远不像开车去上班那么无缝，所以我们需要一个 FSD 的等价物。」
- 仿真器： 相对真实世界采集，仿真器提供了一种可扩展的数据生成方法。NVIDIA 的 Isaac Sim 和 MuJoCo 这类多物理仿真器（multi-physics simulators），能在几分钟内生成数小时的训练数据。但这些仿真器仍有局限，例如准确建模衣服这类可变形物体，或水这类液体。此外，在这些理想化环境中训练出的策略，部署时常常会失败，原因是未建模的真实世界因素——这种错配被称为 sim2real gap（仿真到现实的鸿沟）。Eka Robotics 展示了有希望克服仿真局限的证据，尤其是它们采摘娇嫩树莓的演示。更快、更精确的多物理仿真器，将进一步缩小数据缺口。
- 世界模型（World Models）： 世界模型是一种为环境建立内部表征的 AI 系统。该模型会预测环境如何随时间、随动作而变化。Waymo 已成功把世界模型用于自动驾驶，以加速自主能力，仿真从罕见事件（比如一辆车遇到一头大象）到开放式的「如果……会怎样」情景。MOE Capital 的 Henry Yin 和 Naomi Xia 在文章 The Model That Dreams the World 中概括了机器人在这一点上处于何处。对机器人而言，世界模型可以成为更好的规划器，也可以成为更好的仿真器。通过创造更真实的环境表征，世界模型有助于打造 sim2real gap 更小的机器人策略。
硬件与网络（Hardware & Networking）
机器人是硬件与软件紧耦合的系统。在数字世界里，文本可以作为模型相对硬件无关的标准输入与输出。机器人硬件栈由传感器、执行器（actuators）、电池和 GPU 组成。在机器人里，输入和输出都依赖硬件。机器人通过各种传感器（如视觉、lidar、力觉）感知世界，并向各种电机和执行器输出控制指令。因此，机器人硬件的进展很重要。这些机会领域包括：
- 实时遥操作（Real Time Teleoperations）： 遥操作用来采集数据、微调行为，并在现场把卡住的机器人救出来。但今天的系统有真实约束：网络延迟、连接不稳定、视频编解码延迟，以及只依赖视觉反馈——因为低延迟的触觉回路（haptic loops）很难实现。没有触觉，操作员就感觉不到物理接触，安全、准确地操作会困难得多。一套能让人从任何地方进行直观、远距离遥操作的方案，会成为机器人训练与部署的赋能器。
- 回流/在岸化（Onshoring）： 不断升温的地缘政治张力，以及更广泛的 AI 竞赛，正推动公司把机器人供应链与制造搬回本国。除了少数例外——比如 Boston Dynamics 在马萨诸塞州制造人形与四足机器人——机器人制造与供应链的主体仍经过中国。Unitree Robotics 提交上市材料表明，机器人硬件制造商可以是可行的商业模式。这留下了巨大空间：不仅要在 FATP（最终组装、测试与包装）上建立国内产能，还要在执行器、电池等核心部件上建立国内产能。
- 执行器（Actuators）： 执行器很重要，它们使运动成为可能。Sangbae Kim 教授开创的本体感觉驱动（proprioceptive actuation），帮助运动控制取得成功。但我们仍看到局限，比如中国一场人形马拉松上电机必须冷却。执行器对灵巧性同样极其重要。人类的手有 22 个自由度，要做出机器人等价物，意味着要把又小又强的电机塞进非常紧的空间。Origami Robotics 在博客 The Dexterity Deadlock 中解释了这一挑战。机器人将极大地受益于扭矩更大、更轻、功耗更低的执行器。
- 触觉与力传感器（Tactile & Force Sensors）： 要在类人灵巧性上取得成功，我们需要「采集正确的数据，并学会正确的事情」，Rodney Brooks 在文章 Why Today’s Humanoids Won’t Learn Dexterity 中写道。正确的数据必须包括触觉与力觉。人手就是证明：它有约 17,000 个机械感受器（mechanoreceptors），并在各个关节上注册力，以控制运动。Eka 的视觉-力-动作模型表明，引入力觉传感，能让机器人完成此前被认为不可能的任务，比如拧灯泡。触觉反馈可以进一步增强灵巧性。触觉传感可以通过视觉、压力、电容等方式完成。确定最适合学习的传感器模态，以及能在部署中耐受使用的稳健传感器设计，是一个有意思的机会。
软件工具（Software Tooling）
MLOps 成为机器学习工程师采集数据、训练模型并可靠部署的关键基础设施。用于调优、评估和部署机器人的技术栈正在快速演进：在位者如 ROS，创业公司如 Foxglove，在栈的不同层上创新。我们看到进一步构建的机会，尤其是在微调、推理和护栏（guardrails）层。
- 微调（Fine-tuning）： 用任务特定数据集、失败模式及其对应的恢复案例，持续更新并优化模型的工具。
- 评估与基准测试（Evaluations & Benchmarking）： 衡量模型或机器人在给定任务上表现如何、并测试安全性的框架。
- 回放与测试（Replay & Testing）： 帮助在仿真环境中虚拟测试机器人，然后回放日志以抓住 bug、修复失败的工具。
- 监控与可观测性（Monitoring & Observability）： 在生产中流式传输、可视化并记录传感器数据与关节位姿的工具，以便快速发现问题并修复。
- 护栏（Guardrails）： 用于实时安全与安保检查，强制执行规则，确保功能安全、可靠。
- 推理（Inference）： 为了在云端以及直接在边缘硬件上以最小延迟和功耗服务模型，而构建的优化与混合运行时引擎。
- 机队编排（Fleet Orchestration）： 机队编排层充当软件「控制平面」（control plane），使运营方能够部署、管理并监控现场的多台机器人。这一层让不同机器人本体（embodiments）易于集成，也便于理解并微调它们的能力。通过把高层目标变成可操作事项，这一层把复杂目标拆成子任务，分配给合适的机器人，并协调机队之间的实时执行与数据共享。
我们预期，那些能降低整栈摩擦、帮助机器人走向生产的技术，将在未来十年蓬勃发展。如果你正在这里建造，我们希望听到你的声音。
本文由 RecodeX 编译自 SandHill.io #299 推荐阅读，原文链接与作者见文首；原文版权归原作者所有，译文仅供学习交流，如有异议请联系我们处理。