具身智能
机器人技术的突破时刻可能已经到来
本文信息来源：radical 图片：《生命科学》杂志，世界机器人锦标赛——机甲格斗竞技场 复制链接 分享至领英 分享到 X 我们最近与机器人生态系统的行业领袖、创始人和研究者们齐聚一堂，包括 Maven Robotics、Zeromatter、Dyna Robotics、特斯拉、XDOF、Physical Intelligence、UCR 等机构代表，在深度探讨机器人技术未来走向的晚间对话中，涌现出的洞见勾勒出这个领域正处在变革前夜的图景。 机器人产业正站在一个引人入胜的转折点上。虽然语言模型已凭借 ChatGPT 等突破性进展迎来了高光时刻，但机器人技术仍处于更初期的阶段——这个领域创新喷涌却缺乏明确基准，市场应用也远未成熟。 机器人领域的 GPT-4 时刻何时到来？ 我们讨论中最发人深省的洞见之一是：机器人技术的突破可能已经悄然发生。与拥有跨模态跨任务评估体系的语言模型不同，机器人领域缺乏坚实统一的标准来衡量进展。这个领域的任务具有高度异质性，性能表现依赖硬件载体，而仿真基准往往无法直接迁移到现实世界。 缺乏明确的衡量标准，使我们难以判断何时会迎来类似 GPT-4 对语言模型产生质变的关键转折点。机器人技术的”GPT-4 时刻”可能正在全球各地的实验室中悄然发生，但若没有健全的评估体系，我们或许无法立即识别这一突破。 尚未形成共识的领域 当晚讨论中最令人印象深刻的是，与会者对基础性问题的观点呈现出惊人的多样性。机器人技术正处于激烈实验阶段，目前尚未有任何单一方法占据主导地位。 参与者几乎对所有议题都展开了辩论：不同应用场景的最优形态、语言模型的规模法则是否适用于机器人技术、最具经济效益的数据收集方式，以及如何实现通用灵巧操作这一终极目标。这种共识的缺失，恰恰预示着这个行业正孕育着突破性创新的无限机遇。 数据挑战：现实世界与仿真模拟 与会者一致认为数据对提升机器人能力至关重要。但在依赖仿真数据还是现实交互数据的问题上，各方存在尖锐分歧，对于如何弥合著名的”仿真到现实鸿沟”也各执己见。部分专家主张扩展仿真环境以生成无限训练场景，而另一些则坚持认为，混乱不可预测的现实世界数据对于构建真正强大的机器人系统具有不可替代性。 自动驾驶初创公司 Waabi（Radical Ventures 投资组合企业）通过其混合现实测试 （MRT）平台实现了这种虚实融合。MRT 技术让 Waabi 车辆在真实测试跑道上自动驾驶的同时，还能对混合现实中共存的无数智能模拟参与者做出反应。这得益于车载版 Waabi World——该神经模拟器版本能在车载计算机上以毫秒级速度运行。当模拟器生成新场景时，真实物理传感器读数会被动态调整，使 Waabi Driver 在行驶中对虚实交融的元素做出响应。这种融合创造的混合现实，开启了以往难以安全或实际实现的测试可能性。 机器人公司的两条发展路径：通才与专精 成功的机器人企业往往呈现两种鲜明类型，各自拥有不同的技术路线和市场策略。 第一类企业押注于将通用机器人智能作为基础解决方案，随后将该能力部署到多个具体应用场景中。这些公司不拘泥于具体形态，在缩小业务焦点前先构建广泛的能力基础。 第二类企业则从创立之初就深耕特定垂直领域，争分夺秒地将技术部署到现实场景中快速学习迭代。相较于通用能力开发，这类公司更重视来自市场的即时反馈。 这种分野在我们的投资组合中清晰可见。Promise Robotics 就是垂直优先策略的典范，他们通过机器人自动化和 AI 优化的工作流程，专门针对住宅建设领域进行深度开发。与打造通用机器人不同，他们正着力解决建筑商当前面临的劳动力短缺和规模化生产等迫切挑战。 一个激动人心的预测：机器人将无处不在 当晚最令人振奋的洞见或许是一个关于规模的大胆预测：未来十年内，全球部署的机器人数量或将达到与 iPhone 相当的规模。 这一愿景得到了多重趋势的支撑。硬件质量不断提升而成本急剧下降，使得构建实体系统和收集远程操作数据的成本更加低廉。前沿模型的进步正在为机器人系统解锁新能力。此外，英伟达等公司正投资开发 Isaac Sim 等开源仿真工具，加速了技术发展。从科技巨头到雄心勃勃的初创企业，全球聚焦机器人领域的顶尖人才规模与质量，共同构成了推动前所未有的进步的创新引擎。 […]
