從早稻田大學1972年研發的WABOT，到特斯拉2022年首秀的Optimus，人類科學家對人形機器人的研發走過了半個世紀。在這半個世紀裡，人形機器人的發展已經從本田ASIMO、波士頓動力Atlas代表的技術驗證期，過渡到了以特斯拉Optimus為代表的商業試水期，一個新的機器人時代正在開啟。
為此，至頂科技特別策劃推出《機器人新紀元》專題報道，旨在探尋全球機器人團隊的技術變遷和創新故事。
本文收錄於至頂科技《機器人新紀元》專題。
作者｜金旺
欄目 | 機器人新紀元
2022年11月30日，OpenAI對外公布了由GPT 3.5系列大語言模型訓練而成的對話式AI——ChatGPT，自此ChatGPT成為通用人工智慧的代名詞，開啟了逆襲之路。
ChatGPT的出現標誌著人工智慧發展進入到了一個新的階段，這個階段的標誌性特性是「通用型」，而人們討論最多的則是大模型，尤其在OpenAI在今年3月14日正式發布了GPT 4，也就是第四代生成式預訓練模型後，通用人工智慧大模型讓各個行業再次興奮起來。
與此同時，在人工智慧與機器人結合方面，具身智能應運而生。
2023年7月6日，在中關村智友研究院主辦的首屆科技創變者大會上，王田苗（北航機器人研究所名譽所長、中關村智友研究院院長）、黃鐵軍（北京智源人工智慧研究院院長、北大多媒體資訊處理國家重點實驗室主任）、鄧志東（清華大學教授、博導、清華人工智慧研究院視覺智能研究中心主任）、樊瑜波（北航醫學科學與工程學院院長、生物與醫學工程學院院長）、熊蓉（浙江大學求是特聘教授，迦智科技創始人）幾位人工智慧、機器人領域領軍人物，就新一代人工智慧為包括機器人產業在內帶來的機遇與挑戰進行了一場深度對話。
我們有幸在這個科技創變新周期，現場聆聽了這場重磅對話。
以下為本次論壇圓桌對話內容，至頂網進行了不改變原意的整理：
10年內，更聰明的機器人進入家庭
王田苗：科技創變者宏觀尺度上來看，未來5-10年，會有哪些新賽道值得all in？
黃鐵軍：我覺得未來幾年裡，機器人和人工智慧技術融合發展值得關注。
今天人工智慧很熱，已經占據了歷史機遇窗口期，那麼下一個歷史新機遇是什麼？
我認為人工智慧下一個重大突破是通用感知模型，即面向自動駕駛、機器人等領域的具身智能模型，通用感知模型的快速發展會帶來是一個巨大新機遇。
大語言模型的突破，為通用人工智慧打了一個很好的基礎，語言事關人對世界的認知和理解，在這方面，可以說大部分認知問題已經得到解決。如果感知能力得到進一步提升，類腦的通用智能模型將會逐漸形成。
以自動駕駛為例，目前我們通過機器視覺或雷射雷達不斷讓自動駕駛汽車實實在在地感知這個世界，但其實它仍然缺少對世界的認知。例如汽車前方道路上有一個大塑膠袋或一塊大石頭，現在的自動駕駛汽車遇到這樣的場景，肯定會停下來，但是人類駕駛員看到汽車前方有一個被風吹得鼓鼓的塑膠袋，能夠直接判斷出它不會對汽車行駛造成什麼風險，可能就直接開過去了。
今天自動駕駛和人類駕駛員的區別就在於，人對物體的物理屬性和潛在風險是有常識認知的，今天的機器視覺並沒有的，無論是雷達還是攝影機。
所以大語言模型出現之後，再回過頭來看，這樣認知上的能力就有可能實現。下一個人工智慧大模型的爆點，放在自動駕駛領域，有可能就是實現L4/L5級別的自動駕駛；放在機器人領域，有可能是有類人大腦的機器人。
原來總是認為很複雜的場景，例如玻璃製品是容易碎的，有水的地面容易滑倒，在實現認知智能後，這些一直以來無法靠傳統不斷補充Corner case來完成的，現在只需要一個通用人工智慧模型，一個有認知、有感知，在現實世界中擁有常識的人工智慧模型就能實現。
我對技術發展比較樂觀，我認為，1-3年，L4/L5級別的自動駕駛就能夠實現，5-10年，能夠進入工廠、進入家庭的很聰明的機器人就能實現。
如何用技術應對人口老齡化難題？
王田苗：樊老師認為哪個賽道值得關注？
樊瑜波：現在我們社會的老齡化不斷加劇，人類的平均壽命在不斷延長，80歲以上的平均壽命已經到來，甚至很快還會有很多原來不經常出現的慢性病會相繼出現，人的機能衰老和逐漸半失能、失能也會成為必然。
如何應對人口老齡化問題，為老年人提供生活輔助和支持就成了一個大賽道。但要支撐這方面的產業應用，需要融合各個學科中的知識和技術。
從科技角度來看，未來生物活性智能材料是一個非常重要的方向。
永遠不要低估生命，生命所蘊含的東西我們還遠遠不能企及。
開一個玩笑來看的話，人每天吃一個饅頭、喝一碗稀飯，大腦所進行的運算如果換用人工智慧，需要大量伺服器、消耗大量能量、占據相當大的數據資源才能實現。所以相對人工智慧AI，我認為生物智能BI更博大精深。
所以生物科學裡的多樣性，例如情感對人類身體形成的獎賞機制、懲罰機制，我們還遠遠不能定量化描述。我認為生物活性智能材料，以及由此帶來的新傳感，或者新的一些干預手段，還有很大的機會。
王田苗：您走訪了很多養老機構，您認為當下養老場景中陪護和護理兩類機器人哪類更重要？
樊瑜波：這兩類機器人都很重要。
我曾經去日本的養老院訪問過，他們的養老院中有一種海豹機器人，賣得很貴，也經過了FDA的認證，但其實工作原理很簡單，老人撫摸它時，它能發出一些模擬海豹發出的可愛的聲音，再就沒有更複雜的功能了，但在養老院裡，老人很喜歡抱著它。所以情感交互是重要的。當然人的坐臥行等日常活動的輔助也是必不可少的。
大模型助推機器人產業落地
王田苗：您覺得特別值得科技創建者來推動聯合這樣一個賽道是什麼？
鄧志東：現在來看的話，我比較看好人工智慧、人形機器人、自動駕駛三個方向。
2012年以來，人工智慧熱潮在全世界再次興起，最初主要是以深度卷積神經網路為代表的弱人工智慧，整個弱人工智慧應該說全面賦能了自動駕駛，但是我們實際並沒有看到真正有L4級自動駕駛技術在產業落地。
去年年底以ChatGPT為代表的通用人工智慧出現之前，其實大家對人工智慧產業是有懷疑的，尤其是看不到多少成功落地的案例。通用人工智慧出現以後，這樣的現狀有所改變，如何去用大模型？如何用這樣的通用AI能力去賦能自動駕駛與機器人？
機器人在弱人工智慧時代，其實與人工智慧之間的結合併不是很多，但現在與大模型結合有了新的機會。
大模型的能力，再加上思維鏈等提示詞工程甚至可以實現零樣本學習，這有可能更多地推動人工智慧與自動駕駛、機器人的結合，在未來或有更多真正產業落地應用的機會。
王田苗：我有個個人觀點，基於人工智慧大模型進行創業的團隊，現在更需要在大模型的基礎上找出具體應用場景來創新？
鄧志東：我同意這樣的觀點。
我覺得做大模型其實非常困難，我們更應該關注怎麼去用好大模型，搞機器人、自動駕駛的，更應該關注怎麼去使用，使用大模型的能力，這個是最重要的事情。
我有三個觀點：
第一，我們應該更多關注大模型的應用，語言智能是我們人類和動物之間的根本區別，所以用語言智能就可以提供與人類一致的感知、預測、決策及規控能力，甚至可以用我們人類經驗去對它進行反饋矯正；
第二，利用世界的知識模型、知識圖譜去推動完成目標的理解，之前我們只能做到感知，做不到理解，現在從某種意義上說視覺理解可以通過世界知識模型的構建來實現；
第三，用大模型支撐自然人機交互，通過它可以進行完全自然的人機交互，從而進一步實現主動感知。
我覺得這三個方面是很重要的。最重要的是，對通用人工智慧來說，同一個模型可以干很多事情，例如可以做感知，可以做決策，可以做規劃，甚至可以做性能評估等，這與弱人工智慧一個模型只能完成一個任務是完全不同的。
大模型 機器人，從封閉環境走向開放環境
王田苗：您認為人工智慧為機器人產業帶來了哪些機會？
熊蓉：人工智慧技術與機器人結合能夠不斷提升機器人的智能移動能力、智能操作能力，以及智能交互能力。
第一，像現在大模型的誕生，直觀來講，我們會看到它對機器人和人的這種自然語言交互、以及視覺交互，能夠有一個很好地提升。
我們在早幾年也有看到市場上出現過一些家庭陪伴聊天機器人，但當時只是熱了一陣子，因為它整體交互能力做得不夠好，給人的感覺還是比較呆板、不夠智能，現在語言大模型在這方面有了很好的提升。
第二，我們現在可以把語言和視覺的大模型與機器人的技能學習結合，例如與操作能力的學習結合起來。
我們之前也做過這樣的嘗試，通過預訓練的語言大模型、視覺大模型和機器人抓取模型結合，我們可以看到：
一方面，我們可以給它靈活地下達指令；
另外一方面，我們可以實現一個有目標性的智能抓取，改變了前面我們必須模塊化定義機器人的目標檢測、定位、抓取決策，任何一個環節出錯都有可能影響最後的成功率。
而機器人抓取模型的學習，例如2015年穀歌用16台機器人訓練了6個月時間，實現的是無目標抓取，只是抓取，並不識別物體。
我們現在做的，是把二者進行結合，實現有目標的智能抓取。
因此，將感知智能和運動智能結合，實現感知運動智能，可以進一步提升機器人的智能性，從而更好地適應開放動態的環境。
這可以改變我們現在的機器人還是在一種受限受控的環境下運行的現狀，從面向工業應用場景推廣到更加開放動態的環境，帶動服務機器人的發展。
王田苗：您認為什麼場景中會出現單品出貨量超過100萬台的機器人物種？
熊蓉：人工智慧從專用人工智慧走向了通用人工智慧，對機器人而言，也需要從專用型機器人向通用型機器人去發展，這也是為什麼現在人工智慧熱潮中，人形機器人也形成了一個熱潮的原因。
因為它代表的是未來一個通用型機器人，可以適應各種應用場景。
