文 丨產(chǎn)業(yè)象限 錢(qián)江
編輯|山茶
人形機(jī)器人行業(yè)又迎來(lái)一對(duì)新的強(qiáng)強(qiáng)聯(lián)合。
近期,波士頓動(dòng)力宣稱(chēng),會(huì)使用豐田研究所的“大型行為模型”來(lái)訓(xùn)練機(jī)器人,它類(lèi)似于驅(qū)動(dòng)ChatGPT的“大型語(yǔ)言模型”,可以讓機(jī)器人通過(guò)少量演示數(shù)據(jù)和多模態(tài)感知來(lái)掌握復(fù)雜任務(wù),走向通用機(jī)器人。
在過(guò)去,這條技術(shù)路徑一直是馬斯克為Optimus(下稱(chēng)“擎天柱”)畫(huà)的“餅”,想借此實(shí)現(xiàn)通用人形機(jī)器人。
今年10月初,馬斯克以《We, Robot》為主題在加州開(kāi)了一場(chǎng)“科幻”味兒十足的發(fā)布會(huì)。在現(xiàn)場(chǎng),擎天柱以服務(wù)員的身份一邊為賓客調(diào)酒,一邊抬手打招呼說(shuō)著“Hi,everybody”,甚至在現(xiàn)場(chǎng)和賓客熱舞。
但發(fā)布會(huì)結(jié)束后,有現(xiàn)場(chǎng)賓客卻表示,擎天柱“親口”向他承認(rèn),自己是被遠(yuǎn)程遙控的。而整個(gè)發(fā)布會(huì),馬斯克也沒(méi)有透露關(guān)于擎天柱的任何技術(shù)細(xì)節(jié)。
看似自主的機(jī)器人,依舊離不開(kāi)人類(lèi)的遠(yuǎn)程遙控。
馬斯克似乎做了一個(gè)雙面鏡,一面是真實(shí)的擎天柱仍然做著人類(lèi)的提線木偶;而另一面,他又用一種近乎虛假的方式為人們構(gòu)畫(huà)出一個(gè)可能實(shí)現(xiàn)的未來(lái)。
但顯而易見(jiàn),馬斯克并沒(méi)有興趣解答擎天柱當(dāng)前的研發(fā)進(jìn)度,那么作為馬斯克在機(jī)器人領(lǐng)域的強(qiáng)敵, 波士頓動(dòng)力這次與豐田研究所的聯(lián)合,能將馬斯克畫(huà)的餅實(shí)現(xiàn)嗎?
波士頓動(dòng)力,率先走到終點(diǎn)?
想要完成馬斯克這張拼圖,擎天柱需要擁有與人類(lèi)和環(huán)境交互的能力。
比如將機(jī)器人放在廚房,它首先要能識(shí)別出自己所處場(chǎng)景是“廚房”。然后,當(dāng)人類(lèi)告訴他要做一道菜時(shí),它可以主動(dòng)從冰箱拿出食材、清洗、切菜、并按步驟烹飪。
要實(shí)現(xiàn)這個(gè)過(guò)程,意味著機(jī)器人能夠自主辨別什么是冰箱,并移動(dòng)到冰箱前,打開(kāi)冰箱門(mén),在眾多食材中找到需要的食材,取出來(lái),然后結(jié)合各種工具進(jìn)行清洗.....
這個(gè)過(guò)程對(duì)人類(lèi)來(lái)說(shuō)十分簡(jiǎn)單,但對(duì)機(jī)器人而言卻十分困難。
當(dāng)前無(wú)論是老牌人形機(jī)器人波士頓動(dòng)力的Atlas,還是“新貴”擎天柱、Figure,都只能在受限制的環(huán)境里執(zhí)行單一任務(wù),比如在案板前將已經(jīng)分揀好的各種蔬果拿起或者放下。
▲Figure01拾取水果,圖源YouTube@Figure
▲Optimus Gen2拾取雞蛋,圖源YouTube@Tesla
要知道這其中的區(qū)別,可以想一想咱們自己家里的冰箱,當(dāng)各種食材被混雜在一起、用透明塑料袋裝著的時(shí)候,識(shí)別難度就會(huì)高于單個(gè)的西紅柿、紅薯。
所以如果將機(jī)器人自主做出一頓飯的難度,比作是登上珠穆朗瑪峰,那么現(xiàn)在的人形機(jī)器人才剛剛坐進(jìn)學(xué)步車(chē)。對(duì),它還沒(méi)有學(xué)會(huì)“走路”。
而更重要的是,當(dāng)前機(jī)器人學(xué)習(xí)新技能的效率十分低下,比如學(xué)會(huì)了疊衣服之后,轉(zhuǎn)而疊被子就要重新學(xué)習(xí)大量數(shù)據(jù)。
為了克服這個(gè)難題,波士頓動(dòng)力和豐田研究院團(tuán)隊(duì)采用一種新的AI系統(tǒng)“大型行為模型”訓(xùn)練機(jī)器人,通過(guò)物理演示任務(wù)(例如觀看視頻)進(jìn)行教學(xué),來(lái)幫助將Atlas打造成一款自主性能力強(qiáng)的通用人形機(jī)器人。
經(jīng)過(guò)這套“大型行為模型”的訓(xùn)練,機(jī)器人可以通過(guò)少量數(shù)據(jù)學(xué)習(xí)新技能,這種方法叫做“擴(kuò)散策略”,這套策略可以探索多種不同的路徑,并根據(jù)實(shí)時(shí)情況選擇最佳方案,它可以幫助機(jī)器人更好地應(yīng)對(duì)不確定性的環(huán)境,比如突然的障礙或任務(wù)變化。
豐田研究院公布了關(guān)于這一成果的報(bào)告,其中有一個(gè)通俗案例可以解釋這個(gè)策略:
經(jīng)過(guò)擴(kuò)散策略訓(xùn)練的機(jī)器人,可以做醬汁燒注和涂抹任務(wù),需要將醬汁涂抹在披薩面團(tuán)中心,分拆步驟來(lái)看:①握住勺子接近披薩面團(tuán)中心;②將醬汁以螺旋狀鋪在披薩上;③提起勺子。
▲論文《擴(kuò)散政策:通過(guò)動(dòng)作擴(kuò)散進(jìn)行視覺(jué)運(yùn)動(dòng)策略學(xué)習(xí)》
在這個(gè)過(guò)程里,披薩面團(tuán)會(huì)隨機(jī)移動(dòng),而機(jī)器人可以“隨機(jī)應(yīng)變”,它能跟隨披薩面團(tuán)中心位置的遷移而即時(shí)挪動(dòng)勺子。
根據(jù)豐田工作人員透露,學(xué)會(huì)這個(gè)能力并不費(fèi)勁,“這個(gè)過(guò)程從老師遠(yuǎn)程操作演示一小部分技能開(kāi)始”,機(jī)器人晚上學(xué)習(xí),第二天就可以獲得新技能。也就是說(shuō),它用少量數(shù)據(jù)向機(jī)器人演示,便能夠讓機(jī)器人獲得“泛化”能力。
和傳統(tǒng)的機(jī)器人學(xué)習(xí)相比,這種行為模型就像運(yùn)動(dòng)界的ChatGPT一樣,給它一點(diǎn)行為上的Prompt,就能泛化出一套完成任務(wù)的操作軌跡和應(yīng)變能力。
但并不是任何人形機(jī)器人都能適配這套策略,擴(kuò)散策略更依賴(lài)視覺(jué)數(shù)據(jù),這就需要硬件上擁有高精度視覺(jué)傳感器,還要擁有抓取復(fù)雜和精細(xì)物體操作能力。
這也是目前波士頓動(dòng)力面臨的挑戰(zhàn)。
其最新款人形機(jī)器人Atlas目前并不具備實(shí)現(xiàn)“自主”的硬性條件,它既沒(méi)有靈巧手,又缺乏生活場(chǎng)景的數(shù)據(jù)。
Atlas機(jī)器人雖然具備一定的抓握能力,但其手部設(shè)計(jì)相對(duì)簡(jiǎn)單,只有三指,并且常用場(chǎng)景是應(yīng)急救援和工廠搬運(yùn),對(duì)于生活場(chǎng)景的數(shù)據(jù)也相對(duì)缺乏。
與此相比,特斯拉的擎天柱卻顯得更有優(yōu)勢(shì)。
比如在視覺(jué)數(shù)據(jù)上,特斯拉的自動(dòng)駕駛一直堅(jiān)持純視覺(jué)的解決方案,目前市場(chǎng)上運(yùn)行著將近600萬(wàn)輛特斯拉汽車(chē),可以積累大量的視覺(jué)數(shù)據(jù)。
其次擎天柱在靈巧手、關(guān)節(jié)有更接近人類(lèi)的設(shè)計(jì)。在特斯拉最新展示的視頻里,擎天柱可以走到桌邊,用雙手的“指尖”舉起重11kg的4680電池盒。
這雙機(jī)械手已經(jīng)擁有22個(gè)自由度,分布在手指、手腕和小指下方,而年初手部擁有11個(gè)自由度的第二代擎天柱,所有手指都具有觸覺(jué)感應(yīng),能夠靈巧地處理雞蛋等易碎物品。
▲擎天柱舉起電池,圖源:Tesla@YouTube
所以,雖然波士頓動(dòng)力和豐田研究院的找到了一種更有效率的機(jī)器人訓(xùn)練方式,但想要比擎天柱更快實(shí)現(xiàn)真正的自主性,Marc Raibert或許需要聯(lián)合他的老搭檔---曾一起在MIT腿部實(shí)驗(yàn)室共事、豐田研究所的CEO兼豐田汽車(chē)公司首席科學(xué)家Gill Pratt,對(duì)目前Atlas的機(jī)械手作一番改造,并且補(bǔ)足視覺(jué)識(shí)別所需要的硬件能力。
馬斯克鐘愛(ài)“奇跡廚房”
與波士頓動(dòng)力聯(lián)合豐田研究院發(fā)布的新技術(shù)相比,馬斯克更鐘愛(ài)打造“奇跡廚房”。
所謂“奇跡廚房”,是指夸大產(chǎn)品能力的科技營(yíng)銷(xiāo)行為。
1959年7月,《展望》雜志刊登了一篇描述未來(lái)“奇跡廚房”的文章,讓美國(guó)人認(rèn)為,未來(lái)自己家庭會(huì)有功能齊全、十分智能的廚房,在美國(guó)的宣傳片中,有一部分電器的運(yùn)作會(huì)被含糊其辭地描述為“自主”的:
“推車(chē)會(huì)將吃完飯后的臟盤(pán)子,推到墻面,進(jìn)行自動(dòng)清洗和干燥”
“清潔器可以從墻上自動(dòng)出來(lái),在清理完地面后,會(huì)自動(dòng)回歸原來(lái)的位置”
“揮一揮手”就能召喚出隱藏在墻面的飲料機(jī),告訴它“我想喝一罐冰凍橙汁”,飲料機(jī)就會(huì)自動(dòng)出水
▲吸塵機(jī)器人,照片由Robert S. Lerner Photography LLC拍攝
但這些在50年代令人感到驚奇的黑科技,卻是一個(gè)實(shí)實(shí)在在的謊言。
2013年,一位“奇跡廚房”設(shè)計(jì)師成員揭露,自動(dòng)洗碗機(jī)和清潔器這些“自走式電器”根本無(wú)法正常工作,而是工作人員在后臺(tái)通過(guò)遙控操作,讓一些隱藏在地板下的電子軌道輔助完成的。
“奇跡廚房”本質(zhì)上是冷戰(zhàn)時(shí)期的一種營(yíng)銷(xiāo)工具,設(shè)計(jì)初衷是為了嚇唬蘇聯(lián)游客,讓他們產(chǎn)生“一無(wú)所有”的感覺(jué)。
但從馬斯克的角度,他上演“奇跡廚房”的目的,顯然并不是為了讓人覺(jué)得自己一無(wú)所有,反而是為了讓人們知道自己未來(lái)可能會(huì)擁有什么。
2021年9月,馬斯克在特斯拉AI Day上突然宣布進(jìn)軍人形機(jī)器人領(lǐng)域,配合他宣傳的是一段“機(jī)器人”的熱舞,當(dāng)時(shí)這些機(jī)器人還只是身穿緊身衣的人類(lèi)舞者,而僅僅一年之后,擎天柱的原型機(jī)就被人攙扶著走上了發(fā)布會(huì)。
一直以來(lái),馬斯克都以這種近乎夸張的方式,超前兜售自己的夢(mèng)想。今年的《We,Robot》發(fā)布會(huì)也是如此。
在10月初的《We,Robot》發(fā)布會(huì)上馬斯克用了一種科幻手法,在香檳美酒和燈光舞影之下,一群擎天柱與人類(lèi)其樂(lè)融融地相處,甚至在一個(gè)玻璃房里集體大跳“夜店舞”。
▲擎天柱熱舞,圖源Tesla@YouTube
可能是因?yàn)榍嫣熘谋憩F(xiàn)過(guò)于自然,以致于現(xiàn)場(chǎng)賓客幾乎沒(méi)有格格不入感。
但賓客很快就發(fā)現(xiàn)了不對(duì)勁。在現(xiàn)場(chǎng),不同擎天柱的音色不盡相同,并且它們與人類(lèi)互動(dòng)的反應(yīng)是即時(shí)的,還伴隨著順滑的手勢(shì),相比于自主,更像遠(yuǎn)程遙控。
連擎天柱自己都承認(rèn)了這一點(diǎn),前微軟戰(zhàn)略家Robert Scoble在X上分享了一段視頻,他在現(xiàn)場(chǎng)向擎天柱發(fā)問(wèn):“How much of you is AI?Some or none.”(你的表現(xiàn)里有多少成分是AI驅(qū)動(dòng)?一點(diǎn)點(diǎn),還是完全沒(méi)有?),擎天柱回復(fù)“It might be some.”
擎天柱就像提線木偶,和背后操縱它的人類(lèi)共同演了一場(chǎng)戲。
馬斯克并不是第一次這么做,2024年1月份,他在X上發(fā)了一個(gè)擎天柱疊衣服的視頻,并配文“擎天柱在折襯衫?!?/p>
▲擎天柱折襯衫,圖源X@Elon Musk
眼尖的網(wǎng)友從視頻上看到一只快速閃現(xiàn)的手,擎天柱很快被質(zhì)疑背后由人類(lèi)遠(yuǎn)程操控,馬斯克也親自承認(rèn)了這一點(diǎn),他發(fā)了一條“重要提示”:擎天柱還不能自主地做到這一點(diǎn)。
馬斯克的做法,與當(dāng)年“奇跡廚房”的構(gòu)建如出一轍。通過(guò)模棱兩可地描述,來(lái)構(gòu)建一個(gè)似有似無(wú)的科技場(chǎng)景。
雖然很多人對(duì)于這樣的營(yíng)銷(xiāo)方式不滿(mǎn),但一些機(jī)器人從業(yè)者表示理解,谷歌DeepMind一位工作人員Ted Xiao在X上直言“實(shí)現(xiàn)低延遲全身遠(yuǎn)程操作是邁向自主化的一大步”。
特斯拉機(jī)器人工程師Milan Kovac在X上也承認(rèn)擎天柱“一定程度上有人類(lèi)的幫助”,但它們可以自主行走,并且在保持平衡的情況下,跳了4個(gè)小時(shí)的舞蹈,期間只摔倒過(guò)一次。
▲特斯拉機(jī)器人工程師Milan Kovac,X@Milan Kovac
總結(jié)起來(lái)看,雖然擎天柱每一次的出場(chǎng),都有著遙操的成分,但它在遙操模式下的表現(xiàn)越來(lái)越好。
而馬斯克就好像在完成一張龐大的拼圖,一點(diǎn)一點(diǎn)地累積擎天柱的能力,讓它從一個(gè)需要被攙扶著上臺(tái)的“機(jī)器”,逐步變身為一個(gè)“有血有肉”的“類(lèi)人”物種。
擎天柱研發(fā)每走到一個(gè)新的階段,馬斯克就開(kāi)始啟動(dòng)一次“奇跡廚房”,用營(yíng)銷(xiāo)上的含糊口徑,向外界秀一遍自己腦中關(guān)于擎天柱的拼圖全貌。
哪怕這張拼圖可能才完成百分之一。
結(jié)語(yǔ)
1939年,在紐約的世界博覽會(huì),西屋電氣公司推出一款身高7英尺(2.1米)的機(jī)器人Elektro,它的外形酷似人類(lèi),會(huì)抽煙、會(huì)用手指數(shù)數(shù),可以通過(guò)語(yǔ)音命令行走、會(huì)說(shuō)700個(gè)單詞。
一經(jīng)出現(xiàn),Elektro就成為大眾心中的文化偶像,他激發(fā)了當(dāng)時(shí)的人們對(duì)未來(lái)機(jī)器人的想象。
▲A Blast from the Past,圖源justoborn-Elektro Robot
但實(shí)際上就像特斯拉擎天柱第一次登上發(fā)布會(huì)一樣,Elektro的一切都是假的,它其實(shí)是用內(nèi)置78rpm的唱片機(jī)來(lái)朗讀預(yù)先錄制的詞匯。
但85年后的今天,Elektro展示的一切已經(jīng)成為現(xiàn)實(shí)。越來(lái)越多企業(yè)開(kāi)始聯(lián)合,共同推動(dòng)人形機(jī)器人的發(fā)展。
比如為了給給機(jī)器人安裝大腦,波士頓動(dòng)力、Figure都選擇了尋找軟件實(shí)力強(qiáng)的合作伙伴,前者找到了豐田,后者綁定了OpenAI.
與他們相比,馬斯克就像一個(gè)孤膽英雄,他選擇了軟硬件自研的路徑。
不論是哪一種方法,在探索新物種的道路上,都充滿(mǎn)荊棘。
人類(lèi)一直試圖厘清自己“從哪里來(lái)”,并據(jù)此衍生出女?huà)z造人、亞當(dāng)夏娃這些神話故事。
在這些神話里,中國(guó)的女?huà)z、歐美的耶和華神,都充當(dāng)著人類(lèi)“造物主”的角色。而人形機(jī)器人,則是人類(lèi)自己企圖成為“造物主”的具象體現(xiàn)。
這個(gè)物種需要和人類(lèi)一樣,擁有自己的思想和行動(dòng)。
但現(xiàn)在,人們還只能在“奇跡廚房”里,等待著它們的到來(lái)。