作者 / Robo小曹????

10月20日，在全球智能機(jī)器人與系統(tǒng)大會(huì)（IROS）時(shí)隔19年重返中國內(nèi)地之際，美團(tuán)于大會(huì)期間舉辦了“機(jī)致生活Robotics for Better Life——2025美團(tuán)機(jī)器人研究院學(xué)術(shù)年會(huì)”?，F(xiàn)場，美團(tuán)副總裁、美團(tuán)機(jī)器人研究院理事長毛一年、香港大學(xué)教授席寧、禾賽科技創(chuàng)始人李一帆、自變量機(jī)器人CEO王潛等發(fā)表主題演講，圍繞“具身智能商業(yè)化”“機(jī)器人感知、規(guī)劃和控制”等議題展開探討；來自宇樹科技、星海圖等企業(yè)的負(fù)責(zé)人共同參與圓桌論壇，探究具身智能發(fā)展的“第一性原理”。RoboX將全場內(nèi)容進(jìn)行了梳理。

本場圓桌嘉賓包括：

王興興 | 宇樹科技創(chuàng)始人、CEO 、CTO

許超 | 浙江大學(xué)控制科學(xué)與工程學(xué)院教授、浙江大學(xué)湖州研究院院長

許華哲| 清華大學(xué)助理教授、星海圖智能聯(lián)合創(chuàng)始人

趙明國| 清華大學(xué)教授機(jī)器人控制實(shí)驗(yàn)室主任

主持人：清華大學(xué)深圳國際研究生院副教授-丁文伯

第一性原理仍然模糊

王興興：在硬件方面，基本上所有商品都是與成本和重量相關(guān)的；但在軟件上，AI領(lǐng)域的第一性原理確實(shí)還有點(diǎn)模糊。

如今，大家對(duì)于「什么是智能」這一概念想得都不夠透徹，很多人覺得是「數(shù)據(jù)的壓縮」，將智能給提煉出來。

如今這一觀點(diǎn)已得到了驗(yàn)證，但我覺得這不是個(gè)終極的構(gòu)想。智能的概念，未來應(yīng)當(dāng)像牛頓力學(xué)定律那樣，做更多總結(jié)，得出一些基本概念和規(guī)則。

至于技術(shù)實(shí)現(xiàn)路徑的規(guī)則，就是核心原理歸核心原理，工程技術(shù)歸工程技術(shù)，這兩塊還需要再分別深入探索。

許超：我在浙大控制學(xué)院給學(xué)生上課的時(shí)候，發(fā)現(xiàn)越來越多的學(xué)生更喜歡研究AI和機(jī)器人，對(duì)傳統(tǒng)控制學(xué)的興趣漸漸下降。所以有人說：“以后信息學(xué)科只有兩個(gè)專業(yè)，叫計(jì)算機(jī)一院和計(jì)算機(jī)二院?！?/strong>

現(xiàn)在的具身智能，要將軀體和靈魂的合二為一。原來的機(jī)器人是力量和精度的象征，但是大腦還不行。要補(bǔ)腦，就要靠人工智能。

AlphaGo是讓人聽機(jī)器的指令去下棋，那么估計(jì)再過兩年，就會(huì)讓機(jī)器人直接上場對(duì)弈。

大家經(jīng)常在辯論，到底是模型驅(qū)動(dòng)厲害還是數(shù)據(jù)驅(qū)動(dòng)厲害。我認(rèn)為，人類社會(huì)發(fā)展到現(xiàn)在，積累了很多的第一性原理，這都是人類的智慧，你不能說它不智能，但關(guān)鍵還得看效果——不管是黑貓白貓，抓到老鼠就是好貓。

我覺得未來的模式應(yīng)該是牛頓+辛頓（Geoffrey Hinton），一位是最牛的物理學(xué)家，一位是計(jì)算機(jī)領(lǐng)域的諾獎(jiǎng)第一人。如果可以讓他們二人「握手」，協(xié)同解決問題，那這就會(huì)是一個(gè)讓大家都舒服的架構(gòu)。

過去的很長時(shí)間中，控制學(xué)更多是在研究小腦。隨著傳感器價(jià)格下降，算力提升，機(jī)器人除了翻跟斗之外，也可以去識(shí)別目標(biāo)避障，包括軌跡規(guī)劃還有協(xié)同，這也需要大腦的能力。

這上面還有一層，應(yīng)該是云腦——它就像繼續(xù)教育學(xué)院，當(dāng)大學(xué)里的課程不夠教了或者過時(shí)了，云腦可以進(jìn)行補(bǔ)充更新。所以我覺得未來的云腦，是需要付費(fèi)的，到時(shí)候運(yùn)營商可能會(huì)在該領(lǐng)域做商業(yè)化布局。

許華哲：在智能的第一性原理上，我總結(jié)為欲望、先驗(yàn)和經(jīng)驗(yàn)這三個(gè)詞。

包括人在內(nèi)的很多生物，本質(zhì)上就是由欲望驅(qū)動(dòng)的，高階的欲望是探索未知，擴(kuò)大地盤，這種欲望讓生物變得很聰明。

1、欲望。所以我在做智能體的時(shí)候，無論是物理的還是虛擬的，我總覺得現(xiàn)在機(jī)器學(xué)習(xí)沒有自己的學(xué)習(xí)欲望。我們可以設(shè)想一下，能不能給機(jī)器人一種自己的欲望？

2、先驗(yàn)。預(yù)訓(xùn)練的模型讓它有了很好的先驗(yàn)。為什么馬生下來5分鐘就能走路了？也是因?yàn)樗腄NA里面有一些先驗(yàn)在的。但神經(jīng)網(wǎng)絡(luò)沒有這樣的先驗(yàn)，如何將這種先驗(yàn)移植到神經(jīng)網(wǎng)絡(luò)中？這是我經(jīng)常思考的。

3、經(jīng)驗(yàn)。經(jīng)驗(yàn)是完成世界最終閉環(huán)的一種手段。有一天，我在家里面看到一位維修師傅就是幫我們修煤氣灶，他踩在一個(gè)梯子上擰一個(gè)東西，整個(gè)身體造型極為扭曲，但他仍可以完美控制重心保持平衡，并且手上還可以做非常精細(xì)的操作。

這一刻我就覺得，即使我買了宇樹機(jī)器人，也很難做這樣的project。因?yàn)槿祟愑羞@樣的經(jīng)驗(yàn)，只有用自己的身體、自己的行為產(chǎn)生的這樣的數(shù)據(jù)，才有可能讓機(jī)器人做出一些現(xiàn)實(shí)世界上非常小眾，但又必須要成功的事情。

軟硬件體系的終極形態(tài)

王興興：大家都希望我的硬件能夠足夠好——只需要跑一遍軟件就能跑通，不需要反復(fù)調(diào)試硬件。但實(shí)際上，效果往往很糟糕。

隨著AI能力和軟件能力越強(qiáng)，它對(duì)硬件的要求反而會(huì)越低。例如現(xiàn)在靈巧手很難做，但如果夾爪足夠用，其實(shí)也不需要靈巧手了。

大家可以觀察到一些殘疾人，他甚至沒有手，卻也能干活兒，甚至可以干針線活兒，但實(shí)際上就是AI的能力達(dá)到一定程度以后，它對(duì)硬件要求是比較低的。

目前，全世界機(jī)器人的AI軟件能力都是不夠的，那肯定對(duì)硬件的一致性、可靠性和靈活度要求都很高。雖然我們是做硬件的公司，可我也巴不得大家對(duì)硬件要求高一點(diǎn)。

早些年的傳統(tǒng)算法，對(duì)硬件要求要高很多，但凡存在間隙，或有一點(diǎn)一致性問題，算法就容易跑飛。如今AI訓(xùn)練出來的算法，已經(jīng)比傳統(tǒng)算法對(duì)硬件要求低很多了：哪怕傳感器噪聲很大，間隙很大，關(guān)鍵的一致性也不太好，也都能夠盡可能適應(yīng)了。當(dāng)然，目前還是不夠的，大家也都在努力解決問題，做得更好。

趙明國：我和一點(diǎn)稀泥：在某些階段，可能確實(shí)需要軟件發(fā)展，硬件得到的關(guān)注度就少；但一旦達(dá)到一定程度后，大家肯定又希望硬件升級(jí)，矛盾又會(huì)轉(zhuǎn)化到硬件。

硬件的升級(jí)，往往映射出軟件的巨大需求；而軟件升級(jí)，也可能依賴于硬件，這是「你中有我」的關(guān)系。

所以，宇樹的經(jīng)驗(yàn)不僅是硬件，因?yàn)橛布隙ㄒ惨酶鞣N算法來驗(yàn)證，他們有很多算法團(tuán)隊(duì)在后面做各種各樣的案例，這個(gè)是互相迭代的過程。

我最大的好奇心，在于未來誰來決定這件事情——汽車行業(yè)有一個(gè)概念，要靠供應(yīng)鏈來解決問題，現(xiàn)在好像也不完全是。

機(jī)器人的關(guān)節(jié)，除了配置電機(jī)以外，還要有各種驅(qū)動(dòng)器傳感器。我們干脆以后做一個(gè)芯片進(jìn)行集成，如果能達(dá)到規(guī)模的話，豈不是經(jīng)濟(jì)效益能達(dá)到最優(yōu)？那個(gè)時(shí)候，就要求軟硬一體了。所以可能未來，你很難再分清楚軟件和硬件。

模型驅(qū)動(dòng) or 數(shù)據(jù)驅(qū)動(dòng)？

趙明國：我最近做的大部分工作與數(shù)據(jù)有關(guān)，希望靠采更多的數(shù)據(jù)、乃至多模態(tài)數(shù)據(jù)來推動(dòng)研發(fā)。

如果是Model-based的話，我們?nèi)艘劝咽虑槔斫馇宄?，在腦子里形成一個(gè)Model，總結(jié)出理論，然后用理論指導(dǎo)實(shí)踐，但目前人的理解能力都還不夠，理論的覆蓋面也有限。

數(shù)據(jù)的覆蓋面是更大的，我們正在數(shù)據(jù)科學(xué)中總結(jié)新的理論，但這個(gè)理論現(xiàn)在還不夠成熟。

比如，我們希望物體從A 移動(dòng)到B，有多種操作方法，像用Dffusion、軌跡規(guī)劃或其他方式，甚至用圖像也能操作。但在物理世界中，物體從A 到B 這一過程，其規(guī)律解釋得很清楚，無論怎么做都不可能違反相關(guān)定律。

在定律允許的范圍內(nèi)，可采用不同的計(jì)算方式，算法演化也各不相同。搞人工智能的往往局限于傳統(tǒng)數(shù)據(jù)科學(xué)的方式，這些都屬于模擬量。

而我涉及的腦科學(xué)領(lǐng)域，模仿生物更基本的性質(zhì)進(jìn)行，其編碼方式、芯片處理和制造方式都截然不同，有人稱其為「第三代計(jì)算機(jī)」。所以，我認(rèn)為新理論有的可解釋，有的可操作。

若是基于模型的方法，更注重可解釋性可能更安全；而若想追求更好結(jié)果時(shí)，即便不一定有理論，也可先采用數(shù)據(jù)驅(qū)動(dòng)等方式獲取結(jié)果。不過，最終不能僅依靠數(shù)據(jù)而無視理論，這樣會(huì)比較片面。

許華哲：我分享三點(diǎn)想法：

1、「用腳投票」：那些想搞機(jī)器人研究的同學(xué)，最初大多選擇做Model-based的方法。有人說想做強(qiáng)化學(xué)習(xí)，有人想研究敏捷控制等。但到了今年，全都變成「我想來做VLA項(xiàng)目」。用腳投票雖非本質(zhì)，但能在一定程度上反映人才聚集情況。

本來某研究方向可能只是看似可行、有前景，但因?yàn)檫@群人的加入，它真正走向了成功。這些人來了，反而從某種意義上「迫使」這個(gè)方向得到了驗(yàn)證。

2、Bitter lesson：李開復(fù)曾講過，他在谷歌時(shí)，每辭退一位語言學(xué)家，語言模型和語音模型的性能就能提升3%。直到把全公司的語言學(xué)家都辭退后，谷歌的相關(guān)技術(shù)才真正奏效。

現(xiàn)在大模型的發(fā)展也有類似情況。這種Bitter lesson讓我們意識(shí)到，當(dāng)一個(gè)事物的復(fù)雜度達(dá)到一定量級(jí)時(shí)，我們無法再依靠一群專家將其研究透徹，必須依靠數(shù)據(jù)，讓神經(jīng)網(wǎng)絡(luò)去擬合豐富的數(shù)據(jù)分布。

3、數(shù)據(jù)獲取應(yīng)該是自動(dòng)的過程——能否讓機(jī)器人去挖數(shù)據(jù)「礦石」？數(shù)據(jù)在機(jī)器人領(lǐng)域之所以還值得討論，是因?yàn)樽詣?dòng)生成數(shù)據(jù)這件事尚未形成閉環(huán)。而其他領(lǐng)域的數(shù)據(jù)就像礦石，挖掘數(shù)據(jù)的「機(jī)器」早已存在。不過，哪怕在機(jī)器人領(lǐng)域，只要你相信它能造出來，那它就一定能實(shí)現(xiàn)。

許超：AI 火了之后，不少學(xué)校都成立了人工智能學(xué)院，有的依托計(jì)算機(jī)專業(yè)，有的依托自動(dòng)化專業(yè)。學(xué)生在選定專業(yè)時(shí)，就會(huì)問「哪個(gè)專業(yè)更重要」。

有一位前輩給出了個(gè)很巧妙的回答：人工智能好比一個(gè)孩子，自動(dòng)化是「父親」，計(jì)算機(jī)是「母親」，數(shù)據(jù)則是「叔叔」。

所以，就像主持人剛才提到的硬件、軟件、模型和數(shù)據(jù)，我認(rèn)為它們應(yīng)該融為一體?，F(xiàn)在具身智能描繪的藍(lán)圖很大，若把范圍聚焦到具體任務(wù)上，那就必須軟件、硬件、數(shù)據(jù)和模型相關(guān)人員通力協(xié)作，逐個(gè)攻克難題，大家才能共同進(jìn)步。

舉個(gè)技術(shù)方面的例子，若要為機(jī)器人系統(tǒng)建模，拋開流體力學(xué)和多體動(dòng)力學(xué)，單純用一堆神經(jīng)網(wǎng)絡(luò)去擬合動(dòng)力學(xué)，可能效果不佳；若從分析力學(xué)角度出發(fā)，對(duì)拉格朗日方程進(jìn)一步分解，就會(huì)發(fā)現(xiàn)其動(dòng)能是二次型，慣量矩陣只有一半未知，這樣學(xué)起來就容易多了。勢能雖是未知的非線性函數(shù)，但學(xué)完之后，或許能讓問題簡化一些，給軟件減輕負(fù)擔(dān)。

所以還是那句話，不管白貓黑貓，都得捉到耗子。不管用什么方法，先找到關(guān)鍵方向最重要。

你心目中的機(jī)器人最終形態(tài)

趙明國：我一直在做機(jī)器人踢足球的項(xiàng)目。就運(yùn)動(dòng)而言，踢足球是一項(xiàng)較為全面的運(yùn)動(dòng)，有很大一部分能力能反映機(jī)器人的智能水平。后續(xù)還會(huì)涉及多個(gè)機(jī)器人的協(xié)作，以及組團(tuán)對(duì)抗，涵蓋的問題十分廣泛。

這個(gè)項(xiàng)目的目標(biāo)是，到2050 年組建一支機(jī)器人足球隊(duì)，與人類世界冠軍足球隊(duì)一決高下。不過，就目前智能領(lǐng)域的發(fā)展情況而言，我覺得有些遺憾。從邏輯上講，機(jī)器人應(yīng)該有一個(gè)代表性的標(biāo)準(zhǔn)任務(wù)。而現(xiàn)在大家手頭的任務(wù)太多，有的機(jī)器人在疊衣服，有的在抓取物品，有的在操縱其他物體，任務(wù)種類繁雜，缺乏統(tǒng)一標(biāo)準(zhǔn)。雖然涉及面廣，但難以聚焦。

所以，我還是會(huì)堅(jiān)定地聚焦在機(jī)器人腿部動(dòng)作的研究上，不管我能干多久，都會(huì)一直堅(jiān)持下去。畢竟就目前情況來看，短期內(nèi)，即便到我退休，這個(gè)目標(biāo)可能也難以實(shí)現(xiàn)，但我會(huì)繼續(xù)努力。

許華哲：我是個(gè)科幻迷，有一部我很喜歡的動(dòng)漫叫《玲瓏》。動(dòng)漫里有這樣一個(gè)觀點(diǎn)：人的一生非常短暫，大概只能活到80 歲、100 歲，最多120 歲這個(gè)量級(jí)，但宇宙中的知識(shí)卻是無窮無盡的。

這也呼應(yīng)了我第一個(gè)回答里提到的想法：能不能有一個(gè)機(jī)器人，它有自己的欲望和好奇心？這樣的機(jī)器人可以代替人類前往半人馬星系，去探索那些普通人永遠(yuǎn)無法觸及的地方。

畢竟，人類知識(shí)的傳播效率實(shí)在太低了，主要依賴?yán)蠋焸魇?。而機(jī)器人不一樣，首先，只要它自身不損壞，就能一直運(yùn)作；就算損壞了，只要把它的神經(jīng)網(wǎng)絡(luò)移植到新的機(jī)體上，它就能繼續(xù)「生存」。

這就是我理想中未來機(jī)器人的樣子——有一個(gè)機(jī)器人能替我去探索浩瀚無邊的宇宙，因?yàn)槲易约簺]辦法做到。

當(dāng)然，未來的機(jī)器人也得和人類很好地融合，一起解決我們生活中的問題。所以，我們正在構(gòu)想搭建一座「未來之城」，來驗(yàn)證不久的將來人機(jī)融合的可能性。

除此之外，我希望機(jī)器人的智能發(fā)展能更加「綠色」，也就是在算力方面，新一代的AI架構(gòu)下，其算力應(yīng)該會(huì)有革命性的變化。

王興興：我一直覺得，具身智能如果真的實(shí)現(xiàn)了，其實(shí)離AGI已經(jīng)非常接近了，我覺得在至少我們這一代，肯定是都可以看到這件事情。

AGI應(yīng)該是人類最終極的發(fā)明，包括后續(xù)的生產(chǎn)、消費(fèi)娛樂，經(jīng)濟(jì)探索都可以用它來實(shí)現(xiàn)。這是當(dāng)下我們這代年輕人最激動(dòng)人心的時(shí)刻。

所以我覺得我們這一代人中，如果誰真的能寫一個(gè)智能方面的「牛頓定律」出來，Ta就會(huì)是過去幾千年人類歷史上或者未來幾千年人類歷史上最NB的人。

給年輕人的一句話勉勵(lì)

王興興：距離我讀書的時(shí)候，已經(jīng)過去十幾年了。我當(dāng)時(shí)很多的想法現(xiàn)在都基本上實(shí)現(xiàn)了。我覺得對(duì)每一個(gè)年輕人來說，如果你大腦里有什么想做的事情，或者你有自己的夢想，你真的要相信自己可以實(shí)現(xiàn)它。

許超：要追尋好奇心，不要去死卷分?jǐn)?shù)，每個(gè)人心中都有一個(gè)機(jī)器人。

許華哲：尋此苦旅，一地繁星。

趙明國：我覺得機(jī)器人和機(jī)器人智能給大家提供一個(gè)全新的時(shí)代，所以年輕人應(yīng)該就要把油門踩到底，全力加入到這個(gè)行業(yè)里來。