北京
智東西
作者 許麗思
編輯 漠影
機(jī)器人花式后空翻、拳擊、擬人化奔跑、跳舞……這些高難度炫技已經(jīng)讓人見怪不怪，進(jìn)工廠干分揀、組裝、巡檢也越來(lái)越多，有時(shí)候容易讓公眾覺得，機(jī)器人看上去很聰明能干，距離走進(jìn)日常生活不遠(yuǎn)了。
但把視角從屏幕拉回到產(chǎn)業(yè)現(xiàn)場(chǎng)，畫風(fēng)卻不太一樣。行業(yè)整體處在試點(diǎn)多、規(guī)模化少的早期階段，多數(shù)項(xiàng)目仍停留在實(shí)驗(yàn)室demo和展會(huì)秀場(chǎng)，技術(shù)路徑、商業(yè)模式都還在探索，真正能落地的少之又少。
這種觀感上領(lǐng)先、應(yīng)用上滯后的強(qiáng)烈反差感，不由得讓人追問，無(wú)遙操、全自主的機(jī)器人距離走進(jìn)人類生活到底還有多遠(yuǎn)？
ATEC2025賽事專家委員會(huì)主席、香港工程院院士劉云輝教授提出，機(jī)器人有三大核心能力，行走、操作、改造環(huán)境。這也是判斷機(jī)器人能否適應(yīng)真實(shí)環(huán)境的重要依據(jù)。再具體一些，從機(jī)器人完整的“感知-決策-執(zhí)行”的流程上來(lái)看，機(jī)器人需要準(zhǔn)確感知真實(shí)環(huán)境，進(jìn)行全自主決策，并完成最終的長(zhǎng)鏈條任務(wù)執(zhí)行。
問題是，這些能力在今天的機(jī)器人身上，究竟到了哪一步？行業(yè)需要一個(gè)盡量接近真實(shí)又能公開觀察的窗口。
近日，第五屆ATEC科技精英賽構(gòu)建了一套真實(shí)世界適應(yīng)力測(cè)試框架，比賽由香港中文大學(xué)主辦，ATEC前沿科技探索社區(qū)、北京大學(xué)、北京師范大學(xué)、螞蟻集團(tuán)聯(lián)合承辦，專家評(píng)審陣容包括劉云輝、謝立華、Masayoshi Tomizuka等多位國(guó)際知名機(jī)器人學(xué)者。
賽事在全戶外場(chǎng)景下考察行走、操作、改造環(huán)境等多項(xiàng)能力，來(lái)自全球的13支頂尖賽隊(duì)完成了吊橋穿越、定向越野、自主澆花與垃圾分揀等系列任務(wù)。
就像螞蟻集團(tuán)技術(shù)戰(zhàn)略部負(fù)責(zé)人所說，“設(shè)計(jì)的每一道題，都不是為了讓它‘完成得好看’，而是為了讓它在碰撞中暴露真正的弱點(diǎn)。因?yàn)槿绻麊栴}不是真實(shí)的，就不會(huì)牽引出真實(shí)的技術(shù)進(jìn)步。只有“真問題”，才能讓行業(yè)知道下一步要突破什么。”
一、拒絕標(biāo)準(zhǔn)化環(huán)境，機(jī)器人須進(jìn)入非結(jié)構(gòu)化的真實(shí)場(chǎng)景
當(dāng)前，多數(shù)機(jī)器人技術(shù)驗(yàn)證，基本都是在燈光可控、地面平整、障礙物規(guī)則的標(biāo)準(zhǔn)化環(huán)境中。
結(jié)果就是，這種設(shè)置屏蔽了真實(shí)世界的大量不確定性，就算取得不錯(cuò)的表現(xiàn)，也難以拓展到其他場(chǎng)景的應(yīng)用中。這是在判斷全自主機(jī)器人能否進(jìn)入人類生活場(chǎng)景時(shí)，最先被標(biāo)準(zhǔn)場(chǎng)地抬高預(yù)期的第一個(gè)維度——環(huán)境感知能力。
感知到底難在哪？對(duì)機(jī)器人來(lái)說，要求它能習(xí)慣各種亂七八糟的光影、背景和雜物，能實(shí)現(xiàn)多模態(tài)信息融合，還要在目標(biāo)和環(huán)境不斷變化的情況下，保持輸出穩(wěn)定。
ATEC2025賽事組專家、香港中文大學(xué)（深圳）理工學(xué)院助理教授鐘仿洵提到，“真實(shí)環(huán)境里最大的問題是不確定性和高動(dòng)態(tài)性，你看到的不一定是真的?！睓C(jī)器人必須具備識(shí)別并處理感知信息中“不確定性”的能力，這是實(shí)現(xiàn)高級(jí)自主的前提。
垃圾分揀就是一個(gè)很典型的例子，這樣的任務(wù)尤其注重機(jī)器人的環(huán)境識(shí)別能力：垃圾類型、材質(zhì)、形狀都各不相同，還可能有污漬、遮擋、隨意堆疊。同一個(gè)物體只要在堆疊順序、污漬上變一下，在實(shí)驗(yàn)室里訓(xùn)練出來(lái)的識(shí)別能力很可能一下子就無(wú)法正常工作了。
多支賽隊(duì)在采訪時(shí)提到，實(shí)驗(yàn)室里的精準(zhǔn)識(shí)別，到了真實(shí)場(chǎng)景可能瞬間失效。比如，比賽當(dāng)天，香港大晴天的太陽(yáng)光線非常強(qiáng)烈，香蕉皮在被反復(fù)抓取后發(fā)生不可回彈形變；實(shí)驗(yàn)室采集的桌子數(shù)據(jù)完全不適用，現(xiàn)場(chǎng)桌子反光影響了激光相機(jī)點(diǎn)云；透明物品比如礦泉水瓶由于反光等原因，導(dǎo)致多臺(tái)機(jī)器人識(shí)別失??；有的機(jī)器人垃圾還沒抓取到，就急著往垃圾桶走……
這與很多機(jī)器人應(yīng)用試點(diǎn)中，換一個(gè)工位、燈光，應(yīng)用效果就大打折扣的情況高度相似。它們指向的都是同一個(gè)行業(yè)事實(shí)：機(jī)器人在真實(shí)環(huán)境的感知能力，是可大規(guī)模部署的基本前提。
在運(yùn)動(dòng)場(chǎng)景中，類似的問題同樣存在。定向越野比賽，復(fù)雜蜿蜒的林間小路光影搖曳，樹蔭和坑洼不斷交錯(cuò)，機(jī)器人必須判斷眼前的暗塊到底是可以踩上去的土路，還是需要回避的坑洼，需要感知系統(tǒng)可靠估計(jì)地形、識(shí)別可通行區(qū)域。
劉云輝教授表示，這類任務(wù)強(qiáng)調(diào)是在自然場(chǎng)景下測(cè)試運(yùn)動(dòng)能力和環(huán)境識(shí)別，在一些有限引導(dǎo)下，看看機(jī)器人能不能通過實(shí)時(shí)反應(yīng)克服障礙、爬山涉水。
作為冠軍選手的浙大Wongtsai團(tuán)隊(duì)稱，面對(duì)復(fù)雜的真實(shí)環(huán)境，他們?cè)贗saac LAB中搭建了一個(gè)盡可能還原比賽場(chǎng)景的環(huán)境，甚至專門對(duì)RealSense相機(jī)的噪聲，比如雙目視差、散斑投射、紋理缺失等問題進(jìn)行模擬。這種“仿真到真實(shí)”的閉環(huán)設(shè)計(jì)，讓他們的四足機(jī)器人成為首個(gè)全自主跑完全程定向越野的參賽選手。
行業(yè)正加快從標(biāo)準(zhǔn)場(chǎng)地可用走向真實(shí)場(chǎng)景可用，真實(shí)環(huán)境是機(jī)器人走出Demo、能在更多場(chǎng)景復(fù)制落地的必修課。
如果機(jī)器人能學(xué)會(huì)全自主垃圾分揀，解決了背后復(fù)雜視覺感知、多材質(zhì)物體識(shí)別、穩(wěn)定抓取上的長(zhǎng)期難題，就有望在工廠、環(huán)衛(wèi)、物流等“臟亂差”場(chǎng)景應(yīng)用；如果機(jī)器人能自主完成定向越野，就能解決未來(lái)在園區(qū)巡檢、戶外勘探、災(zāi)害救援等復(fù)雜地形場(chǎng)景中遇到的真實(shí)難題。
二、擺脫人類遙控，機(jī)器人大規(guī)模落地需要自主決策
現(xiàn)在，我們看到的許多炫酷的機(jī)器人能力展示，很多都是由人類操作員遙控操作，機(jī)器人更多扮演遠(yuǎn)程操作平臺(tái)，而非具備真正決策能力的智能體。這種機(jī)制，在產(chǎn)業(yè)發(fā)展早期，確實(shí)能夠更快速驗(yàn)證機(jī)器人能力、收集數(shù)據(jù)、積累經(jīng)驗(yàn)等。
但是，機(jī)器人的表現(xiàn)很大程度上來(lái)自人類的經(jīng)驗(yàn)判斷和臨場(chǎng)操作，是人腦在替機(jī)器人的大腦工作，容易掩蓋了機(jī)器人在感知、決策等的短板，難以真實(shí)反映其在無(wú)人干預(yù)下的表現(xiàn)。這是在判斷全自主機(jī)器人能否進(jìn)入人類生活場(chǎng)景時(shí)，最容易被遙控表現(xiàn)美化的第二個(gè)能力——決策自主性。
一些頭部公司已經(jīng)做出調(diào)整，以特斯拉Optimus為例，年中，其宣布放棄了傳統(tǒng)遙控操作學(xué)習(xí)的方式，之后，馬斯克10月發(fā)表對(duì)Optimus功夫視頻的評(píng)論：“是AI，不是遙控”，這都說明，無(wú)遙控已經(jīng)成為具身企業(yè)未來(lái)發(fā)展的清晰共識(shí)。
全自主、無(wú)遙操是行業(yè)發(fā)展的重要趨勢(shì)所在，賽事通過評(píng)分規(guī)則，明確獎(jiǎng)勵(lì)無(wú)遙操的參賽選手。但這也極具挑戰(zhàn)性，浙大Wongtsai團(tuán)隊(duì)的隊(duì)長(zhǎng)朱承睿形容，從人類遠(yuǎn)程遙控操作到自主控制，大概是蒸汽機(jī)時(shí)代到電氣化時(shí)代的飛躍。
吊橋穿越任務(wù)中，機(jī)器人需要通過三種不同間距的橋面段，自主識(shí)別橋面結(jié)構(gòu)，決定是否需要借助工具通過、是否拉繩搭橋等。有的選手給機(jī)器人裝上寬大的“腳底板”，避免穿越過程中被縫隙卡住；有的機(jī)器狗通過跳躍繞開縫隙，還省略了拉繩搭橋的步驟。
在劉云輝院士看來(lái)，這類任務(wù)的核心是決策與規(guī)劃，因?yàn)闃虬逦恢貌灰粯?，機(jī)器人要自己做思考、做決策，比如拿起板來(lái)填充，從而改變環(huán)境，適應(yīng)自己的運(yùn)動(dòng)。這是包含了環(huán)境評(píng)估、工具使用、任務(wù)規(guī)劃的高級(jí)智能行為。
港中文CUMAE團(tuán)隊(duì)談道，比賽中的不同任務(wù)對(duì)機(jī)器人的硬件和AI能力有不同要求，AI和機(jī)器人的發(fā)展應(yīng)在一個(gè)大系統(tǒng)里相互配合、發(fā)揮優(yōu)勢(shì)，而不是彼此單獨(dú)發(fā)展，這給了團(tuán)隊(duì)在未來(lái)解決類似問題的一個(gè)思路。
目前，機(jī)器人在小腦的運(yùn)動(dòng)控制與運(yùn)動(dòng)性能進(jìn)步飛快，但在大腦部分的AI能力還很基礎(chǔ)，不少業(yè)界人士都曾表示，AI能力不足也導(dǎo)致了機(jī)器人沒能真正大規(guī)模落地。
隨著行業(yè)向規(guī)?；涞剡~進(jìn)，全自主能力必然會(huì)成為機(jī)器人企業(yè)的核心競(jìng)爭(zhēng)壁壘，也是機(jī)器人從“工具”邁向“伙伴”的核心標(biāo)志。
三、不止單一能力，機(jī)器人需要穩(wěn)定跑完一整條長(zhǎng)程任務(wù)鏈
即使感知、決策能力都過關(guān)，機(jī)器人能否進(jìn)入人類生活場(chǎng)景，還取決于第三個(gè)維度：能不能穩(wěn)定執(zhí)行具有一連串復(fù)雜動(dòng)作的長(zhǎng)程任務(wù)鏈，而不是只完成某一個(gè)精彩動(dòng)作。
不少演示都是通過遙控來(lái)實(shí)現(xiàn)對(duì)機(jī)器人單一動(dòng)作能力極限的展示，但是在倉(cāng)儲(chǔ)揀選、園區(qū)巡檢、災(zāi)害救援等真正應(yīng)用場(chǎng)景中，機(jī)器人需要完成的是具有多個(gè)步驟的長(zhǎng)程任務(wù)鏈。
家庭場(chǎng)景也是如此，疊衣服、澆花、洗碗、收納等也是長(zhǎng)程任務(wù)，以家庭澆花這樣看似小事的精細(xì)任務(wù)為例：機(jī)器人需完成取水壺、接水、走到花盆前、控制澆水、再歸位的全流程，水壺重量和重心在過程中持續(xù)變化，這考驗(yàn)的是從感知、規(guī)劃到力控、步態(tài)協(xié)同的一整套能力。
在ATEC的自主澆花任務(wù)中，這種系統(tǒng)性挑戰(zhàn)被直觀呈現(xiàn)：有的機(jī)器人在拿起水壺后頻頻搖晃、對(duì)不準(zhǔn)澆花位置等，需要多次調(diào)試，人工多次干預(yù)；少數(shù)隊(duì)伍能完成全流程，但往往速度較慢。這些場(chǎng)景與現(xiàn)實(shí)中“機(jī)器人總是要人去救場(chǎng)”的情況非常相似。
“VLA模型有一定的泛化能力，但它只能理解圖像和語(yǔ)言指令，無(wú)法將這些指令與真正的物理交互相對(duì)應(yīng)，在物理世界的理解和交互能力方面存在不足。”浙大Wongtsai團(tuán)隊(duì)說。最終，團(tuán)隊(duì)還是選擇了傳統(tǒng)的視覺識(shí)別+機(jī)械臂規(guī)劃的方案。
北理工CyberPrime團(tuán)隊(duì)提到，自主澆花任務(wù)難以全自主完成的原因主要有兩方面：硬件上，傳統(tǒng)高精度機(jī)械臂重量大、速度慢，搭載在四足機(jī)器人平臺(tái)上不穩(wěn)；軟件上，操作算法泛化能力有限，實(shí)驗(yàn)室用少量道具訓(xùn)練的策略，到了比賽現(xiàn)場(chǎng)完全不適用。在他們看來(lái)，機(jī)器人走入生活，硬件運(yùn)動(dòng)能力沒問題，主要瓶頸在于操作精度、安全性和自主性，這也是實(shí)驗(yàn)室未來(lái)幾年主要攻破的方向。
這也揭示了具身智能正面臨的處境：各種模型、算法看上去很聰明，但一落到具體機(jī)器人的執(zhí)行層面上就處處受限，軟硬件脫節(jié)；機(jī)器人下半身能夠順利移動(dòng)，但是上半身操作環(huán)節(jié)卻格外吃力。更嚴(yán)格地說，即便能跑起來(lái)，在長(zhǎng)時(shí)間、多輪次、多場(chǎng)景的任務(wù)鏈下，它們也很難保持一貫的穩(wěn)定性和可維護(hù)性。
未來(lái)，真正落地的機(jī)器人產(chǎn)品，必須要面對(duì)長(zhǎng)程任務(wù)鏈這道坎，重視系統(tǒng)可靠性、任務(wù)完整性實(shí)現(xiàn)移動(dòng)與操作的統(tǒng)一。
結(jié)語(yǔ)：真實(shí)世界“翻車”很正常，是具身智能落地的必經(jīng)之路
兩天的比賽看下來(lái)，任務(wù)挑戰(zhàn)大，全自主太難，機(jī)器人翻車情況確實(shí)存在。
不過，劉云輝院士覺得，翻車很正常，也是一個(gè)進(jìn)步，至少把機(jī)器人拿到場(chǎng)景下測(cè)試了，失敗也是一個(gè)結(jié)果，但能夠給到反饋，讓開發(fā)者反思哪里做的不夠好、技術(shù)應(yīng)該怎么改進(jìn)?！拔矣X得你沒有失敗，其實(shí)就永遠(yuǎn)不可能有成功的一天?！?/p>
針對(duì)戶外復(fù)雜場(chǎng)景，各參賽隊(duì)伍嘗試了多樣化的技術(shù)路徑與創(chuàng)新方案：有的團(tuán)隊(duì)將傳統(tǒng)模塊化算法與前沿的端到端大模型方案并行測(cè)試，尋找穩(wěn)定性與智能化的最佳平衡；有的為應(yīng)對(duì)吊橋的動(dòng)態(tài)晃動(dòng)，設(shè)計(jì)出輕量化控制與實(shí)時(shí)環(huán)境建模相結(jié)合的獨(dú)特策略。這些充滿創(chuàng)造力的技術(shù)探索，為機(jī)器人場(chǎng)景落地積累了寶貴實(shí)踐經(jīng)驗(yàn)。
不少參賽選手在采訪中都提到，ATEC的比賽設(shè)置貼近現(xiàn)實(shí)場(chǎng)景，對(duì)技術(shù)發(fā)展來(lái)說具有更實(shí)際的意義。他們基本都懷抱著強(qiáng)烈的使命感，期待著機(jī)器人未來(lái)更多地去完成人類無(wú)法完成的工作，讓機(jī)器人去承擔(dān)人類危險(xiǎn)的工作，這種真實(shí)世界極限挑戰(zhàn)就是通往那條路的起點(diǎn)。
具身智能要從風(fēng)口上的故事變成基礎(chǔ)設(shè)施，需要一套能經(jīng)得住時(shí)間考驗(yàn)的測(cè)試場(chǎng)和評(píng)價(jià)體系。
幾年后回頭看，這場(chǎng)沒那么多“爽感”的基于真實(shí)場(chǎng)景的大賽，或許正是這套體系的早期雛形。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
