作者丨钱江
人形机器人行业又迎来一对新的强强联合。
近期，波士顿动力宣称，会使用丰田研究所的“大型行为模型”来训练机器人，它类似于驱动ChatGPT的“大型语言模型”，可以让机器人通过少量演示数据和多模态感知来掌握复杂任务，走向通用机器人。
在过去，这条技术路径一直是马斯克为Optimus（ 下称“擎天柱”）画的“饼”，想借此实现通用人形机器人。
今年10月初，马斯克以《We, Robot》为主题在加州开了一场“科幻”味儿十足的发布会。在现场，擎天柱以服务员的身份一边为宾客调酒，一边抬手打招呼说着“Hi,everybody”，甚至在现场和宾客热舞。
但发布会结束后，有现场宾客却表示，擎天柱“亲口”向他承认，自己是被远程遥控的。而整个发布会，马斯克也没有透露关于擎天柱的任何技术细节。
看似自主的机器人，依旧离不开人类的远程遥控。
马斯克似乎做了一个双面镜，一面是真实的擎天柱仍然做着人类的提线木偶；而另一面，他又用一种近乎虚假的方式为人们构画出一个可能实现的未来。
但显而易见，马斯克并没有兴趣解答擎天柱当前的研发进度，那么作为马斯克在机器人领域的强敌， 波士顿动力这次与丰田研究所的联合，能将马斯克画的饼实现吗？
01
波士顿动力，率先走到终点？
想要完成马斯克这张拼图，擎天柱需要拥有与人类和环境交互的能力。
要实现这个过程，意味着机器人能够自主辨别什么是冰箱，并移动到冰箱前，打开冰箱门，在众多食材中找到需要的食材，取出来，然后结合各种工具进行清洗.....
这个过程对人类来说十分简单，但对机器人而言却十分困难。
当前无论是老牌人形机器人波士顿动力的Atlas，还是“新贵”擎天柱、Figure，都只能在受限制的环境里执行单一任务，比如在案板前将已经分拣好的各种蔬果拿起或者放下。
▲Figure01拾取水果，图源YouTube@Figure
▲Optimus Gen2拾取鸡蛋，图源YouTube@Tesla
所以如果将机器人自主做出一顿饭的难度，比作是登上珠穆朗玛峰，那么现在的人形机器人才刚刚坐进学步车。对，它还没有学会“走路”。
而更重要的是，当前机器人学习新技能的效率十分低下，比如学会了叠衣服之后，转而叠被子就要重新学习大量数据。
为了克服这个难题，波士顿动力和丰田研究院团队采用一种新的AI系统“大型行为模型”训练机器人，通过物理演示任务（例如观看视频）进行教学，来帮助将Atlas打造成一款自主性能力强的通用人形机器人。
经过这套“大型行为模型”的训练，机器人可以通过少量数据学习新技能，这种方法叫做“扩散策略”，这套策略可以探索多种不同的路径，并根据实时情况选择最佳方案，它可以帮助机器人更好地应对不确定性的环境，比如突然的障碍或任务变化。
丰田研究院公布了关于这一成果的报告，其中有一个通俗案例可以解释这个策略：
经过扩散策略训练的机器人，可以做酱汁烧注和涂抹任务，需要将酱汁涂抹在披萨面团中心，分拆步骤来看：①握住勺子接近披萨面团中心；②将酱汁以螺旋状铺在披萨上；③提起勺子。
▲论文《扩散政策：通过动作扩散进行视觉运动策略学习》
在这个过程里，披萨面团会随机移动，而机器人可以“随机应变”，它能跟随披萨面团中心位置的迁移而即时挪动勺子。
根据丰田工作人员透露，学会这个能力并不费劲，“这个过程从老师远程操作演示一小部分技能开始”，机器人晚上学习，第二天就可以获得新技能。也就是说，它用少量数据向机器人演示，便能够让机器人获得“泛化”能力。
和传统的机器人学习相比，这种行为模型就像运动界的ChatGPT一样，给它一点行为上的Prompt，就能泛化出一套完成任务的操作轨迹和应变能力。
但并不是任何人形机器人都能适配这套策略，扩散策略更依赖视觉数据，这就需要硬件上拥有高精度视觉传感器，还要拥有抓取复杂和精细物体操作能力。
这也是目前波士顿动力面临的挑战。
其最新款人形机器人Atlas目前并不具备实现“自主”的硬性条件，它既没有灵巧手，又缺乏生活场景的数据。
Atlas机器人虽然具备一定的抓握能力，但其手部设计相对简单，只有三指，并且常用场景是应急救援和工厂搬运，对于生活场景的数据也相对缺乏。
与此相比，特斯拉的擎天柱却显得更有优势。
比如在视觉数据上，特斯拉的自动驾驶一直坚持纯视觉的解决方案，目前市场上运行着将近600万辆特斯拉汽车，可以积累大量的视觉数据。
其次擎天柱在灵巧手、关节有更接近人类的设计。在特斯拉最新展示的视频里，擎天柱可以走到桌边，用双手的“指尖”举起重11kg的4680电池盒。
这双机械手已经拥有22个自由度，分布在手指、手腕和小指下方，而年初手部拥有11个自由度的第二代擎天柱，所有手指都具有触觉感应，能够灵巧地处理鸡蛋等易碎物品。
▲擎天柱举起电池，图源：Tesla@YouTube
02
马斯克钟爱“奇迹厨房”
与波士顿动力联合丰田研究院发布的新技术相比，马斯克更钟爱打造“奇迹厨房”。
所谓“奇迹厨房”，是指夸大产品能力的科技营销行为。
1959年7月，《展望》杂志刊登了一篇描述未来“奇迹厨房”的文章，让美国人认为，未来自己家庭会有功能齐全、十分智能的厨房，在美国的宣传片中，有一部分电器的运作会被含糊其辞地描述为“自主”的：
“推车会将吃完饭后的脏盘子，推到墙面，进行自动清洗和干燥”
“清洁器可以从墙上自动出来，在清理完地面后，会自动回归原来的位置”
“挥一挥手”就能召唤出隐藏在墙面的饮料机，告诉它“我想喝一罐冰冻橙汁”，饮料机就会自动出水
▲吸尘机器人，照片由Robert S. Lerner Photography LLC拍摄
但这些在50年代令人感到惊奇的黑科技，却是一个实实在在的谎言。
2013年，一位“奇迹厨房”设计师成员揭露，自动洗碗机和清洁器这些“自走式电器”根本无法正常工作，而是工作人员在后台通过遥控操作，让一些隐藏在地板下的电子轨道辅助完成的。
“奇迹厨房”本质上是冷战时期的一种营销工具，设计初衷是为了吓唬苏联游客，让他们产生“一无所有”的感觉。
但从马斯克的角度，他上演“奇迹厨房”的目的，显然并不是为了让人觉得自己一无所有，反而是为了让人们知道自己未来可能会拥有什么。
2021年9月，马斯克在特斯拉AI Day上突然宣布进军人形机器人领域，配合他宣传的是一段“机器人”的热舞，当时这些机器人还只是身穿紧身衣的人类舞者，而仅仅一年之后，擎天柱的原型机就被人搀扶着走上了发布会。
一直以来，马斯克都以这种近乎夸张的方式，超前兜售自己的梦想。今年的《We,Robot》发布会也是如此。
在10月初的《We,Robot》发布会上马斯克用了一种科幻手法，在香槟美酒和灯光舞影之下，一群擎天柱与人类其乐融融地相处，甚至在一个玻璃房里集体大跳“夜店舞”。
▲擎天柱热舞，图源Tesla@YouTube
可能是因为擎天柱的表现过于自然，以致于现场宾客几乎没有格格不入感。
但宾客很快就发现了不对劲。在现场，不同擎天柱的音色不尽相同，并且它们与人类互动的反应是即时的，还伴随着顺滑的手势，相比于自主，更像远程遥控。
连擎天柱自己都承认了这一点，前微软战略家Robert Scoble在X上分享了一段视频，他在现场向擎天柱发问：“How much of you is AI？Some or none.”（你的表现里有多少成分是AI驱动？一点点，还是完全没有？），擎天柱回复“It might be some.”
擎天柱就像提线木偶，和背后操纵它的人类共同演了一场戏。
马斯克并不是第一次这么做，2024年1月份，他在X上发了一个擎天柱叠衣服的视频，并配文“擎天柱在折衬衫。”
▲擎天柱折衬衫，图源X@Elon Musk
眼尖的网友从视频上看到一只快速闪现的手，擎天柱很快被质疑背后由人类远程操控，马斯克也亲自承认了这一点，他发了一条“重要提示”：擎天柱还不能自主地做到这一点。
马斯克的做法，与当年“奇迹厨房”的构建如出一辙。通过模棱两可地描述，来构建一个似有似无的科技场景。
虽然很多人对于这样的营销方式不满，但一些机器人从业者表示理解，谷歌DeepMind一位工作人员Ted Xiao在X上直言“实现低延迟全身远程操作是迈向自主化的一大步”。
特斯拉机器人工程师Milan Kovac在X上也承认擎天柱“一定程度上有人类的帮助”，但它们可以自主行走，并且在保持平衡的情况下，跳了4个小时的舞蹈，期间只摔倒过一次。
▲特斯拉机器人工程师Milan Kovac，X@Milan Kovac
总结起来看，虽然擎天柱每一次的出场，都有着遥操的成分，但它在遥操模式下的表现越来越好。
而马斯克就好像在完成一张庞大的拼图，一点一点地累积擎天柱的能力，让它从一个需要被搀扶着上台的“机器”，逐步变身为一个“有血有肉”的“类人”物种。
擎天柱研发每走到一个新的阶段，马斯克就开始启动一次“奇迹厨房”，用营销上的含糊口径，向外界秀一遍自己脑中关于擎天柱的拼图全貌。
哪怕这张拼图可能才完成百分之一。
03
结语
1939年，在纽约的世界博览会，西屋电气公司推出一款身高7英尺（2.1米）的机器人Elektro，它的外形酷似人类，会抽烟、会用手指数数，可以通过语音命令行走、会说700个单词。
一经出现，Elektro就成为大众心中的文化偶像，他激发了当时的人们对未来机器人的想象。
▲A Blast from the Past，图源justoborn-Elektro Robot
但实际上就像特斯拉擎天柱第一次登上发布会一样，Elektro的一切都是假的，它其实是用内置78rpm的唱片机来朗读预先录制的词汇。
但85年后的今天，Elektro展示的一切已经成为现实。越来越多企业开始联合，共同推动人形机器人的发展。
比如为了给给机器人安装大脑，波士顿动力、Figure都选择了寻找软件实力强的合作伙伴，前者找到了丰田，后者绑定了OpenAI.
与他们相比，马斯克就像一个孤胆英雄，他选择了软硬件自研的路径。
不论是哪一种方法，在探索新物种的道路上，都充满荆棘。
人类一直试图厘清自己“从哪里来”，并据此衍生出女娲造人、亚当夏娃这些神话故事。
在这些神话里，中国的女娲、欧美的耶和华神，都充当着人类“造物主”的角色。而人形机器人，则是人类自己企图成为“造物主”的具象体现。
这个物种需要和人类一样，拥有自己的思想和行动。
但现在，人们还只能在“奇迹厨房”里，等待着它们的到来。
>End
>>>
部分图片难以找到原始出处，故文中未加以标注，如若侵犯了您的权益，请第一时间联系我们。
HISTORY/往期推荐
>>>
充满激情的新时代，
充满挑战的新疆域，
与踔厉奋发的引领者，
卓尔不群的企业家，
一起开拓，
一起体验，
一起感悟，
共同打造更真品质，
共同实现更高价值，
共同见证商业航天更大的跨越！
——《》，观察，记录，传播，引领。
>>>
·《卫星与网络》编辑委员会
高级顾问：王国玉、刘程、童旭东、相振华、王志义、杨烈
· 《卫星与网络》创始人：刘雨菲
·《卫星与网络》副社长：王俊峰
· 微信公众号（ID：satnetdy）团队
编辑：艳玲、哈玫，周 泳、邱莉、黄榕、娜娜
主笔记者：李刚、魏兴、张雪松、霍剑、乐瑜 、稻子、赵栋
策划部：杨艳、 若㼆、李真子
视觉总监：董泞
专业摄影：冯小京、宋伟
设计部：顾锰、潘希峎、杨小明
行政部：姜河、林紫
业务部：王锦熙、 瑾怡
· 卫星与网络各分部：
成都分部负责人：沈淮
长沙分部负责人：宾鸿浦
西安分部负责人：郭朝晖
青岛分部负责人：江伟
· 卫星与网络总部负责人： 农燕
· 会议活动部负责人：乔颢益、许克新、董今福
· 投融资及战略层面合作：刘雨菲
· 本平台签约设计公司：一画开天（北京）文化创意设计有限公司
· 航天加（深圳）股权投资基金管理负责人：杨艳
