人形機器人 多少年才能演完“返老還童”？

　　科技圈整個10月最大的爭議事件之一，可能就是特斯拉的人形機器人了。

　　2022年10月1日上午，在全世界期待了一年之后，最后出現(xiàn)在屏幕面前的，卻是步履蹣跚的“垂垂老朽”，演示也僅僅是打了個招呼，并沒有回答問題或者跳舞，裸露的線路和電池給人一種剛從實驗室拉出來的感覺。

　　去年的AI Day上，特斯拉人形機器人的展示視頻中，是一位靈活的的機器人舞者。也因此，小米的CyberOne(鐵大)首次亮相后，被觀眾們?nèi)撼捌渥呗纷藙菹窆�腳老太太，可以被特斯拉的機器人扶著過馬路。但沒想到，真實的特斯拉的人形機器人Optimus(擎天柱)卻也遠沒達到觀眾們的預期。

　　不過這絲毫沒有影響特斯拉CEO埃隆·馬斯克的興致，馬斯克在AI Day現(xiàn)場表示，有信心以非常低的成本來實現(xiàn)機器人的量產(chǎn)，并且產(chǎn)量應該可以達到數(shù)百萬臺，最終價格會不到2萬美元。

　　這一臺目前看起來還很簡陋的人形機器人，真的能推動行業(yè)的變革嗎?

　　在優(yōu)必選科技副總裁、人形機器人創(chuàng)新中心負責人付春江看來，還真有這個可能。

　　目前人形機器人的技術相關路線分成三個范式：第一是以本田Asimo為代表的簡化模型位置控制，其特點是利用簡化模型節(jié)約算力;第二是波士頓動力Atlas的動力學控制，以及后期發(fā)展的高速 WBC全身內(nèi)控的相關算法，特點是實時優(yōu)化;第三是美國敏捷機器人公司人形機器人Digit強化學習的范式，其特點是可以補償彈性連桿的沒有建模的相關屬性。

　　付春江認為，基于其實時性與通用性，特斯拉的擎天柱很有可能創(chuàng)造第四范式，即基于大規(guī)模神經(jīng)網(wǎng)絡的通用視覺決策運動控制。

　　在AI Day的這次展示中，擎天柱所演示的場景有三個：澆花、搬箱子和工廠零部件的移動，分別代表家庭服務、物流遞送和工廠裝配，每做一件事情都有相應的一整套流程。

　　付春江告訴DoNews：“這三個場景在現(xiàn)實的開發(fā)難度其實是反過來的，隨著場景從結構化到非結構化，從靜態(tài)到動態(tài)，首先會實施的是在工廠里邊，因為工廠的環(huán)境以及所使用的零部件的尺寸，都可以有相應數(shù)據(jù)輸入到機器人當中，這個是相對比較結構化的。第二個場景就是在物流遞送方面，從這開始它的環(huán)境就逐步開放了，隨著環(huán)境的動態(tài)性、開放性以及任務的復雜性，最后才能到家庭服務場景。先在自己(特斯拉)的工廠里面去布置人形機器人，用途是為了快速積累數(shù)據(jù)與迭代調(diào)試。”

　　付春江認為，特斯拉有龐大的、先進的FSD自動駕駛平臺作為基礎，隨著它的大規(guī)模數(shù)據(jù)和網(wǎng)絡的建立，以及在它自身工廠場景部署數(shù)據(jù)采集，特斯拉的未來迭代速度會超過大家的預期。

　　一、FSD：車能用，機器人也能用

　　FSD(Full Self-Drive)，即“完全自動駕駛”。

　　人形機器人想要有能力在物理世界中移動并且具備一定程度的智能，那其“大腦”就需要做到人類大腦能做的，比如能夠處理視覺數(shù)據(jù)，發(fā)出動作指令，還要支持通信，擎天柱的大腦就是特斯拉的人工智能系統(tǒng)。

　　機器視覺作為一種底層通用技術，可以擴展到手機、攝像頭、自動駕駛汽車、機器人等諸多產(chǎn)品形態(tài)，在鐵大的視覺系統(tǒng)上，就用了很多小米手機的圖像處理能力。而擎天柱頭部會裝配特斯拉車同款的智能駕駛攝像頭，具備與特斯拉車相同的視覺感知能力，可以說在機器視覺算法上，擎天柱與特斯拉汽車的FSD一脈相承。

　　特斯拉結合自動駕駛的視覺處理和傳感技術，可以確保機器人保持良好的姿態(tài)和步態(tài)，同時對人類相關的動作進行關鍵幀分析，再用算法映射到機器人，做到更好的軌跡規(guī)劃。

　　此外，特斯拉在汽車自動駕駛領域的自研芯片、軟件算法、訓練模型以及其超級計算機Dojo的AI算力，都可以支持到特斯拉人形機器人，這是擎天柱其相較于其它人形機器人的核心優(yōu)勢。比如特斯拉的機器人使用了單顆特斯拉自研的SoC芯片，而并非特斯拉在汽車上使用的雙芯片自動駕駛方案。

　　下圖中，特斯拉的研發(fā)人員最近正在訓練人形機器人的計算機視覺識別高頻特征，讓人形機器人能夠快速找到最近的充電站。

　　軟件上的優(yōu)勢固然重要，不過當下機器人最需要解決的問題，可能還是集中在硬件上，對此，付春江也表示：“就硬件水平來講，特斯拉與世界領先的人形機器人是沒有代差的。”

　　二、硬件：性價比高，可以量產(chǎn)

　　目前業(yè)界運動能力最強的人形機器人，非波士頓動力Atlas莫屬，但其成本之高也令人咋舌。而特斯拉顯然是希望打造一款足夠靈活但又性價比高，能夠大量生產(chǎn)的人形機器人，這也是這款產(chǎn)品的初衷——替代人類去做大量重復性的工作。

　　要達到這個目標，就像電動汽車一樣，首先要能“續(xù)航”。從擎天柱的概念圖中可以看到，整個機器人包含了28個電動驅(qū)動器(橙色標注)和電池及控制模塊(藍色標注)。特斯拉將配電和計算機集中到平臺的物理中心，也就是機器人的軀干中心，身體中間有2.3kWh的電池組，工作電壓為52V，其中的電池組可以維持它一整天的工作，其目標就是盡量減少每個元件的數(shù)量和功能損耗。

　　圖片來源：特斯拉

　　電池組的獨特之處在于，可以把所有電池的電子設備集中到電池組內(nèi)的單個PCB里面，這就意味著從傳感到融合到充電管理，全都匯集到這一個系統(tǒng)中。這項技術借鑒了特斯拉在電子產(chǎn)品和汽車上的設計，電池組只有實現(xiàn)真正高效簡單的冷卻，才能確保良好的電池管理和安全性。

　　其次，是足夠靈活且耐用。完全體的擎天柱體重73kg，用電功率在靜坐時為100W，快走時500W，全身有200多個自由度，手部27個自由度。機器人在研發(fā)過程中，受到了生物學的啟發(fā)，以機器人腿部關節(jié)為例，就是仿照了人類膝蓋的真實結構。

　　圖片來源：特斯拉

　　研發(fā)人員將人類的膝蓋和其運動過程中所受的力線性化，比如說行走，上樓梯下蹲，它的關節(jié)會呈現(xiàn)什么樣一個壓力曲線，從而學習如何讓機器人膝蓋使用更少的力來構建，能實現(xiàn)更好的力度控制的同事，也讓相關結構緊密的包裹在膝蓋周圍。

　　圖片來源：特斯拉

　　在爬樓梯、攀巖或步行時，要考慮機器人關節(jié)所承受的壓力，研發(fā)人員將不同的參數(shù)錄入優(yōu)化程序和優(yōu)化模型中，以求機器人適應不同的場景。

　　執(zhí)行器的效率圖生成了相關軌跡，以點云的形式進行記錄。機器人的每個關節(jié)都是特定的，28個關節(jié)都需要定制規(guī)格。因此，研發(fā)人員需要減少定制的執(zhí)行器設計，解析它們上傳的云并采取共性研究。特斯拉展示了擎天柱在極限情況下所能達到的測試效果，其關節(jié)驅(qū)動器能吊起一架半噸重的鋼琴。

　　同樣采用了生物學的還有機械手，和人手一樣同樣使用五個手指來驅(qū)動，既可以完成大口徑物體抓取，同時也能滿足抓取精巧物體的需求。特斯拉的人形機器人手指有6個執(zhí)行器和11個自由度，搭載了能夠驅(qū)動手指并進行感知的傳感器。

　　在安全性和可靠性方面，特斯拉也做了不少的設計。由于一臺機器人的維修成本很高，所以為了保護機器人，研發(fā)人員對其結構基礎進行了優(yōu)化，在人形機器人摔倒時不會把變速器和胳膊弄壞。

　　研發(fā)人員還采用了與汽車相同的底層技術，讓機器人在所有組件中產(chǎn)生壓力，使得其行走控制變得更加容易，也不會那么僵硬。

　　今年4月份，擎天柱的移動速度還很慢;今年7月，人形機器人解鎖了骨盆的應用來保持平衡;8月時，手臂開始發(fā)揮作用;到9月份，擎天柱的腳趾也利用了起來，擎天柱的移動速度有了明顯的提升。一年的時間，軟硬件升級過后的擎天柱，就這樣出現(xiàn)在了我們眼前。

　　雖然現(xiàn)在還顯得笨拙，但這樣的不斷進步是有其價值的，比如人形機器人可能最早落地的場景——工廠，目前自動化程度已經(jīng)很高了，但是總裝線的自動化率依然較低，細碎輕巧的任務基本是靠人工，那么人形機器人正好能夠彌補這個空白，在移動中實現(xiàn)裝配。

　　“人形機器人在B端的應用，與常見的機械臂、物流機器人相比，是在中短距離的移動范圍內(nèi)，用雙臂和靈巧手完成的序列化的工作。比如需要快速更換不同工具，需要多種對象的動態(tài)任務序列等等，這些都是與機械臂和物流機器人可以打出差異化來的。”付春江說。

　　三、人形機器人什么時候能真正投入實用?

　　工廠更期待的是二十出頭的年輕勞動力，而非七老八十的“老年機器人”。

　　“我個人認為研發(fā)和量產(chǎn)，是人形機器人最終走向落地、走進千家萬戶非常關鍵的一步。但從過去的這種Demo級來看的話，量產(chǎn)還存在運動能力不達標、成本居高不下、缺乏落地場景這三個非常大的困難。”付春江感慨道。

　　優(yōu)必選科技同樣是全球優(yōu)秀的人形機器人科技公司，旗下人形機器人Walker X也開始在科研開發(fā)和科技展館、影視綜藝、商演活動、政企展廳等商用服務領域?qū)崿F(xiàn)落地應用，做出了人形機器人商業(yè)化嘗試的示范案例，未來有望走進千家萬戶，在家庭服務場景中使用。

　　在場景落地方面，優(yōu)必選科技進行了超過1000小時無故障的實際場景落地演練工作，在付春江看來，人形機器人現(xiàn)在是相當于iPhone1的階段，還處于快速發(fā)展的開端。“隨著大手企業(yè)的不斷進入，對賽道的不斷加碼，會有大量的上游零部件企業(yè)，比如電機檢測、器廠、傳感器廠、結構加工廠會得到相關益處，質(zhì)量、數(shù)量方面都會有所增加。另外下游的場景開發(fā)的針對性的這些廠商，數(shù)據(jù)服務廠商等等，甚至是第三方運維交付的廠商都會有很大的發(fā)展。”

　　在成本方面，優(yōu)必選科技是全球第一個實現(xiàn)大型人形機器人BOM成本降至十萬美元級別的公司。付春江表示，國產(chǎn)人形機器人在量產(chǎn)加國產(chǎn)化之后，至少在動力系統(tǒng)方面可以下降50%，算力系統(tǒng)可以有15%-25%的下降，而結構及外觀可以有40%甚至更多的下降，“在2025年左右，我認為人形機器人的成本可以降到5萬美元，或者是再稍微高一點的程度”。

　　而特斯拉大量沿用來自車端的成熟技術，再加上偏量產(chǎn)實用性的設計思路，使得擎天柱的生產(chǎn)成本具備極大的優(yōu)勢。除量產(chǎn)以外，還可以通過國產(chǎn)化替代，或者國產(chǎn)的二線廠商隨著技術水平進步替代國產(chǎn)一線廠商，以及改進生產(chǎn)工具，減少相關零部件，還有用更魯棒的運動控制算法來降低對硬件精確度及硬件指標的要求來降低成本。如果能結合以上4點，付春江估計特斯拉會在2025-2030年之間，實現(xiàn)2萬美元的相關成本。

　　人形機器人想要走進千家萬戶，首先要能以較高的完成度去完成消費者和社會的需求，其次是成本和通用AI的發(fā)展，最后還少不了人形機器人的易用程度，例如能夠開箱即用和售后維護，這些都是人形機器人未來產(chǎn)品化過程中不可或缺的。

　　顯然，這不是短期能達到的，但我們依然可以看好其未來的成長性，馬斯克在活動期間發(fā)的推文，透露擎天柱機器人將會有“貓女版”，可以看出，特斯拉對于人形機器人抱有強烈的信心，隨著更多的資本進入賽道，特斯拉入局有望推動行業(yè)從實驗室階段過渡到商業(yè)化階段，人形機器人的發(fā)展未來可期。