國產(chǎn)大模型卷翻機器人！這些火遍全網(wǎng)的機器人，都裝上了星火「大腦」

　　大模型這把火點燃了整個機器人行業(yè)的熱情�？v觀全世界，過去幾個月，國內(nèi)外大模型大廠和機器人初創(chuàng)公司的合作也是動作不斷�？磥�，機器人的元年真的來了!

　　大模型，已然卷入機器人領域。

　　3月初，初創(chuàng)公司Figure發(fā)布了首個由OpenAI大模型加持的人形機器人Figure01的演示。

　　憑借LLM「大腦」，F(xiàn)igure01可以看到桌面上的蘋果，動手收拾餐具，并與人類進行無縫交流。

　　在電動Atlas官宣當天，初創(chuàng)公司Mentee Robotics也展示了首個Menteebot人形機器人，通過自然語言即可交流。

　　同樣，得到大模型加持的Menteebot，能解釋命令，并思考、決策、完成任務。

　　在大模型浪潮下，類似的案例近一年來層出不窮。

　　反觀國內(nèi)，大模型助推下，機器人領域也是熱度不減。

　　年初，具有「人形機器人第一股」之稱的優(yōu)必選股價創(chuàng)下2天3倍的暴漲走勢，與之呼應的是大模型廠商近期與機器人行業(yè)的合作也是動作不斷。

　　有行業(yè)專家表示，具備多模態(tài)LLM大腦的機器人時代終于來臨了。這些機器人將能夠理解指令并執(zhí)行任務:可以使用筆記本、刷碗、沖泡咖啡，妥妥的AGI!

　　顯然，大模型賦能機器人蘊藏著巨大的潛力，成為科技大廠為數(shù)不多的一個共識。

　　「具身智能」大爆發(fā)，元年已來

　　人們都說，2024年是機器人的元年。

　　大模型的橫空出世，無疑讓機器人行業(yè)再次成為研究界和產(chǎn)業(yè)界的一大亮點。

　　先來看一張圖，直觀地感受下，當前全世界取得進展的機器人公司。

　　正如許多人期待的那樣，AGI真正到來的那天，「具身智能」正是不可或缺的重要硬件載體。

　　從過去一年至今，機器人領域的投資市場不斷持續(xù)升溫，迎來了高光時刻。

　　研究公司Robot Report數(shù)據(jù)顯示，今年前3個月，機器人初創(chuàng)公司籌集了32億美元資金，去年同期為17億美元。

　　在國外，OpenAI押注的兩家人形機器人初創(chuàng)公司1X、Figure紛紛得到新一輪的融資。

　　還有硅谷服務機器人Bear Robotics、專為機器人開發(fā)大腦Physical Intelligence、還未創(chuàng)收的Skild等機器人初創(chuàng)公司，同樣受到資本的追捧。

　　國內(nèi)以優(yōu)必選為代表，2023年12月底上市即成為人形機器人第一股;如前所述，股票一路攀升。

　　不久前，工業(yè)版人形機器人Walker S都已經(jīng)進入車間開始打工了。

　　此外，宇樹人形機器人在今年2月完成了近10億元的B2輪融資，其產(chǎn)品宇樹H1更是火到了國外。

　　根據(jù)網(wǎng)友的統(tǒng)計，僅在今年第一季度，國內(nèi)機器人市場就有20多起融資案例。

　　可見，大量資本的注入，將機器人行業(yè)的熱潮推向了最高點。

　　實際上，對于每個人來說，機器人早已不是什么新鮮事物。

　　為什么大模型的加入，讓其迎來了ChatGPT時刻?

　　為什么需要多模態(tài)LLM

　　眾所周知，傳統(tǒng)機器人有著一個明顯的局限性——需要明確的指令。

　　掌握單個技能，諸如開門、拉抽屜、拾取和操縱某物，對于它們來說，并不難。

　　然而，想要讓機器人去完成多個技能結合的任務，是非常困難的。

　　這就是為什么大模型的出現(xiàn)，破解了傳統(tǒng)機器人需要明確指令，才能執(zhí)行任務的僵化問題。

　　簡單來說，LLM可以將松散定義的指令，映射到機器人技能范圍內(nèi)的特定任務序列。

　　比如，當你對機器人點頭時，如何讓它也能友好地向你點頭?

　　來自多倫多大學、谷歌DeepMind等機構開發(fā)的GenEM，利用GPT-4豐富的知識儲備，將「點頭」這一抽象行為，轉化為機器人可輸出的特定動作。

　　然而，通往具身智能AGI的路上，僅依靠大語言模型是不夠的。

　　這是因為，圖像、文字、語音、視頻等各種多模態(tài)信息，構成了我們的現(xiàn)實世界。而人類的感受、溝通，都是在以多模態(tài)形式進行。

　　對于智能機器人來說，也是必須具備的能力。

　　比如，當機器人想要正確執(zhí)行「有點累，幫我去拿一杯提神的飲品」這條指令時，最關鍵是完成「多模理解」。

　　看到桌面上的一堆食物，哪個才是咖啡呢?

　　在理解語音指令、拆解任務步驟之后，機器人需要識別「視線」里的物體，判斷推理出哪瓶飲料是符合指令意思需要拿取的。

　　不僅如此，嗅覺、味覺之類的智能，也將是機器人未來逐漸擴展的領域。

　　總而言之，多模態(tài)能力對于真正要進入家庭的機器人來說必不可少，尤其是多模理解尤為重要。

　　國產(chǎn)頂流:訊飛星火大模型

　　看得出，市場對機器人的熱情，已完全被AI大模型點燃。

　　國內(nèi)一家成立25年的公司，曾在2022年就啟動了「超腦2030計劃」，暢想著能夠讓機器人走進每個家庭。

　　這一計劃共分為三個階段，通過逐步推進，讓AI可以懂知識、善學習、能進化。

　　一直以來，基于對前沿技術的不斷探索，背后這家公司——科大訊飛正朝著目標前進。

　　先是在2022年科大訊飛全球1024開發(fā)者大會上，首次發(fā)布了「訊飛機器人超腦平臺」。

　　這一平臺面向開發(fā)者，提供了全棧的工具鏈，包括模型訓練、資產(chǎn)生成和軟硬件接入等等。

　　ChatGPT引爆大模型熱潮之后，科大訊飛在23年5月首次發(fā)布「訊飛星火大模型」，并在一年多的時間完成了5次迭代。

　　而初代訊飛星火大模型就具備了體現(xiàn)通用人工智能的七大維度，包括文本生成、語言理解、知識問答、邏輯推理、數(shù)學能力、代碼能力以及多模態(tài)能力。

　　在接下來的6月、8月、和10月以及今年1月，訊飛星火大模型完成了從V1.5、V2.0，到V3.0、V3.5的迭代升級。

　　大模型打破傳統(tǒng)認知智能的天花板，為機器人更加深入地理解世界奠定了堅實的基礎。

　　然而，要充分整合這些先進技術，以促進機器人在人機互動、任務規(guī)劃和環(huán)境適應等方面的顯著進步，還需要依賴專門的系統(tǒng)。

　　為「機器人超腦平臺」注入靈魂

　　為此，科大訊飛在2023年7月正式將訊飛星火大模型與「機器人超腦平臺」進行了深度的融合。

　　具體來說，科大訊飛機器人超腦平臺，是以訊飛超腦2030技術為底座打造的，一個面向物理世界、虛擬世界和元宇宙的機器人開發(fā)平臺。

　　它以多模態(tài)感知表達、開放式語義理解、大小腦協(xié)同運動控制和軟硬件接入為核心，可以幫開發(fā)者快速搭建實體機器人和虛擬數(shù)字人產(chǎn)品。

　　如今，人形機器人在實際應用時，面臨的挑戰(zhàn)更多了。

　　你是不是經(jīng)常在商場遇到機器人，雞同鴨講，根本講不了兩句話，就被逼瘋了?

　　在這樣的嘈雜環(huán)境中，人與機器人的交互，簡直難上加難。

　　又或是，當你讓機器人講一個笑話時，那一本正經(jīng)的播音腔，簡直就是尷尬氛圍組上線。

　　而破解這些問題的關鍵是，讓機器人更好地「拾音」，且說話不再有那么重的「機器味兒」。

　　訊飛機器人超腦平臺從「視聽融合的多模態(tài)感知交互」和「大模型理解決策」兩個方面，解決了這一難題。

　　首先，就是打造機器人交互的新范式。

　　為此，訊飛機器人超腦平臺融合了語音、視覺、語義等多個維度的信息。

　　通過升級麥克風陣列算法，融合聲音、人臉、和唇形信息，即使在嘈雜、高噪的場景下，機器人都能精準拾音，實現(xiàn)復雜場景「聽得清」。

　　同時，通過語音大模型和超擬人合成技術，機器人「聽得準」，「答得自然」，讓機器人聊起天來更有生命力和感染力了!

　　其次，就是機器人的交互大腦。

　　這個大腦，毫無疑問就是基于訊飛星火大模型，實現(xiàn)了控制級指令、官方技能、核心業(yè)務功能、快速知識問答、閑聊陪伴等多交互場景的統(tǒng)一。

　　對于每個孩子來說，如果機器人能以媽媽的聲音、口吻講睡前故事，才堪稱真正的「陪伴」機器人。

　　但若要實現(xiàn)這一點，還需要機器人具備情感化和高表現(xiàn)力的合成能力。

　　對此，訊飛機器人超腦平臺還設計了多風格、多情感的AI人設，能夠讓每個機器人都與眾不同。

　　順便提一句，訊飛機器人超腦平臺的虛擬人驅動協(xié)議已全面開放。

　　三方數(shù)字人產(chǎn)品通過接入該驅動協(xié)議，可以實現(xiàn)與訊飛數(shù)字人同等的交互效果。

　　訊飛機器人超腦平臺已賦能四大領域398家機器人客戶，深度鏈接1.3萬名機器人開發(fā)者。

　　星火加持，機器人飛升

　　為了進一步擴大合作生態(tài)，2024年4月15日，科大訊飛正式啟動「星河行動」計劃，招募生態(tài)合作伙伴共同推進機器人產(chǎn)業(yè)的繁榮。

　　而在此之前，有很多來自不同細分領域的國內(nèi)頭部機器人廠商，就已經(jīng)用上了科大訊飛星火大模型的強大能力。

　　當前，在許多人看來，人形機器人是最好的通用具身形態(tài)。

　　當機器人走向落地，人形并不一定是完成任務最好的形態(tài)。它可以是一個機械臂，也可以是輪式......

　　科大訊飛與穿山甲機器人公司合作已久，一直共同探索AI技術與機器人的融合，不斷拓寬服務機器人應用新的邊界。

　　這家公司旗下新款小魚、艾米、小雪等AI服務機器人，全都搭載了訊飛機器人超腦平臺，以及訊飛星火大模型技術。

　　基于訊飛先進的語音識別、AI技術，機器人可以流暢地進行自然語言對話，迅速理解并給出準確回答。

　　同時，憑借著豐富的技術儲備，它們還能提供各類信息和建議。

　　穿山甲機器人已廣泛應用到餐飲、政務、教育、醫(yī)療等領域

　　當然還有家庭服務機器人，樂天派便是其中的代表之一。

　　通過接入訊飛星火大模型和多模態(tài)交互，這款桌面黑科技機器人成為孩子們的貼心「小管家」。

　　只需要一聲呼喚，不論是娛樂、還是遇到學習生活難題，它都能以前所未有交互能力陪伴孩子。

　　而在頭部人形機器人中，也少不了科大訊飛核心技術的身影。

　　我們熟知的，智元機器人、優(yōu)必選、宇樹科技等公司，都得到了訊飛全鏈路語音，以及訊飛星火大模型的加持。

　　還有近日官宣合作的EX機器人，更是將雙方各自優(yōu)勢完美結合。

　　基于訊飛機器人超腦平臺，將訊飛星火大模型和多模態(tài)交互技術應用到EX仿生機器人中，實現(xiàn)了與人一樣的思考、對話和動作。

　　除以上的案例之外，科大訊飛生態(tài)「朋友圈」還在不斷擴大。

　　機器人開發(fā)，最好的時代

　　我們還應該看到，機器人的發(fā)展不僅依靠AI大腦的技術迭代，還需要「身體」并行。

　　隨著機器人行業(yè)的逐步發(fā)展，機器人行業(yè)內(nèi)的組件供應也開始向專業(yè)化、成熟化方向發(fā)展。

　　4月2日，在上海召開的中國人形機器人生態(tài)大會上，可以看到機器人部件廠商也獲得了長足的發(fā)展——

　　人形機器人通用底座、機器狗通用底座、機器人超腦板、多模態(tài)語音交互、3D視覺芯片、靈活機械手、機器人伺服電機、3D打印框架等廠商均參加展出。

　　會場進行了多項專題報告，比如「多模態(tài)+大模型，構建人形機器人新交互」、「人形機器人感知技術與發(fā)展」等細分領域的成果展示。

　　對于機器人行業(yè)的創(chuàng)業(yè)者和開發(fā)者來說，這將是最好的時代!

　　大量模塊化、可快速整合的行業(yè)平臺及部件，讓機器人的開發(fā)不再需要像過去一樣，從0開始做算法。

　　尤其是，像訊飛機器人超腦平臺已經(jīng)引入大模型的通用開放平臺，進一步將機器人的常規(guī)算法和人機交互開發(fā)難度降低到了「拿來即用」的地步。

　　再加上，訊飛機器人超腦平臺已經(jīng)打通了對接鏈路公司(宇樹、智元、EX機器人等)的成熟機器人硬件體系。

　　這意味著，二次應用開發(fā)將會成為入行最快、產(chǎn)品最快滿足客戶需求的方式之一。

　　顯然，機器人底層硬件配套已初步具備，LLM技術更是賦予了機器人交互的核心。

　　接下來，針對客戶需求的挖掘、痛點解決方案和用戶貼身服務的內(nèi)容，尚需進一步打磨。

　　這，將是機器人行業(yè)萬眾創(chuàng)業(yè)的開端。

　　大模型+機器人，前景一片大好

　　下一步，就是在LLM和機器人加速融合后，如何推動商業(yè)化落地?

　　從認知能力上來看，AI機器人的發(fā)展愈加接近人類。甚至，在外表方面，也變得更像人類了。

　　波士頓咨詢公司(BCG)估計，到2030年，全球機器人市場規(guī)模將達到1600億美元-2600億美元。

　　也就說，LLM+機器人未來的市場前景非常廣闊，可以深入應用于各種工業(yè)領域和人類生活場景。

　　在制造業(yè)領域，裝配線上的機器人能夠生產(chǎn)出，人類工人無法比擬的高質量和一致性的商品。

　　在倉庫和物流公司中，AI機器人能夠完成重型搬運工作，諸如運送產(chǎn)品、放置在貨架等任務，大大減輕了人類勞動力的負擔。

　　就比如，亞馬遜物流倉庫中的75萬機器人大軍，已全面投入了使用。

　　除了工業(yè)領域的機器人，AI醫(yī)療機器人還可以幫助醫(yī)生做手術，做出更準確的診斷，也能引導患者完成物理治療和康復。

　　展望未來，在餐館、太空探索、教育、養(yǎng)老院等諸多場景中，都將得到AI機器人的全面覆蓋。

　　不難料到，機器人的曙光已經(jīng)到來，它正在以我們幾十年前只能想象的方式重塑整個世界。

　　科大訊飛所做的，就是用技術革新，讓機器人走進每個家庭。