解读斯坦福Aloha机器人：视频为何是“假的”？能做家务的机器人还有多远？-Vol41
01:30:23 Share

大家好， 欢迎来到 脑 放 电波。 脑 放 电波 是 一档 关注 科技前沿 品牌营销 和 个人成长 的 谈话 类节目。 每期 带给 您 一个 有趣 的 话题， 帮 您 在 信息 严重 过载 的 现代 世界 小幅 自我 迭代。 我是 托马斯。

我是 尼克斯。

当我 熟练 开 一辆车 之后， 尤其是 这个 车， 比如说 我 开 了 很久 了， 它 就是我 每天 通勤 上下班 的 车 的 时候， 我的 巨 深感 会 延展 到 这个 车 的 外壳， 而 不再 是我 自己的 手和脚。

人 实际上 是 很多 费力 的 机构 去 组成 的。 它 实际上 本身 它 为了 去 增加 自己的 灵活性， 去 牺牲 了 很多 效率 性 的 东西。

就 数字 孪生 这件 事情， 它 不光是 把 物理 的 东西 虚拟化， 它 更 重要 的 是 它 可以 加速 这个 时间 在 虚拟世界 里面 的 运行。 它 有点像 七龙珠 里面 那个 精神 与 时间 屋。

模糊 的 技术， 智能 处理 模糊 的 需求。

今天 我们 要 聊 一个 跟 A I 有关的 话题， 我们 过去 好像 从来 没有 聊过， 我们 要 聊 一下 机器人。 A I 的 发展 使得 机器人 这个 行业 也 开始 有了 一些 蠢蠢欲动 的 感觉。 近期 我们 也 看到 了 一个 非常 热门 的 来自 斯坦福大学 的 机器人 项目， 叫 阿罗哈。 我们 今天 会 从 这个 项目 开始 来 聊 一 聊 通用 机器人 到底 离 我们 还有 多远 的 问题。 我们 也请 到了 一位 嘉宾。

我 觉得 这个 嘉宾 肖像 几个 特点 我很喜欢。 第一个， 他 从 十岁 开始 就 应该 开始 玩 机器人， 是 非常 资深 的 机器 玩家。 然后 他 刚刚 从 肯德基 梅隆 这样 一所 理工 学校 毕业， 相对来说 是 了解 一些 研究 的 最新进展， 好像 上个月 还在 发 paper。 除此之外 的话， 他 也 接触 过 非常 多 的 所谓 的 机器人 自动化 的 项目， 帮助 过 非常 多 的 企业 做 过 自动化 的 导入。 我们 欢迎 花花。

Hello 大家好， 我是 花花。 现 之前 是 就读于 卡内基 理工大学 的 机械 工程系， 然后 是在 by robot 仿生 机器人 lab 里面 去做 一个 研究生 助理。 在 这个 研究生 期间 也 发表 过 一些 论文， 主要 还是 关于 这个 工业 机器人 机械臂 的。 然后 今天 我们的 这个 主题 阿罗哈， 就是 我们 刚刚 斯坦福大学 发表 这个 论文， 其实 也是 一个 和 机械臂 有关的 论文。

这个 大 模型 应用 在 机器人 之后， 就能 完成 的 一些 很 复杂 的 一些 家务 的 操作。 所以 今天 我们 也是 希望 花花 可以 从 这个 机器人 角度 来 给 我们我们 一起来 来 畅想 一下， 包括 看看 现在 是 什么样 的 一个 状况。

本期 节目 的话 我们 希望 解答 三个 问题， 第一个 叫做 最前沿 的 机器人， 现在 都 什么 都都 做到 了 什么 程度， 他 花 多少钱 能够 完成 什么样 的 功能， 有 哪些 亮点， 除此之外 的话， 我们 也 今天 请来 了 专家， 我们 希望 帮助 大家 理解 一些 技术 上 的 原理， 就是 机器人 怎么 和 大 语言 模型 结合， 包括 聚成 智能 这些 概念， 它 到底 怎么 回事儿， 这是 我们的 第一 部分。 此外 我们 把 视角 关注 普通人 的 日常生活。 其实 我们 发现 一个 现象， 就是 你的 生活 里 其实 用上 这些 论文 里 的 机器人 其实 是 非常 难 的那 难 在哪里， 我们会 今天 会 展开 的 讲一讲。 因为我 今天 的 嘉宾 花花 本身 也是 有 比较 多 的 实践 的 实习， 把 机器人 从 论文 里 带到 现实生活 当中 的 经验 的。 以及 最后一个 问题， 我 觉得 还是 关注 我们 普通人 的 生活， 就是说 可能 有 你们 有的人 已经 有了 两台 机器人， 对 吧？ 一台 自动驾驶 的 汽车 或者 是 一台 扫地 机器人。 但是 一台 所谓 的 能够 处理 多个 任务 的 家用 的 通用 机器人， 距离 我们 普通人 还有 多远？ 我们 希望 把 这个 问题 今天 也 畅想 一下， 好吧？

好， 我们 就 从 现在 媒体 大热 的 这个 斯坦福 机器人 团队 做 的 这个 叫 mobile alloa 项目 来 开始。 要不 尼克斯 你 先 简单 介绍 一下 这 是个 啥 项目， 让 大家 先 初步 了解 一下。

对我 最 开始 注意到 这个 项目 其实 是 这样， 就是 某一天 早上， 然后 就 发现 很多 的 微信 群 里 和 人的 朋友圈 就 开始 转 一个 视频。 就是 一个 机器人， 它 能够 在 一个家 里面 去 折 衣服， 然后 去 做菜。 关键 是 这个 机器人 还是 个 广东 机器人， 他 做 的 四个 菜 都是 广东菜、 滑蛋虾仁、 干贝 烧鸡、 蚝油生菜。

这个 机器人 可以 去做 很多 东西， 详细 读 了 一下 这个 论文， 他 可以 去做 这个 擦拭， 可以 去做 这个 呃 推 椅子， 还有 摁 电梯 的 一些 这样的 工作， 这样的 动作。 对， 还是 非常 的 impressive 的对。

也能 完成 一些 很细 的 活儿， 比如说 把 那个 啤酒瓶 给他 打开， 因为 遇到 啤酒 起子 那个 尺寸 很小， 对 吧？ 然后呢 还 甚至 是 说 他们 那个 研究 团队 放 出来 的 视频 里面， 还 能够 给 一个人 刮胡子。 就 特别 像 我们小时候 看 那个 动画片， 就是 畅销 100年之后 人类 的 生活， 对 吧？ 你 早上 一起来， 那个 床垫 就 把 你 倒 起来， 然后 一个 机械臂 就 伸过来， 自动 把 你 胡子 给 剃 了。 所以 对 所以 整一个 视频 集锦 就在 网上 刷屏 了。

然后 我们 就 注意到 这个 东西， 视频 的 文案 写 得 非常 的 有有 吸引力。 他他 重点 是 说 他说 这个 设计 就是 这个 机器人 的 设计， 它是 开源 的。 所有的 机械设计， 所有的 我 用 的 一些 零件 的 编号， 以及 我 用 的 零件 的 型号 和 我的 代码， 你 都 可以在 我的 网站 上 下载 下来， 然后 把 它 复现 出来。 也就是说 他 欢迎 所有的 人 去做 一个 一模一样 的 机器人。 这个 机器人 研究 团队 是 这样 讲 的。 他说 只需要 26万块钱 的 成本 就能 实现 原来 350块钱 的 成本 的。 这个 我说 的 都是 人民币。

350万。

对， 350万 的 这个 机器人 系统 能够 做 的 事情， 就是 相当于 把 价格 打 下来 了 十倍 还 多一点， 这是 机械 部分。 大脑 的 部分， 研究 团队 也 非常 强调 说， 他 只需要 用 一台 3080 ti 的 笔记本电脑， 就是 3080T 就是 呃 3070 肽。 对， 3070 肽 首先 是 这样， 这个 笔记本电脑 它是 没有 包含 在那 26万里面 的。 但是 我们 要 注意， 就是现在 很多很多 我们 说 大 语言 模型， 它 需要 很强 的 服务器资源， 对 吧？ A I 还需要 很强 的 服务器资源， 但是 3070 肽 完全 不是 最新型 号 的 英伟 达 的 显卡 了。 所以 他 就是 强调 说 这个 笔记本 可能 你 在 二手市场 上 就能 买到， 对 吧？ 我 完全 不需要 大型 的 服务器。 所以 他们 甚至 联系 了 一家 三 弟 打印 的 经销商， 他 就是说 那那 家 公司 他是 愿意 把 他的 所有 零件 销售 出来。 但是 那个 研究 团队 就是说 我们 也 不从 这个 赚钱， 我们 就是 希望 更 方便 其他 的 研究者 也 去 复现 这个 工作。

然后 包括 最后 一个点， 我 觉得 他们 把 这个 东西 做 的 特别 像 一个 产品。 他们说 这是 第一次 能够 用 低成本 的 机械臂 完成 这么 多 丰富 的 任务。 而且 你 要 知道 这个 产品 它 不是 那种 一 碰 就 坏 的 产品。 在 我们 写 这个 论文 的 八个 过去 的 八个 月 里面， 我们的 电机 没有 出现 任何 故障。

这个 机器人 就 应该 像你 日常生活 当中 扫地机 一样， 它的 quality 很 到位， 这个 是 他 非常 亲民 的 一 面对 接下来 讲到 这个 技术 的 部分， 我 觉得 有 两个 层面 的 亮点。 第一个 层面 的 亮点 就是 它 给 那个 机器人 设计 了 一套 去 克隆 人类 动作 的 一套 模式。 所谓 克隆 是什么 是什么 状态 呢？ 其实 我们会 把 那个 图片 放在 我们的 文稿 里面。 然后 我在这里 我 先 描述 一下， 就是 它 会 让 一个人 在 那个 机器人 背后， 然后 在 那个人 手上 绑 两个 机械臂。 这样的话 相当于 说 那个人 做了 一个 伸手 的 动作， 前面 那个 机器人 的 机械臂 也会 做 一个 伸手 的 动作。 所以 他 把 这个 东西 叫做 人 给 机器人 来做 教学 展示， 它 叫做 demo 模式。

对， 大家 如果 看过 黑客帝国 三 的话， 他们 在 西安城 里面 要 抵御 乌贼 机械 乌贼 入侵 的 时候， 那个 指挥官 他们 开 的 那个 大型 的 机械人 就是 类似的 结构。 就是 人 坐在 中间 的 一个 笼子 里面， 然后 手里 拿着 两个 小的 机械臂， 然后 当你 挥拳 的 时候， 整个 大 的 机器人 的 那个 大 的 机械臂 就会 跟着 一起 挥动。 大家 理解 为 就是 一个 一比一 精确 模仿 的 一个 状态。 所以 它 整个 demo 的 方式 就是 人 在 后面 动， 然后 前面 那个 机械臂 做 同样 的 动作。

对你 这么说， 我 还想 起来 有一个 电影 叫 环太平洋， 它 也是 这个 概念。

对 吧？ 对对对， 就 机器人 打架 是 吧？

对对对， 机身 打架。 我们我们 80后、 90后真的 好多 就是 好多 小时候 的 动画。 你 要是 这么 蠢 出来 好多 东西。

高达 这些 东西 都有。

对， 你们 就会 发现 机器人 这个 东西 在 人类 的 这个 想象 里面 已经 存在 了 几十年 了。 大家 就 觉得 这个 东西 就是 一个 替代 人 来 干活 的。 从 古代 的 木牛流马 开始， 对 吧？ 就 已经 在在 畅想 那种 事情 了。

好， 我说 回来， 就是 人 去做 一个 动作， 让 机器人 去 模仿。 那 这个 事情 它 就是 让 机器人 去 训练， 让 机器人 去 学习 这个 动作。 他们 最后 给 出来 了 两组 非常 关键 的 指标， 是 非常 让人 印象 深刻 的。

它 叫做 第一组 指标， 它 就 都说 只需要 15分钟 就 能够 学会 日常生活 当中 的 一些 简单 动作。 比如说 怎么 把 一个 瓶盖 给 拧开， 你们 点 外卖 都有 那种 酱油瓶 对 吧？ 怎么 把 那个 瓶盖 给 拧开？ 两个 机械臂 只有 两个 手指， 每个 机械臂 就 两个 手指。 然后 怎么样 给 你家 的 电视机 换 电池， 怎么样 撕开 那个 胶带， 怎么样 给你 穿 鞋子， 他 就 15分钟 就 搞定。 但 他 给 了 另外 一组 数据， 叫做 就是你 让 那个人 给他 示范 50次， 他 就能 学会 更多 的 动作， 对 吧？ 所以 整个 机器人 它的 建造 的 原理， 它 就是说 让人 去 给 机器人 做 示范， 然后 这个 机器人 就会 学会 这个 动作。

他们 从技术上 提炼 出来 的 三个 亮点。 第一个 亮点 叫做 说 他们 做了 一套 改造 过 的 transformer 模型， 其实 就是 今天 大 模型 的 所有的 基座 这样的 一个 模型 结构。 这个 模型 他 能够 把 任何 的 任务 拆解 为 一系列 的 动作。 他 就举 了 一个 例子， 就是说 比如说 你 给 他的 任务 说 让 这个人 把 这双鞋 穿 在 右脚 上， 那 可能 这个 机器人 的 脑海里 就 把 穿鞋 这个 动作 拆 分成 了 1000个动作。 导致 的 结果 就是 他的 他他 觉得 动作 非常 丝滑。

第二个 亮点 是 就是说 这个 机器人 其实 是 利用 视觉 摄像头 来去 学会 这个 动作 的。 但是 这个 机器人 还有 个 更 厉害 的 动 操作， 它 能够 从 这个 机器人 本体 的 感觉， 什么 叫做 本体 的 感觉？ 就是 机器人 能 感觉到 自己 不 费劲儿， 你知道 吧？ 就是说 他在 他 知道 自 做自己 做 这个 动作 是要。 是要 轻一点 还是 重 一点？ 所以说 他们 在 论文 里 把 这个 描述 成说 这个 机器人 甚至 能够 提取 出 动作 的 风格， 甚至 在 刻意 的 模仿 这种 风格。

那 这种 风格 怎么 理解 呢？ 比如说 你说 穿鞋， 其实 就是说 因为 人的 脚 是 很 软 的， 对 吧？ 你 不可能 说 一下子把 那个 脚 把 那个 鞋子 就 怼 在 人的 脚 上， 你 肯定 是要 相对 要 缓和 一点， 你 需要 一个 服务 的 一个 姿态。

对 吧？ 这个 地方 说 的 这个 提取 动作 风格， 它 是不是 提取 的 是 他 模仿 的 那个 对象 的 动作 风格， 就是 这个 人类 他 后面 的 人类 对 吧？ 对。

整个 论文 他说 的 就是 一个 怎么样 去 让 机器人 克隆 人类 动作 的 一个 一个 过程。 对， 实际上 后面 的 那个 他的 操作 感， 其实 我们 都 管， 就是我 我们 之前 一直 都 管 叫 这个 东西， 叫做 这个 的 角度 复现。 什么 叫 角度 复现 呢？ 就是 机械臂 的 free raft mode， 人 可以 轻易 的 去 推动 机械臂， 然后 让 机械臂 去 记住 它的 这个 位置， 让 另外一个 机械臂 去 复现 出来， 这样的 一个 模式 去 教会 机器人 怎么样 去做 这个 动作。 其实我 个人 觉得 他用 视觉 去 识别， 视觉识别 去 学习 的 东西， 主要是 去 分辨 出 他 要 去做 什么样 的 任务。 比如说 他 里面 说 的 就是 要 按 一个 电梯 或者说 是 开 一个 冰箱， 它 其实 是 先 分辨 出了 这 有 个 手掌， 所以 我 触发 了 我 这个 机器人 的， 我要 去 按 这个 手掌 的 这个 动作， 我 这里 有 滩 水， 我 触发 了 这个， 我要 拿 一个 毛巾， 毛巾 在哪儿？ 我 去 找到 这 毛巾， 然后 去 把 这个 东西 夹起来， 然后 去 擦 一 擦 这个 桌子 这个 动作。

对， 是的， 就是 整个 克隆 的 能力 非常 强， 而且 是 它的 复线 并不是 非常 机械化 的。 你 上 一步 给他 克隆 了， 怎么 放 一个 五号 电池， 你 下一步 把 那个 电池 挪 一点 位置， 或者说 你 换成 一个 七号 电池， 尺寸 更 小的。 那那 其实 这个 机器人 也会 把 这个 机 也会 知道 怎么样 去 挪 放 这个 电池。 也就是说 这里 其实 已经 有 一定 的 举一反三 的 这个 概念 在 里面 呈现 了。 甚至 他的 是 他的 描述 说 甚至 是 能够 排除 环境 中的 一些 干扰。 我记得 他 举 的 最 极端 的 一个 例子 就是说 他在 那个 机器人 行动 的 前方， 他 放了 一个 ipad， 然后 播放 一个人 在那边 说话， 就是 正常 的 很多 机器人 其实 如果 听到 它 在工作中 遇到 人 说话 的话， 它 其实 是 会 类似 于 siri， 它 又 进入 一种 聆听 模式， 对 吧？ 它 就 不 工作 了。 但是 那个 机器人 它 就 很 正确 的， 就是说 它 就 忽略 掉了 生活 当中 的 一些 干扰， 它 就像 一个人 一样， 知道 自己 应该 聚焦 在 什么样 的 任务 上。

我 正好 问 一下 那个 花花， 就是 像 他 这 里面 说 这个 他他 通过 demo 一个 东西， 比如说 他 抓取 一个 物体 或者 换 一个 电池， 交交 个 50次他 就 学会 了。 那 这个 过程 在 没有 transformer 之前， 如果你 要 让 一个 机械 机 机 机械臂 做 这件 事情， 他是 用 什么样 的 方式 来 学会 这件 事情？

现在 工业 里面 不是 有 很多 机械臂， 我们 都是 把 机械臂 移到 一个点， 然后 让 他 记住 这个 点， 再去 去做 这个 重复 的 过程。 所以 我们 都说 如果 一个 机器人 或者 工业 型 的 这种 机械臂， 更 适合 是 那种 大型 流水线。 因为 它 做 的 是 重复 的 动作。

所以 工业 机器人 机械臂 它的 这个 精度 就是 它它 学会 一招 之后， 这 一招 是 百分百 精确 的， 稍微 变化 一点 他 就 做不到。 是的。 但是 有了 transformer 模型， 一个 在 通用 环境 下 的 这个 机械臂， 它 就可以 接受。 比如说 我 这个 电池 歪 一点， 或者 是 滚 到 旁边。 因为 它 有了 这个 transformer 模型， 它 对 整体 的 这个 物体 有了 识别， 所以 它 就 哪怕 我 这个 必 就 不再 是 记住 了。 比如说 15.7度 这个 角度， 然后 35.6 牛 的 力， 他他 不再 他 不再 是 记住 这些 了。

是的， 他 记住 的 实际上 是一个 行为。

明白 了。 所以 从 这个 角度 来说， 其实 这个 大 模型 确实 赋予 了 这个 通用型 的 机器人 的 一个 想象 空间。 因为 过去 如果 是 按 机械臂 的 模式， 其实 就像 刚才 你说的， 它 只能 记住 一个 非常 精确 角度， 做 一个 非常 机械化 固定 的 事情。 那 它是 没有 办法 在 通用 环境 下 使用 的对 吧？

就是 工业化 机器人 里面， 我们 通常 给 机器人 的 命令 是 一个 角度 或者 是 六个 角度。 如果 是 六 轴 机械臂 的话 就可以 六个 角度。 他 去 完成 一个 动作， 他在 这个 记忆 库 里面 就是说 我 这个 要 挪 到 90度， 这个 要 挪 到 一度， 然后 接下来 我要 挪 到 多少度。 对， 但 现在 我们 来说 就是 我要 去 告诉 机器人 我要 去做 一件 事情， 然后 机器人 的 程序 会 告诉 机器人 他 要 做 走 多少度。 是的， 是 这样 一个， 就是 我们 整个 逻辑 变换。

这就是 刚才 你们 提到 的， 就是 当当 你 告诉他 一个 动作， 它 会 自动 通过 transformer 把 它 分成 1000个步骤。 这 一千个 步骤 在 过去 可能 是 需要 人 来去 帮 他 规划 的， 你每 一个 角度 是 多 大力， 现在 变成 了 由 transformer 模型 来 提供 这种 分解 和 最后的 执行， 让 它 整个 动作 会 变得 很 平滑。

其实 过去 那 一千个 动作 怎么做， 就是 各家 机器人公司 的 壁垒， 它是 最最 核心 的 机密 算法。 对， 现在 不是 了， 他 发现 transform 模型 自己 能把 这个 事儿 搞定。 所以 刚才 我们 把 最 开始 节目 最 开始 把 这个 机器人 叫做 通用 机器人。 它 通用 就是指 说 他在 面临 同一个 任务 的 不同 形式 的 时候， 它它 出现了 通用性。 另外 就是 刚才 也 提到 了， 它 面对 不同 的 任务， 它 也有 一个 很 快速 学习 的 一个 通用性。

我 现在 就是 电脑 的 左边， 就是 这 篇 论文 的 这个 本文 一篇 论文 它的 亮点 都在 它的 题目 里面。 对 他说 learning by menu mobile manipulation with low cost whole body body Operation。 对它 整个 拆分 开来， 它 有 几个 亮点， 第一个 亮点 它是 by menu。 什么 叫 by menu 呢？ 就是 双臂 机器人 协作， 它 其实 已经 是一个 很大 的 亮点 了。 因为 在现阶段 来说， 一个 机械臂 去做 一件 事情， 它 其实 是 比较简单 的那 为什么 两个 机械臂 就 比较 难 呢？ 因为 它 会有 两个 机器 机械臂 的 碰撞 模型， 在 整个 验算 里面 会 导致 它的 动作 规划 会 非常 困难， 这是 第一点。

然后 第二点， 能够 对 社会 做出 很 突出 的 贡献 的 就是 low cost。 因为 我们都知道 大部分 的 研究 都是 钱 堆 出来 的。 Low cost 这个 词 非常 的 有 吸引力， 相当于 是你 把 你 把 整个 成本 就 降下来 了。 然后 另外一个 就是 我们 说 的 whole body text Operation， 就是 相当于 是 全身 的 遥控， 全身 的 遥控 它 相当于 就是 一个 完全 拟人 的 一个 状态 了。 对， 就 相当于 三个 亮点， 这个 双臂、 省钱， 还有 整个 身体 的 这样的 一个 联动。

对， 这个 机器人 它 之所以 能 说 全身， 是因为 它 有 轮子， 它 也能 移动。

是的， 没错， 它是 一个 mobile base， 就是 一个 带 轮子 的 一个 底盘， 然后 可以 到处 乱 走。 但是 他 到底 能不能 到 真的 是 通过 像 slam 技术 一样 去 通过 一个 室内 自动驾驶 的 一个 技术， 去 实现 真正 的 我要去哪里 去 做什么 事情。 这个 说实话 还是 有待 考究 的。

说真的 就是 论文 里 起码 没有 提到 slam 的 事儿 是 吧？

对， 是的。 因为 是 怎么说呢？ 就是 32K 这个 虽然 说 在 整个 学术界 都 已经 是一个 非常低 的 价格 了， 但是 我 还是 感觉 自动驾驶 如果 再 往里面 放 的话， 会 稍微 提高 一些 价格。

32K 美金 在 学术界。

32K.

美金 的 成本 可以 叫 low cost。

对对对， 你 要 看 和 谁 比， 对 吧？ 你看 我 我们我们 最熟悉 的 波士顿 动力 那 台 机器人， 那 不止 32K 美金 了。

我 查 了 一下 它的 价格 是 它的 那个 机械 狗 的 价格， 就是 一只 机械臂 四个 腿， 它是 74000 美金。 它 量产 的 产品 有啊。

也是 这个 机器人 吗？

没有。

是一个 机械 狗， 机械 狗。 然后 有 一只 机械臂， 只有 一只 机械臂。 对。

大概是 这个 狗 身上 长了 一个 是 手， 这个 图 一定要 放在 手 note 让 大家 看一下。

是的， 他 把 那个 狗狗 投 变成 长颈鹿， 然后 那个 长颈鹿 的 部分 就是 那个 机械臂， 就是 一就 一个 两只手 的 戒指。

对， 我记得 是一个 五 轴 的 机械臂。

OK 就是 聊到 这里， 如果 大家 以为 我们 就是 要 吹 一波 阿罗哈， 那 可能 就 大家 就 可能 就要 失望 了。 因为 我们 其实 再往下 深究 了 一下， 我们会 发现， 实际上 阿罗哈 他们 给 自己 在 最初 day one 放 出来 的 这些 视频， 以及 我们 刷屏 看到 的 大部分 的 自媒体 账号 的 吹嘘， 看起来 都是 有些 言过其实 了。 因为 我们 发现， 实际上 我们 看到 的 流传 最 广 的那 一只 就是 A I 的 一天。 那 一支 片子 其实 并非 这个 机器人 实际 学习 后 的 自主 行为 的 表现， 它 实际上 来自于 非常 准确 的 背后 的 操纵。 也就是说 我们 看到 的 这个 机器人 的 完美的 表现， 实际上 来自于 人 一比一 在 背后 对 这个 机器人 进行 遥控 的 结果。

对， 是的， 这 篇 就是 刚才 花花 讲讲 了 这 篇 论文 的 题目， 重点 是 克隆， 这个 视频 就是 能 帮你 做什么？ 四个 广东菜 对 吧？ 真的有 个 广东人， 他 做了 那 四个 菜， 然后 他他 用手 操控 着 那个 机械臂 把 那个 东西 做出来。 那 三个 作者 两个 都是 华人， 一看 就是 广东 孩子。 他的 那个 项目 网站 上 就是 做菜 的 那个 视频， 他是 把 它 叫做 远程 操作。 也就是说 研究者 认为 这个 东西 的 利益 点 是 说 你可以 远程 的 去 操控 一个 机器人 做 精准 的 动作， 以及 以及 训练 它 做 不同 的 动作。

但是 那段 视频 就 被 媒体。 裁剪 下来 丢 到 短 视频 平台， 就 告诉 你说 真的 能 折 衣服。 然后 我 就 觉得， 对对对， 我 就 觉得 这个 真的 是 言过其实， 我是 抱着 极大 的 兴趣 进去， 我们 看起来 被骗了， 对 吧？

但是 并 不是说 这个 论文 是 水文， 这个 论文 实际上 机器人 是 能 做成 一些 事情 的。 但是 我要 把 这些 事情 跟 你 讲一讲， 你 其实 就能 明白 哪些 是 能 自主 做 的， 哪些 是人 操控 能 做 的。 人 操控 能 做， 比如说 做做 广东 蚝油菜心， 对 吧？ 那 这个 是 很 复杂 的 动作 了。 但是 继承 自己 能 做 的， 他 给 了 什么样 的 例子 呢？ 他说 可以 自己 去 按 电梯， 然后 重复 的。 你每 一次 叫 他 去 按 电梯， 他 就 走到 同一个 位置 去 按 那个 电梯 的 按钮， 它 可以 连续 九次 去 擦 那个 葡萄酒 的 酒杯， 而且 擦 的 都是 准确 的， 覆盖 所有的 这个 位置。

可以 把 大概 一公斤 多 的 一个 锅 一个 铁锅 准确 的 放到 一个 双开门 的 柜子 里， 这些 动作 是 可以 重复 的。 这些 动作 你 教 他 50遍之后， 他 就可以 不断 的 重复 这些 动作， 而且 是 准确 的 了， 这个 是一种 一种 类型。 第二种 类型， 刚才 我们 提到 过 一些， 比如说 15分钟 就能 学会 打开 瓶盖， 放 电池， 就 这些 动作。 但 这些 动作 研究者 我 觉得 还是 挺挺 实诚 的。 他 学 了 15分钟 之后， 其实 实际 的 表现 是 什么样 的。 比如说 打开 瓶盖 的 那个 动作， 它 实际 它的 成功率 只有 64%放 电池 的 那个 动作， 它 实际 的 成功率 是 96%， 撕 胶带 那个 动作 实际 成功率 84%。

可能 大家 对 这个 数字 没 概念， 但是 你 想想 就是说 如果你 今天 是一个 餐馆老板， 你 让 一个 员工 去 开 瓶盖， 结果 你 发现 他 开 三次 就 失败 一次。 你 觉得 这个人 是不是 可是 不是 足够 来来 充当 你的 劳动力 的对 吧？ 我相信 大家 都 有可能 是 研究 团队。

后来 也 发现 第一段 视频 放 出来 之后， 很多人 就 也没有 细看 论文， 也没有 细看 他的 描述， 对 吧？ 一下子 就 火 了， 好多 科技 媒体 就 拿 这个 东西 发稿 了。 所以 研究 团队 就 赶紧 补 了 一个 这个 视频， 很 情怀 的 那种感觉。 就是说 我们在 做 这个 项目 的 几个 月 当中， 我们 经历 了 很多 问题。 我 把 那些 失败 的 现场 补给 你看， 你看 他 做了 一个 失败 现场 混 剪， 这些 混 检 的 出现 的 错误 就 很 积极 了。 比如说 炒鸡蛋， 他 会 把 鸡蛋壳 和 鸡蛋 一块， 就 把 鸡蛋壳 捏碎 了， 就 直接 扔 在 锅 里， 连着 鸡蛋 可以 一块 炒， 然后 会 炒 糊 掉。

之前 在 室内 行走 的 时候， 会 就是 刚才 花花 说 的 没有 自动驾驶 的 部分， 或者 自动驾驶 的 部分 不够， 他 会 自己 装 在 柜子 上。 然后 你看 你 让 他 去 拿 一个 笔， 他 就 他 这 两个 机械手 一 下去 戳 一一 夹 是 空的。 然后 包括 前面 提到 的 说 连续 擦 酒杯， 他们 也 损坏 了 好多 酒杯。 半 开玩笑 的 是 说， 我们 我我我 我们我们 没有 选择 把 这些 东西 呈现 在 论文 里。 但是 我在 媒介 里 我 还是 希望 你们 理解 这个 事情， 对 吧？

我 觉得 不过 这也是 这个 传播学 的 特点， 对 造谣 一 张嘴， 辟谣 跑断腿， 大家 还是 喜欢 看 那种 改变世界 的 东西。 当你 出来 说 我 有 很多 错误 集锦 的 时候， 其实 在内 网 我 都 没有 看到 这些 东西。 甚至 那些 媒体 在 发完 了 第一篇 厉害 了 我的 机器人 之后， 都 不愿意 再发 一遍 说 对， 其实 没有 那么 厉害， 因为 这件 事情 大家 也都 不愿意 看。 但是 我们 可能 作为 一个 严谨 的 科技 博客， 我们 还是 要 让 大家 知道， 今天 最 厉害 的 震动 整个 科技 圈 的 斯坦福 的 这个 机器人， 它的 真相， 实际上 还没有 到 大家 想象 的 那种， 我 今天 就要 买一台， 哪怕 30万摆 到 家里 用 的 这个 程度， 还 远远 不到 这个 阶段。

是的， 但是 有一点 要 说明， 就是 他 还是 对 学术 圈 有 非常 多 的 贡献 的， 它 已经 是 非常 困难 的 一件 事情 了。 就是 拧 瓶盖 这个 动作， 他 都 已经 可以 发 两三篇 paper。

对你 这么说， 我也想 起来， 研究者 的 背景 确实 蛮 好的。 研究者 原来 在 特斯拉 干 过。

非常 符合 我 对 这个 研究员 的 刻板 印象。 当我 看到 这个 视频 和 这个 论文 的 时候， 就是我 第一个 想法 就是 这个 论文 非常 的 聪明。 首先 这个 东西 它 很 抓 眼球， 它 有 个 demo video 非常 厉害， 要 非常 吸引 眼球， 这个 已经 很棒 了。 然后 第二点， 他 做了 一个 很棒 的 事情 就是 开源， 他 把 这个 事情 变成 了 一个 可 复现 可 开源 的 一个 一个 项目， 这点 就 已经 做了 很大 的 贡献。 他 跟 我说 他是 演 的对， 但是 也 其实我 觉得 也是 对 学术 圈 有一个 非常 大 的 贡献。 克隆 平台 以及 transformer model 转换 模型。

聊 完了 这个 阿罗哈 之外， 其实 最近 还有 很多 在 机器人 领域 的 一些 突破。 我 觉得 我们 可以 挨个 来看 一下。

我们 三月份 的 时候， 其实 我们 当时 报道 过 一个 模型 叫做 胖 M E 对 吧？ 一个 聚 生 智能 加上 多 模态 的 一个 逻辑， 然后 那个 胖 米 它 能 实现 的 东西， 就是 桌子 上 有 一些 这种 红色的、 蓝色的， 类似 小小 海绵 小方块 一样的 东西， 有点像 小学生 用 的 教具。 它 能够 成功 的 识别 它们的 形状 和 分类， 或者说 那个 胖 咪 就 做到 说 抽屉 里， 你 告诉他 抽屉， 打开 抽屉 拿出 一包 薯片， 他 就 顺利 的 能把 这个 事儿 做 完。

谷歌 事实上 在 整个 模型 这 一块 投入 还是 蛮 多 的。 所以说 我们 看到 他在 同期 的 一些 论文 里面， 它 主要 呈现 的 一个 成果， 它 现在 所谓 他 做 的 一个 叫做 泛化 能力 框架。 意思 就是说 如果你 让 机器人 去 干 一些 他 从来没 见过 的 任务， 它 现在 有一个 很 好的 成功率。 它 就是说 它 丢 给 了 一些 机器人， 它 从来 没有 见过 的 41项 任务， 机器人 可以 完成 63%， 这个 东西 距离 生活 也 还有 比较 远， 对 吧？ 距离 阿罗哈。

拧 瓶盖 还有 1%.

的 差距 是 O K， 但是 你每 做 两次 就有 可能 一次 是 失败 的。

谷歌 的话 它 为了 解决 数据 收集 的 问题， 他 还 做了 一个 叫做 auto R T 和 一个 叫做 R T X 的 一个 数据集。 然后 它它 现在 就是 可以 实现 把 机器 放到 一个 房子 里， 就让 机器人 面 正常 跑。 然后 这些 机器人 就会 实现 说 自己 卷， 自己 去 学习。

什么 意思 呢？ 比如说 这个 机器人 看到 前面 有一个 橱柜， 对 吧？ 他 就会 自己 走到 橱柜 面前， 然后 他 就 拍 张 照片 问 那个 大 模型 这个 里面 有 什么东西？ 然后 大 模型 就 告诉他 左上角 有有 三个 粘 的 粘 掉 的 杯子， 然后 接下来 它 就会 描述 了 这个 图片 之后， 它 就会 自动 生成 一个 任务， 叫做 把 脏 的 杯子 给 它 清洁 干净。 接下来 这个 模型 就会 扪心自问， 调度 说 如果我 要把 这个 杯子 我要 如果我 要把 这个 杯子 清洁 干净， 我需要 做什么？ 然后 结果 他 就 去 推理， 然后 他 推理 出来 的 结果 是 说， 我需要 两个 机械臂， 一个 机械臂 臂 拿 杯子， 一个 机械臂 拿 毛巾。 然后 这个 时候 他 就会 知道 说， 因为我 只有 一个 机械臂， 所以 我 完不成 这个 任务。

此处 应该 请 出 阿罗哈 来 帮忙。

对对对， 所以 他 就说 完不成 这个 任务， 那 那那 这个 任务 我 就 不去 做， 那那 我 就 不 收集 这一次 的 数据。 所以 它 相当于 就是说 他 就 创造 了 一种 类似 于 叫做 什么， 就是 让 机器人 的 自由 开放 世界 的 这种 概念。 就是 让 机器人 自己 在 屋子里 跑， 然后 自己 去 创建 任务， 创建 任务 完 自己 把 记 数据 记录下来， 自己 给 自己 训练。

这个 看完 还 挺 吓人 的， 自己 找 活 干， 万一出 点 什么 事儿， 他 找 出来 的 活 就 不一定 是 那么 友好 的 事情 了。 说 回来， 因为 这个 地方 我 觉得 刚才 聊到 了 胖 M E。 当时 我们 其实 三月份 聊 的 时候 也 提到 了， 它是 一个 巨 深 智能 加多 模态 的 一个 大 模型。 我 觉得 正好 在这里 问 一下 花花， 就是 到底 聚 生 智能 我们 作为 普通 的 科技 爱好者， 我们 应该 怎么 理解 它是 一个 什么东西？

其实 聚 生 智能 这个 东西 从 字面上 理解 特别 容易 理解 成 那种 人形 机器人 的。 但 实际上 不是 这个 意思， 更加 像是 一个 有 自我 判断能力 的 机器人， 就是 他 对 外界 有 感知。 这个 就要 引出 我们 卡 埃 基 民工 大学 这个 的 定 机器人 的 定义 了。 就是 什么 才是 一个 机器人， sense plan x 就是 感知 计划 和 动作， 就是 和和 这个 行动。 对 感知 就是 我们 所说 的 用 传感器， 我们 看到 一个 东西， 我们 把 它 分辨 出来， 它是 一个 什么东西， 那 片 是 什么东西。 就是 我们 计划， 我们 要 去 怎么做 这个 事情， 我们 去 at 就是 真的 把 这个 东西 实现， 或者 是 说 把 这个 动作 和 这个 结果 去 实现。 现在 我们 所 几乎 所有的 工业级 机器人， 它是 只有 plan 和 act 这个 动作 的。

就 比如说 我们 一个 流水线， 有一个 有 个 机器人， 他 开始 拧 螺丝， 拧 啊 拧 啊 拧 啊 拧， 然后 拧 完 以后 发现 就 拧 一个 拧 完 一个 螺丝 以后 发现 这个 东西 怎么 有 两个 孔， 他 就 不是， 他 就 不知道 怎么 拧 了。 但是 如果你 有 具 身 智能 这样 一个 概念 进去 的话， 这个 机器人 就说 这 有 两个 孔， 我要 把 两个 孔 都 拧上 螺丝。 对， 然后 甚至 它 有 三个 孔， 有 两个 孔 是 螺丝 孔， 有一个 孔 不是 螺丝 孔， 它 会 分辨 出来。 我要 把 这 两个 螺丝 孔 的 顶上 螺丝， 我 把 这个 不是 螺丝 孔 的 放掉。 它它 其实 并不是 要求 我们 机器人 一定 要是 一个人 一样的 东西， 他 有 这样的 感。 知道 他 有 这样的 一个 东西。 它 实际上 是 要求 机器人 能够 自己 判断 自己 要 去 做什么， 或者说 自己 去 评价 自己的 做出来 的 结果， 并且 实施 一个 改进。

对， 是的。 其实 在 斯坦福、 摩 拜、 阿拉法， 包括 谷歌 的 这些 成果 里面， 其实 都会 提到 说 他们 非常 依赖 让 机器人 用 那个 摄像头 去 看自己 的 机械臂 的 行动 轨迹， 然后 以此来 形成 一个 反馈。 目前 看到 谷歌 用 的 东西 更 豪华 一点， 他们 甚至 是 会 在 那个 机械臂 上 有了 一些 类似的 反馈 的 一项 东西， 就是 就 那个 机械臂 知道 自己 使 了 多大 的 劲儿。 所以 具 身 智能 其实 非常重要 的 一点 就是 讲到 机器人 有 自我意识， 非常 体现 在 这些 机器 上。 最 重要 的 一个 特点 就是 机器人 知道 自己的 机械臂 移动 到了 什么 位置， 产生 了 什么 后果。

我 早年 听 过 一个 从 教育领域 非常 好的 一个 描述， 就是 什么 叫做 具 生化。 他他 就是说 人是 怎么 学习 一个 体育运动 里 的 动作 的。 比如说 你是 怎么 学习 投篮 的， 你 绝对 不是说 学习 什么 要 把手 从 10厘米 的 地方 抬高 到 30厘米， 在 一 在 0.5 秒 之内 对 吧？ 然后 最后 把手 拆成 90度。 人 不是 这么 学习 的， 人 一定 是 说 最好的 学习 方式 就是你 让人 实际 去 拿 那个 球， 然后 教 他 基本 的 动作。 加完 之后， 你 让 这个人 在 不同 的 位置 去 投篮， 然后 人 就会 感受 我在 什么 位置 用 什么样 的 力度， 我 站 得 近 我 就 力气 小 一点， 我 站 的 远 我 就 力气 大 一点。 我 每一次 球 投出去， 我 能 看到 那个 球 的 反馈， 是 进了 还是 没 进近 了 还是 远 了。 包括 现在 我们 很多人 去 学 那个 体育运动， 非常重要 的 一个 方法 就是 你是 照着 镜子 自己 去 练 的 一个 动作 往 那你 就能 练 得 非常 好， 非 练 得 非常 标准。

我 今天下午 刚刚 学到 关于 聚 生 智能， 早年 有一个 论文 非常 有意思。 他就是他 就是 让 一只小猫 在 那个 跑步机 上 走路。 但是 如果如果 这 只 小猫 它的 下半身 是 被 遮 在 一个 纸盒子 里， 小猫 看不到 自己的 脚， 小猫 是 不会 在 那个 跑步机 上 走路 的， 因为 小猫 看不到 自己的 脚 冻成 什么 样子， 所以 巨 生 智能 非常重要 的 一个点 叫做 机器人。 它 知道 自己的 他 知道 自己 使 了 多大 劲儿， 干了 一个 什么 活， 有什么 后果。

对你 可能 刚才 这 段 这 段 讲述 非常 好， 因为 他他 让 我 理解 了 为什么 我 投篮 投 的 不好， 我 特别 喜欢 去 按照 刚才 尼森 讲 的 那种 方式， 我应该 手 应该 举 多 高 多少 厘米， 然后 用 什么 角度， 用 多大 劲儿 往 外 扔。 但是 实际上 你看 很多 打篮球 打 得 好的 人， 他 根本 就 不 研究 这些 东西， 他 就是 不断 的 一方面 是 动作 的 模仿， 另一方面 就是 在 投 的 时候， 他的 手 其实 能 感受到 这个 球 的 重量。 然后 在 他出 球 的 时候， 他 知道 我 用 多大 的 力。 就像 刚才 这个 尼克森 讲 的， 就是 这个 机械臂， 它 自己 像 谷歌 的 这个 机械臂 已经 有力 反 力反馈 装置 了， 那 他 就 知道 自己 用了 什么 力 了。 所以 我 觉得 巨 身 智能 对应 的 其实 就是 大脑 的 智能。 它 相当于 就是 身体， 就是你 控制 和 感知 身体 的 这种 能力 的 机器人 化。 这个 大 模型 就 有点 像是 大脑 的 这种 智力 的 大 模型 的 机器人 化。 这 两个 东西 组合 起来 就 有点像 变成 了 一个 完整 的 类人 的， 或者说 一个 真正 的 我们 叫 它 机器人 的 这么 一个 东西。

刚才 提到 这个 R T X， 它 其实 就有 一个 身体 跟 大脑 对话 的 这么 一个 过程， 有点像 这种 感觉 对 吧？ 就是 机器人 在 问 这个 大 模型， 这是 啥？ 那 我 能不能 干？ 大脑 说 你 可 别 扯 了， 你 没有 两只手， 这个 机器人 就 放弃 了。 这个 动作 其实 有点像 我们我们 大脑 跟 我们的 身体 对话 的 一种 过程。 只不过 这种 对话 可能 不是 我们 直接 能 感知 到 的。

但 实际上 我们的 身体 在 用 某种 方式 反馈 告诉你， 你 干不了。 比如说 前面 有一个 汽车， 你说 我 能 推动 他 吗？ 你 大脑 说 你 别 扯 了， 我 觉得 某种程度 上 其实 确实 是 这种 感觉。

就 好像 我们在 婴儿 的 时候， 我们 要 学 这个 爬， 其实 我们的 父母 他 并 不会 说 我 爬 给 你看， 或者说 其实 婴儿 也 不是 很 理解 的 父母 就是 在 我们 前面 拍拍手， 你 过来。 然后 我们 为了 去 拿 这个 玩具， 我们 就是 学会 了 去 爬， 然后 就 学会 了 走， 然后 又 学会 了 跑。 对， 其实 就是 一个 我告诉你 什么东西 是 正确 的对， 你 试 了 一下， 这是 错的， 你 又 试 了 一下， 这 又是 错的。 我是 然后 我 又 试 了 一下， 发现 这 有 一点点 对， 然后 就 开始 不断 的 去 调整 自己， 然后 去 完成 这个 任务。 然后 也 想 聊 一下， 就是 之前 我 一个 很 敬佩 的， 不是 教授 的， 但是 很 盛世 教授 的 一个人 给 我的 一个 一句话。 机器 是 把 很多 一样的 东西 做成 另外 一堆 一样的 东西。 而 机器人 或者 是 有 具 身 智能 的 这种 机器， 他 可以 把 不同 的 东西 都 做成 他们 应该 做成 的 样子。 对。

关于 聚 生 智能 我 觉得 还有一个 补充， 就是我 我们 其实 可以 把 它 理解 为 就是 我们 知道 自己 身体 每一个 部位 所处 的 位置 和 状态 的 这种 感觉， 对 吧？ 叫 它 具 身 感， 这种 感觉 我不知道 大家 有没有 这种 经历， 就是 当我 熟练 开 一辆车 之后， 尤其是 这个 车， 比如说 我 开 了 很久 了， 它 就是我 每天 通勤 上下班 的 车 的 时候， 我的 巨 深感 会 延展 到 这个 车 的 外壳， 而 不再 是我 自己的 手和脚。 就是我 能 知道 这个 车 通过 前面 那个 缝隙， 因为我 能 看到 前面， 看到 后视镜， 对 吧？ 它 某种程度 上 成为 了 我的 感官 的 一种 延伸。 就是我 能 知道 我的 后视镜 的 右边 离 旁边 那个 墙 或者 那个 隔离带 的 距离 是 可以 安全 通过 的， 这种 感觉 有时候 挺挺 有意思 的。 就是 某种程度 上， 你 人的 寄生性 也 不只 寄生 在 你 自己的 这个 肢体 上。 我知道 其实 有些人 那个 残疾人 他 不是 带 那个 一只， 对 吧？ 而且 它它 是 会有 那种 意志 的 那种 寄生性 的。

比如 你的 一只 被被 打 到了， 你是 会 疼 的这。

是 挺 玄学 的。 但是 这个 感觉 我 觉得 大家 如果 有有 老司机 听到 这 一段， 可以在 评论 里面 留言。 你 有没有 同样 的 感觉？ 就是你 开行， 但是 当然 你 开 一辆 陌生 的 车 的 时候， 你 上来 要 先 跟 他 建立联系， 可能 你不会 那么 马上 产生 有把握 的 感觉。 但是 你 开一开， 觉得 你 跟 他 合体 了， 这个 时候 你 就会 产生 这种 感觉。 比如 你的 轮子 压 在 哪一个 线上， 你 都 可以 非常 清晰 的 知道。

对， 其实 托马斯 这个 其实 真的 不是 玄学 来了。 我就是 是 这 样子 的， 我们都知道 手术 机器人 这 一块， 我们 有 达芬奇， 对 吧？ 然后 其实 达芬奇 这个 机器人 是 没有 力反馈 的， 对它 只是 一个 就是你 动 什么东西， 它 就是 所谓 的 克隆， 你 动 一点点， 这个 机器 动 一点点， 他 做 一些 细微 的 操作。 我 之前 听 别人 说， 他们是 怎么 去 训练 的 呢？ 就 他们 要 用 达芬奇 一遍又一遍 的 去做 一件 事情， 然后 久而久之 他 就会 觉得 自己 真的 在 碰 这块 肉， 它是 有 一点点 这种 力 的 感觉 的。 就是 人体 本身 他 会有 这样的 这种 思维 惯性 或者 思维 记忆， 他 会 觉得 自己 虽然 我 夹 这 一块 我可以 继续 往 下 夹， 但是 他 通过 他的 这个 眼睛， 我 看到 了 这块 肉 这个 地方 它的 形变， 他 会给 人的 手 一种。

远程 一只 的 感觉， 对 吗？ 对， 我们 以后 再 展开。 但是 大家 可以 理解 这种 感觉 其实 就是 我们 希望 机器人 能够 获得 的 感觉。 因为 一旦 机器人 能够 获得 这些 感觉， 那 它 就 能够 做 非常 多 的 事情。 比如说 拧 个 瓶盖 这种 就是 小 case 了。 我 觉得 未来 如果 真的 聚 生 智能 的 这些 传感器， 这些 一系列 的 多 模态 的 东西， 它 能 达到 这样的 这个 人的 这种 水平 的 时候， 我相信 这些 都 不是 难 事儿。

这就是 为什么 三月份 的 时候， 其实 我们 录 那 一期 的 时候， 我们 还 蛮 兴奋 的。 因为 看到 这个 机器人 的 这个 进展。 对。

是的。 其实 我们 接下来 来 解释 另外一个 问题， 就是 为什么 大 语言 模型 它 看起来 只是 生成 语言 用 吧？ 或者 是 生成 那个 图像 这种 纯 虚拟 的 东西 用 的。 但是 为什么 现在 它 也能 变成 一个 指导 机器人 的 东西？ 很多 单元 模型 用 在 机器人 上， 他 常常 用 的 策略 是什么 呢？ 比如说 他 让 那个 机器人 把 自己 接收 到 的 利益 的 反馈， 或者说 机器人 自己 做 这个 动作 使 多少 劲儿。 他 会 把 这些 可能 是 非常简单 的 代码， 也有 可能 是 说 它的 电流 的 大小， 对 吧？ 类似 这样 一些 东西， 它 把 它 作为 一种 语言 输入 给 机器人， 然后 的话 机器人 也 能够 观察 到 自己的 动作 的 一个 结果。 就是说 我 按照 这样的 角度 和 顺序 去 做了 这个 动作， 我会 最后 做出来 的 结果 是什么？

所以 其实 大元 模型 里面 非常重要 的 一 特点 就是 它 在 处理 语言 的 时候， 它是 处理 一个 序列 的 数据 和 信息。 他 现在 只是 把 机器人 的 动作 以及 机器人 的 传感器 所 接收 到 的 信息 作为 了 另外一个 序列 数据， 就 来 训练 这个 模型。 然后 接下来 他 让 这个 机器人 去 自己 去去 预测， 如果我 要 做 同样 的 动作， 我应该 用 什么样 的 一个 序列 的 一个 一系列 的 动作 去做。 所以。 一定程度 上 我 觉得 他 解释 了 这个 大 语言 模型 是 怎么 和 机器人 结合起来 的。 因为我 之前 确实 是 想 不清楚， 为什么 虚拟 的 大 语言 模型 它 能够 变成 知道 现实生活 当中 的 一个 东西。

是的， 其实 大 语言 模型 或者说 我们 管 它 叫做 机器学习 的 大 模型。 这一 类型 的 模型， 它 其实 能 给 机器人 带来 的 东西 就是 一个 从 抽象 到 具体 的。 它 会 将 整个 很 复杂 的 世界， 或者说 还有 很多 不同 的 信息。 有 颜色 信息， 有 这种 深度 信息， 有 这种 这种 三维 的 这种 信息， 转换成 一些 机器人 可以 理解 的 东西。

就 比如说 大 语言 模型 最 简单 的 一个 作用， 其 或者说 我们 大家 其实 都会 在 用 的， 就是 我们 把 一个 会议 录下来， 生成 一堆 这个 文字。 然后 生成 文字 以后， 我们 大元 模型 帮 我 总结， 然后 他他 就 12345678 列出来， 其实 和 机器人 是 一样的。 就 好像 我们 跟 这个 大 语言 模型 说， 我要 做 这个 事情， 然后 代言 就 会说 他 会 把 这个 需求 进行 拆分， 就和 我们的 项目经理 进行 拆分， 去 进行 安排。 因为 我们在 做 这个 机器人 的 时候， 我们会 把 很多 的 动作 进行 一个 预 编程。 比如说 我们 要 拍手， 我们 要 去 碰杯、 敬酒、 碰杯， 或者说 倒水。 我们的 大 模型 去 识别 出来 我们 有一个 目的地， 那 我们 这个 目的地 离 我们 这个 东西 有多远。 那么 我们 就会 同时 生成 这个 轨迹， 就是 1233点 轨迹， 然后 去 把 这个 事情 给 完成。 就是现在 人 已经 给 机器人 加 探险 架 杆子 已经 越来越 多了。

其实 在很久很久以前， 我们 给 机器人 带来 的 这个 信号， 它是 一个 很 具象 的 东西。 就像 我 刚刚 说 的， 一个 电机 转 了 多少度， 一个 机器人 往前走 了 多少 秒， 或者说 一个 图片 它的 这个 灰度 是 多少， 灰度 就是 我们的 这个 光亮度 是 多少 光 的 值。 但是 现在 我们 其实 给 机器人 更多 的 因素。 因为 说句实话， 我们 人 在 感知 或者说 做自己 的 这个 判断 的 时候， 我们 不会 说 是一个 很 具象 的 多少度 的。 所以 我们 现在 给 机器人 加 了 更多 东西。 比如说 它的 触觉 传感器， 力学 传感器， 这也是 现在 一大 一大 研究 的 领域。 还有 我们的 这种 听力， 或者 甚至 说 我 之前 还 听说 有人 在 去做 嗅觉 的 传感器。 我们 都 希望 让 这个 机器人 变得 更加 像 人， 可以 更加 容易 理解 出 这 是一个 什么样 的 东西， 给 大脑 给 机器人 大脑 一个 更加 语言 化 的 讨论 结果。

对， 说到 这里， 因为我 我 我们 之前 聊过 这个 多 模态 的 大 模型， 就是说 机器人 不能 只 了解 文字， 它 还需要 看到 图像， 听到 声音， 它 就可以 学 得 更好。 其实我 觉得 未来 可能 除了 这种 文字 的 语料库 之外， 视频库、 声音 库 这个 不用说 了， 可能 还会 加入 更多 的， 比如说 什么 味道 气味 的 酷 或者 是 力 这个 力学 的 库 就是 让让 它 每 一种 物质 的 这种 材质， 它的 手感 这种 东西 可能 也要 变成 一个 语料， 或者 这种 原料。 当然 我 觉得 这个 阿罗哈 它 这个 论文 可能 它的 价值 也 在这里， 就是 它 提供了 一种 相对 低成本 的 学习 方式， 对 吧？ 就是 克隆。 用 这种 方式 来学， 恐怕 可能 之前 我我我 不知道 之前 是不是 像 其实 这些 动作 并不是 那么好 学到 的。 它 不像 大 语言 模型 一样， 我 就 打个包 塞进去， 你 慢慢 学 就 好了。 像 这种 生活 中的 一些 动作， 或者 是 一些 操作， 这些 东西 其实 很难 找到 那么 多么 那么 多 像 语料 一样的 材料 去 让 他 学习 的对 吗？

是的， 没错。 其实 刚刚 就是 托马斯 说 的 有一点， 就是 我们 之后 会有 不同 的 库。 之前 我们 实验室 也 在 做 这方面 的 研究， 它是 研究 力学 传感器 的。 我们 将 力力 有 几个 方向， 对不对？ 对 上方、 下方、 左方、 右方， 然后 还有 三个 轴 去 对 一个 材料 进行 摩擦， 去 感受到 这是 什么样 的 材料。 这个 行为 实际上 是在 模仿 什么东西 呢？ 就是 模仿 我们的 手指。 我们 手指 在 我们 看到 一个 新的 东西， 我们 去 摸 它， 我们会 知道 这 是个 皮革， 这 是一个 钢铁， 这 是一个 不同 的 东西。

现在 的 最大 的 痛点 实际上 就是 这个 库 不够， 没有人 去 收集。 因为 说话 打字， 你 有 一堆 这样的 数据， 所以 单元 库 特别 容易 出现， 但是 触感 力 感， 还有 甚至 说 我们的 视觉 的 这个 图片， 我们 现在 去 练 某些 东西， 我们 还是 需要 出去 去 买 这个 图库 的。 但是 大元 模型 实际上 现在 如果 要 去 训练 它 的话， 其实 我们 可以 上网 直接去 挖 东西 下来 去做 这个 训练。 所以 图库 的 量 它 实际上 是一个 比较 大 的 问题 了， 就是 现在 是一个 比较 大 的 缺口。

而且 我们 人 实际上 之前 并没有 去 深挖 去 存 特地 的 去 存储 这些 动作， 比如 就像 我 刚刚 说 的 力， 以及 我们的 动作。 因为 我们 之前 做 过 一个 人类 行为学 实验， 就是 把 整个 手 都 点 成 这个， 就 点 了 那种 动态 捕捉 点， 去 将 它 让 这个人 去 拧 瓶盖， 去 分析 他 拧 瓶盖 这个 过程。 因为 我们 都 坚信 这个人 拧 瓶盖 这个 过程 其实 是 最 省力 的。 如果 我们 去 把 这个 力 减少 到 一定程度 上， 那么 耗电量 也会 减少。 实际上 人是 一个 很 神奇 的 组织， 不需要 说 我 我 多少度 我 多少度， 我 自动 就可以 完成 这些 东西。 我们 也 希望 机器 可以 去 完成， 那么 是 所学 到 的 东西 是什么？ 就是 我们 需要 更多 的 大 模型， 我们 需要 更多 的 信息， 我们 把 它 扔 到 这个 脑子 里面， 让 这个 脑子 去 思考。 其实 模型 这个 概念 其实 更 像是 一个 脑子。 我 输入 了 一堆 看起来 是 杂乱无序 的 东西， 它 自动 把 它 变成 有趣 的 东西， 然后 输出 出来。

我 觉得 人 还 真是 一个 极其 高效 精妙 的 生物。 下午 吃 一块 甜品， 你以为 跑 1个小时 步 就能 把 它 消耗掉 吗？ 其实 不是 的， 它 可以 管你 好久 的 这个 能量 供给， 它的 这个 能源 的 效率 真的 是 远远超过 我们 现在 人造 的 一些 东西。 对。

是的， 对， 其实 说到 人， 其实 现在 很 前沿 的 方向， 大家 也很 喜欢 去做 所谓 的 人形 机器人， 对 吧？ 特斯拉 好像 因为 elon musk 特别 能带 流量， 特别 喜欢 做 那个 人形 机器人 叫 擎天柱 是 吧？ 但 擎天柱 现在 好像 还没有 正式 的 说 能够 完成 哪些 工作， 或者 是 说 像 斯坦福 这个 团队 一样， 非常 大方 的 说 我 哪些 动作 完成， 成功率 百分之 多少， 对 吧？ 我们 也能 看到 类似 像 国内 的 一些 优秀 的 创业 公司 和 一些 车 企， 其实 也都 有 自己的 一些 人形 机器人 在 做。

有人 就 评论 人形 机器人 其实 是一个， 就 比如 刚才 花花 说 人体 的 这个 组织 特别 精妙， 所以 机器人 从业者 忍不住 去 模仿。 但是 人形 机器人 显然 是一个 特别 难 的 一个 道路。 所以 就 会有 那个 从业者 评价 就是说 其实 人形 机器人 的 这个 路 非常 难 卷， 你 还 不如说 先 卷 明白 两个 机械臂 怎么用， 对 吧？ 所以 我们 就会 看到 像 阿罗哈 这样的， 我 就 一个 我 就 四个 轮子 加加 两个 机械臂 就能 做出 一个 刷屏 的 研究 了， 对 吧？

对， 我在 我 这边 的 理解 就是 人形 机器人 它 自由度 是 非常 高 的， 它 可以 apply 进 各种 奇奇 就是 奇奇怪怪 的 这个 情况。 因为 人 就 比如说 人手 这个 五个 手指， 它 有 很多 不同 的 关节， 但是 我们 就可以 控制 好 它， 那 这个 时候 我们 就可以 干 很多 事情。 是的， 就是 人的 自由度 是 最大 的。 但是 有 个 很大 的 问题 就是 人 实际上 是 很多 费力 的 机构 去 组成 的。 它 实际上 本身 他 为了 去 增加 自己的 灵活性， 去 牺牲 很多 效率 性 的 东西。 我们 都 觉得 人类 人形 之前 是 未来， 是因为 我们在 大自然 里面 其实 没有 见到 这些 生物 可以 去 利用 自己的 手， 或者说 利用 自己的 脚 去做 这么 多 东西。 可能 有 那 就是 星星， 星星 其实 就是 人的 就是 祖先， 对 吧？ 以 现在 这个 情况 来说， 其实 就是 泼 盆 冷水。

就是 我们在 仿 人的 这个 阶段， 还是 停留 在 一个 比较 开始 的 这个 阶段。 对它 有 两个 部分， 一个 是 我们 本身 自己 连 人体 都 没有 完全 研究 明白。 且不说 脑子 其他 消化系统 这些 东西， 我们 都 会有 一些 奇奇怪怪 的 东西 出现 在 我们的 身体 里面， 但是 我们 都 没办法 解释 它。 但 这个 原因 都是 一些 很 神奇 的 化学反应， 即使 是 人体 力学， 它 也有 很多 东西 我们 没有 办法 解释。 这也是 为什么 现在 也是 好像 被 研究 了 一个 世纪 的 东西， 还在 出新 的 论文。

第二个 部分 是什么？ 就是 我们 本身 的 这个 机构 和 硬件。 我们 可以 发现 特斯拉 那 台 机器人 其实我 没有 特别 了解， 但是 不顺 动力 这 台 就是 那 台 人形 的 阿特拉斯 的 那个 机器人， 我们会 发现 它的 手 就是 一个 球， 对 吧？

包括 这个 视频， 就是 我们的 阿罗哈 这个 视频 里面， 机器人 它的 手机 上 是 这个 东西 是一个 小 夹子， 他 没有 一个 五个 指头 的 关节， 原因 也 是因为 我们我们 现在 本身 的 硬件 其实 很难 去 满足 完成 这些 任务 所需 的 力量。 平时 所 需要 要 做 的 东西， 像 拿 东西， 像 拉 抽屉、 推 东西， 其实 只需要 两个 手指 就可以 完成。 是 但是 我 如果我们 要 真正 的 去 把 这个 人形 机器人， 把 它 变成 一个 非常 普遍化 的， 或者说 是一个 非常 全能型 的 东西 的话， 我们 还是 需要 去 对 这种 硬件 去 进行 一些 研究 的对。 因为 毕竟 一根 手指 这么 细 的 东西， 这么 细 的 一根 手指， 你 就可以 去 给 它 施加 非常 大 的 力。 但是 电 一个 电机 可以吗？ 现在 很 明显， 暂时 不可以。

我 觉得 花花 刚才 说 的 其实 是 人形 机器人 为什么 这么 难？ 那 我 觉得 为什么 说 大家 都在 卷 这个 人形 机器人 这个 赛道， 并且 认为 它 就 可能 是 代表 最合适 用来 做 通用 机器人 的 这个 形态 呢？ 其实 主要 的 原因 还是 因为 我们 整个 人类 社会 就是 为人 设计 的。 也就是说 我们的 这个 房间 的 高度， 楼梯 的 梯级 的 高度， 电梯 的 这个 哪怕 是 电梯 的 按键 的 高度， 它 都是 设计 给 一个 平均 身高 的 人类 来 操作 的。 所有的 家用电器， 我们在 操作 的 从 电脑 到 手机， 包括 扫把、 拖拖 布 这些 所有的 工具。 我们 假设 我们 我们我们 再再 讲 一个 家用 保姆 型 的 这种 机器人， 那 他 需要 操作 的 比如 擦 桌子、 擦 玻璃？ 拖地， 擦 墙， 然后 炒菜、 操作 家用电器， 所有的 这些 东西 实际上 都是 为人 设计 的。 就 意味着 如果我们 做 一个 非 人形 的 机器人， 那你 需要 考虑到 所有的 场景 的 时候， 你 就会 发现 你 能 做 A 做不了 B， 比如说 你 弄 一个 履带， 当然 效率 最高， 肯定 比 这个 两条腿走 效率高 多了， 是 吧？

底下 有 轮子， 可是 你 就 一定 出 不了 那个 家门。 比如说 我们家 就有 一个 扫地 机器人， 它 底下 是 几个 轮子？ 淋浴房 它是 绝对 进不去 的， 因为 淋浴房 那个 为了 挡水， 它 就有 一个 很高 的 10厘米 左右 的 一个 门槛。 你看 它 虽然 效率 很高， 它 可以 甚至 现在已经 扫 拖 一体 自动 帮你 换水， 已经 很 先进 了。

可是 门槛 对他 来讲 就是 一道 天堑， 他 就 过不去。 这个 时候 其实 大家 就 想说， 如果我 要 设计 一个 机器人， 这个 机器人 是 所谓 的 通用 机器人， 正 正儿八经 通用 的话， 那 它 一定 是 人形 它 才能 通用 它。 你 想他 能 坐 进 交通工具 里面， 对 吧？

我 刚 做了 一个 思想实验， 就是说 就是 那个 斯坦福 机器人 完成 的 所有 任务。 如果我 设计 的 是一个 章鱼 机器人， 它 可能 有 八只 手， 对 吧？ 我 就会 觉得 说 你 让 他 去 做饭， 做 那个 蚝油生菜， 我会 觉得 剩下 六只手 都是 浪费 了， 就 两只手 就 够了。

因为你 想 他他 学习 的 内容 也是 我们 提供 给 他的 内容， 而 我们 所有的 内容， 其实 它它 都在 模仿 一个 人类 的 一个 行为。 所以 aloha 虽然 他 没有 五个 手指， 是因为 刚才 其实 花花 也 解释 了， 在技术上 现在 还有 很大 的 难度。 但是 对他 这个 双臂 这件 事情， 其实 就 很 符合 很多 操作 场景 上 的 需要。 就是我 要 两个 手 来 操作， 复合 操作 一些 东西 来来 实现。

所以 我 觉得 这个 可能 就是 大家 都在 卷 这个 赛道 的 原因， 就是 因为 这个 就 代表 了 我们 最后的 那个 目标。 它 有点像 我 觉得 通用 机器人 跟 通用型 人工智能 都有 通用 两个字。 这个 可能 就是 我们 短时间 达不到， 但是 大家 都在 追求 的 那个 目标。 就是 这个 东西 出来 它 就 约等于 人。 我 觉得 大家 希望 实现 的 都是 这样的 一个 目标， 我 觉得 这 可能 就是 大家 在 卷 人心 的 原因。

对， 花花 讲 得很 清楚， 他 其实 真的 离 落地 还 很远。 因为 特斯拉 我们 知道 它是 一家 极其 会 营销 的 公司。 但凡 他 这个 机器人 能干 点 啥， 我们 早就 看到 视频 了， 我们 今天 什么 都 没看到， 说明 他在 实验室 里 可能 表现 比 娅 罗卡 还要 差， 他 就 不好意思 放 出来 了， 这 其实 可能 就是 现实。 对。

前面 其实 我们 了解 了 非常 多， 就是我 觉得 特别是 东莞 花花 讲 的 就是 很多很多 的 科研 工作者 在 做 的 事情， 确实 是 非常 有意思。 所以 简单 的 总结 一下， 就是 前面 算是 一个 深度 解读 了， 对 阿罗哈 的 一个 阿罗哈 这 篇 论文 和 一个 研究成果。 所以 我们 能够 看到 多 模态 的 大 模型， 其实 它 能够 带来 的 就是 两个 关键词。 一个 就是 广泛性， 对 吧？ 就是 它 具备 举一反三 的 能力， 具备 认识 一个 新的 任务， 开始 自己 做 计划 的 能力， 以及 他的 学习 效率？ 是不是 能 很快 的 学会 这个 任务 应该 怎么做。 所以 这些 以往 是 阻挡 绝大部分 机器人 的 大脑 去 进化 的 这个 门槛。

目前 来看， 斯坦福 是 达到 了 斯坦福 的 拉哈 这个 研究 是 达到 一个 里程碑。 所以 也 也 其实 刚才 托马斯 提到 就是说 家里的 扫地 机器人 其实 还 其 其实 还很 笨 对 吧？ 或者说 行动 能力 还 很差。 其实我 觉得 这里 就 涉及到 我们 下一个 话题 了， 就是 叫做 说 我们在 视频 和 论文 里 看到 的 机器人， 尤其是 波士顿 动力 等等 都 后空翻 了 对 吧？ 像 一个 演员 一样。 但是 我们在 现实生活 当中 看到 的 是 你家 的 扫地 机器人 进不了 你的 淋浴房。 我记得 前两天 托马斯 还在 那个 路上 看到 一个 清洁 机器人， 对 吧？ 然后 就 发现 那个 机器人 给 我们 拍 了 个 视频， 就 卡 在 那个 减速带 上， 就 卡 在 那个 减速带 上。

即便 是 能量 产的 像 波 声 动力 那个 7万美金 的 那个 机器狗， 事实上 他 那个 一只 机械臂 他 只能 做什么 动作， 就是 给你 简单 的 拿 个 东西 做 一个 抬升 的 动作。 但是 最最 有 营销 效果 的 产品 其实 也就 这样。 所以说 我们会 发现 说 我们 作为 普通人， 确实 是 每天 都在 媒体 上 看到 的 和 身边 感受到 的 东西 确实 是 差距 非常 的 大对 吧？ 所以说 我们 接下来 我们 可以 聊 一 聊， 叫做 为什么 用上 论文 里 的 机器人 那么 难， 对 吧？

我们 结构性 的 聊 一下， 我 先 说 一下 就是 大众 现在 能够 接触 到 的 机器人 都有 哪些。 因为我 距离 上一次 还在 机器人 行业 工作， 也 已经 过去了 三年 了。 我 现在 发现 确实 还是 出现 一些 买 蛮 多 的 东西。

比如说 现在 那个 扫地 机器人 其实 进化 了， 你知道吗？ 扫 机器人 现在 进化 到 它 能够 去 扫雪 和 除草。 对， 这里 肯定 有人 脑子 冒 问号 了， 你 能 扫地， 那你 你 去 除草 不就是 应该 的 吗？ 但是 不一样的， 原来 能 扫地 是因为 你家 里面 四面 有 墙， 他 知道 边界 在哪里。 所以 就是 针对 这种 扫 外面 的 雪 和 草地 就 没有 边界 的 场地。 是 这 两年 机器 人才 学会 了， 你 才能 买到 一个 除草 机器人 的。

然后 的话 服务 机器人 可能 大家 生活 当中 见 的 比较 多。 像你 去 吃 海底捞， 其实 现在 就能 见到， 对 吧？ 就是 给你 送餐 的 是一个 带 屏幕 的 一个 小机器人。 我们 公司 办公室 里面 有 有一个 小机器人， 它是 给你 送 快递 的。 然后 我记得 两年 前 我在深圳 吃 过 一家 餐厅， 特别 神奇。 那那那那 家 餐厅 是 一家 机械 公司 开 的， 他们 他们 炒菜 那个 环节 是 自动 的， 主打 这个 机器人 给你 现 炒， 有有 锅 气， 有 热乎 气儿。

可能 两三年 前， 我 有 一次 住 酒店 发现 被 敲 了。 敲 了 门铃 之后 打开门 是一个 机器人 的 时候， 我 还 非常 惊讶 的 拍 了 一段 视频 说， 现在 机器人 都 这么 厉害 了。 这个 现在已经 很 普及 了， 就是 在 国内 的 很多 不用 特别 好的 酒店， 甚至 是 像 雅朵 这样的 中 中档 的 商务酒店 里面， 你 都能 看到 这种 送 一些 什么 拖鞋 这种 的。 这个 机器人 就是 一个 圆筒状， 然后 他 就 还 他 挺 横 的， 就是 进 电梯 的 时候 还会 嘴里 嘟囔 着 你 得 让 着 我， 我是机器人， 然后 真的 就 往前 挤。 我 觉得 他 那个 机器人 他他 在 设计 的 时候 已经 知道 了 这帮 人 不会 让 他 就 往 里 硬 挤 的 那种 状态。

我 看到 的 机器人 像 刚才 提到 的 清洁 类， 其实 除了 扫 雪割草， 国内 现在 还有 一些 是 类似 泳池 清洁 机器人。 就是 当时 主要 卖 海外， 就是 在 可能 深圳 的 一个 创业 公司。 它 能 帮你 把 泳池 里面 的 那个 内壁 帮你 清洁 的 很 干净。 所以 其实 非 通用型， 就是 专用型 的 机器人 现在已经 开始 在 我们的生活 中， 大家 已经 见怪不怪 了。 我相信 第一个 在 餐厅 给你 送餐 的 那个 机器人， 大家 看到 还是 确实 是要 围观 一下 的。 现在 除了 小朋友 还会 追 着 他 点点 他 那个 屏幕 之外， 大人 已经 熟视无睹 了， 就是 觉得 这个 事情 没有 什么 奇怪。

这个 就是 专用型 机器人 的 这个 现状， 就是 大家 已经 习惯了。 也 接受 了 他 这种 笨手笨脚 的， 但是 勉强 能把 这个 事儿 干 了的 这种 状态。 因为 你知道 其实 即便 扫地 机器人， 他 肯定 也没有 真正 的 阿姨 或者 是你 自己 扫 的 那么 干净， 但是 你 也 接受 了 是 吧？ 他 有的 时候 被 一根 电线 缠 在 一个 角落， 你 还要 去 把 还要 去 营救 它。 我们家 那个 机器人 有时候 就是 这个 状态。 对， 这个 就是 现实 中的 机器人。

但是 距离 就是 这个 机器人 能够 执行 多项 任务。 确实 刚才 我们 提到 就是 机械手 这个 东西 是 最最 关键 的。 但是 有一个 重要 的 标志， 就是 截止 目前 没有 任何 一只 机械手 成功 的 在家 里面 卖出去， 对 吧？ 这就 没 没有 没有 任何 一个 品牌 的 一只 机械手 形成 一个 在 大众 市场 有效 形成了 一个 消费 的 影响力， 应该 是 这样 说。

我 觉得 这个 接手 的 原因， 刚才 是不是 花花 已经 讲 过了。 就是 因为 现在 的 机械手 还是 一个 非常 精确， 我 必须 15度角 30牛的 力 往 下 砍下去 的 这种 状态。 那 在 一个 开放 的 环境 里， 它 可以 说是 毫无 用武之地 的对。

其实 这个 也是 可以 从 阿罗哈 这个 本身 可以 做 一点 延伸。 就是我 看到 他的 论文 里面， 它的 这个 重复率 重复 的 这个 误差 精度 是 一毫米。 一般来说 就是我 之前 用过 一个 机械手， 就是 U R F E 比较 通用 的 学术型 机器， 它的 这个 精度 是 0.03毫米。 但 实际上 说 句 实在话， 我们的 这个 手 的 精确度 其实 也没有 这么 高。 对， 大家 可以 就是 拿出 手掌 试试。 你 去 每次 都是 走 一个 走， 摆 到 一个 准确 的 位置， 实际上 你是 不一定 能 摆 到 的。 如果 有 一些 肢体 不太 协调 的 观众们， 我们 从此 也可以 知道， 如果我们 之前 真要 生 就是 所谓 的 生活帮， 我们 干 东西 的 时候， 他 其实 不需要 这么 精确 的这 也是 为什么 就 阿罗哈 这个 机器人， 这个 钱 就是 它 没有 这么 high cost 就 low cost 的 一个 比较 主要原因， 它的 精度 不需要 这么 高。

学术界 我们的 这个 机器人 实际上 并没有 非常 安全 的 落地。 这个 很 其中 一个 很大 的 原因 我可以 把 它 简单 归结为 环境。 什么 叫 环境 呢？ 一般 在于 学术 来说， 我们 要 去做 很多 实验。 我们 都会 尝试 的 去 把 周围 的 环境变量 控制 在 一个 很小 的 范围内。 这个 情况下， 我们的 机器人 其实 会 很少 来 受到 来自于 外界 的 干扰。 比如说 如果我们 要 去做 3D打印， 或者说 是 去做 这个 机械臂 的 重复性 的 实验。 就是 做 一个 机械臂 就 从 A 移到 B 它 能够 有 多 准确 这个 实验。

从 这个 角度 来说， 就是 我们 现在 市场上 所 看到 很多 通 就是 所谓 的 专业 机器人， 比如说 我们 都会 发现 泳池 家 里面 的 扫地 机器人， 还有 饭店 的 送餐 机器人， 他们 都 是在 相对 简单 和 不太 复杂 的 环境 里面 去 工作 的。 就是 刚刚 那 说 我 有 我们 有 个 东西 叫做 割草 机器人， 实际上 割草 机器人 出过 的 事 还是 很多 的。 比如说 他 误 将 这个 小动物 当成 了 草， 然后 就 把 那 小动物 给 割 了。

但是 从 这个 视觉 识别 的 成功率 来说， 它是 合理 的， 而且 它是 有可能 的， 为什么呢？ 就是 我们 看到 这个 60%、 70%、 80%、 95% 的 成功率 在 论文 里面 它 看起来 很高， 这个 数据 非常 的 漂亮。 但 实际上 95%， 我每 100秒里面， 你 就有 可能 有 5秒钟 的 时间， 你是 看 你是 把 这个 东西 认 作成 别人 的 别的 东西。 它 即使 是 99.9999999%， 但是 当你 去 运转 了 一整天 以后， 你 还是会 找到 一两次 误判 的 这个 结果。

那么 这 一两次 误判 结果 是 怎么样？ 是 非常 致命 的。 割草机 这种 下面 有 个 刀片 在那 疯狂的 刮 着， 略带 危险 的 机器人， 把 它 放到 一个 室外 这种 完全 不确定 的 环境。 因为你 像 室内 你 有的 东西 也就 这么 多， 你 可能 有 只 猫猫狗狗， 就 已经 是 很 这 这 已经 是 顶级 危险 环境 了。 但是 室外 不一定， 你 可能 从 左边 来了 一个 老鼠， 从 右边 来了 个 猫， 从 前面 来 一条蛇， 你的 整个 运算量 就会 非常 的 大。 这也是 为什么 现在 来说 我们 很多 论文 里面， 我说 我 成功率 非常 高， 这个 东西 非常 贡献 非常 大。 但是 一直 没有 落地 的 原因 就是 在这里 在这里 在 引起 就 引入 一个 概念， 就是 学术 创业 和 量产 之间 的 关系， 有 个 scale 就 从 0到10分， 就 是从 一个零 代表 想法， 十 代表 一个 量产 成功 的 产品。 012就是 我们 所说 的 学术界， 两分 的 时候 我们 就 已经 可以 把 它 做成 一个 论文 可以 往 外 发 了。

我们 到 345的时 左右 的 时候， 而 我们 已经 可以 把 做成 一个 非常 完全 可 复现 的 demo。 因为 现在 很多 的 论文 实际上 是 很难 复现 自己 之前 的 研究成果 的对， 就在这里 跟 大家 说 一下 这个 东西， 确实 发 论文 的 压力 比较 大， 这个 数据 还是会 包装 的。 从 567开始， 你 就可以 开始 做 一个 创业 公司 了， 就 你 已经 有 这 这个 东西 已经 是 有一个 很 好的 把 它 制作 出来， 作为 一个 产品化 的 东西。 到了 八九十 的 时候 才 可以 开始 量产， 才 可以 像 一些 我们 现在 所 接触 的 普通 的 自动驾驶 一样， 它 变成 一个 相对 通用 的 一个 技术。 但是 大部分 的 这些 论文， 我们 虽然 看到 他 学术 成果 非常 的 厉害。 现在 就是 网络 这么 发达。 然后 很多 的 科技 自媒体 说 看到 很多 热点， 就像 我们 一样， 看到 很多 热点， 我们 都会 去 健康 的 去 报道 他。 但是 他们 虽然 在 论文 里面 呈现 出来 了， 但 实际上 他们 海里 落地 是 有 很长 的 一段 区 距离 的。

就是 样机、 产品、 商品， 这是 三种 完全 不一样的 东西。 大众 是 停留 在 最后 一步， 我们 只能 看到 那个 商品。 但 确实 我 觉得 斯坦福 这个 东西， 至少 今天 是 离 样机 很 接近 了。

已经 差不多 到 3分了。

刚才 花花 提到 那个 90% 90%几， 80% 几 的 成功率， 我 就 想起 了 早年 我们 讲 那个 语音识别 的 时候， 就是 有 很多 输入法， 对 吧？ 它 在 那个 时候 大概 我记得 语音识别 的 准确率 能 做到 98%。 大家 就说， 反正 98好厉害 什么的。 那个 时候 我记得 讯 飞吧 还是 谁。 但 实际上 你 会 发现 98% 是 根本 就 不能用 的。 因为你 想象 一下， 你 打 一个 两千 字 的 一篇 小短文， 里面 将 会有 多少 个 错别字， 需要你 回过 头 去 改。 你 就 知道 这个 事情 本身 它的 这个 可用性 就是 在在 某些 领域 里面。 我们 觉得 这个 小朋友 考 了 98分 厉害 是 吧？ 可是 你 这个 完成度 百分 98， 对不起 你 还是 离 真的 好用 差 很远。 但是 我 觉得 现在 语音识别 已经 厉害 多了， 可能 99% 以上 了。

对我 觉得 其实 智能家居 产品 某种程度 上 可能 也是 面临 同样 的 问题。 就是 我我我 自己 现在 全 屋 做 的 那个 基于 米 家和 home kit 这个 全 屋 智能。 那 它的 问题 就是 它 没有 办法 做到 像 我们 一个 可靠 的 家用电器 一样。 我 只要 按下 开关 它 就 亮， 对 吧？ 我 摁 完了 它 就 关。 我们 这个 有时候 它 会 掉线， 有的 时候 他 会 莫名其妙 的 出 一些 问题。 他 做不到 百分之百 就 意味着 他 只能 是 小圈子， 数码 爱好者 或者 是 极客 的 玩具， 绝对 不可能 变成 一个 广大 的 一个 你 想 家装 市场 有 多大， 对 吧？ 为什么 到 现在 不是 家家 都 用 这个 智能 的这 这 这 一套 东西， 因为 这么好， 应该 早就 普及 了， 就是 因为 它 实际 在 操作 的 时候， 这种 这些 无线 的 这些 环境 下， 你 可能 会 面临 了 一个 98% 乃至 99% 的 可用性。 可是 剩下 的 1% 对于 没有 能力 单独 解决 这个 1% 问题 的 人 来说， 那 就是 一个 灾难性 的 结果。

针对 这 几个 百分比 的 数字 的 讨论 特别 好。 就是我 觉得 一下子 让人 特别 能 理解 所谓 商品 和 一个 发 论文 的 一个 东西 到底 有 什么样 的 差别。 我 原来 真的 遇到 过 那种 场景， 就是我 的 同事 拿 这 篇 论文 来 告诉我 说， meta 能 拿 这个 论文 干 这个， 你 能不能 你的 产品 上能 不能 上 个 这样的 功能， 花花 之前 跟 我 讲 过 说 有一个 机器人 是用 那个 无人机 去做 3D打印 对 吧？ 然后 就是 飞 在 天上 的 无人机， 他 去 打印 那个 东西 的 外形。 所以 现在 你 大概 能 知道 这种 东西 距离 你 用上 有 它它 是 有多远。 我 觉得 那些 东西 真的 就是 可能 我们这一代 人 老去 的 时候， 能够 看到 一个 商品， 我 觉得 都 是要 鼓掌 的。

是 截至 目前， 其实 我们 已经 从 应用 场景 的 要求， 以及 就是说 刚才 在在 第一 部分 我们 讲 机器人 的 机器人 进入 现实生活， 它 可能 难 在 任务 的 理解， 难 在 怎么样 去 自己 去 操作， 然后 的话 难 在 缺乏 数据。 我 作为 一个 曾经 也 在 机器人 行业 工作 过 的 人， 我 觉得 我 也能 讲 一些， 就是我 也能 理解， 我 也能 从 产业链 的 角度 上 理解 一下。 为什么 这个 事情 是 很难 是 现在 的 商用机器 人 或者说 商用 的 通用 机器人 是 很难 成熟 的。 我自己 看到 最最 明确 的 情况 就是现在 很多 机器 其实 没有 性价比， 对 吧？ 然后 的话 它 首先 第一个 问题 其实 是 缺少 实用性。 但 这个 点 所谓 的 实用性， 其实我 能够 看到 的 例子 就是说 很多 很多 的 动作， 它 其实 需要 完全不同 的 机械 结构。 就是 在 你 搞定 手 之前， 它是 需要 完全不同 的 机械 结构 去去 来去 执行 的。

就是现在 我在 帮 一个 企业 去做 一个 信息化 的 一个 过程， 或者 一个 智能化 的 一个 项目。 他 就是 为了 去 将 一个 零件 去 检测 出 它 生产 的 有没有 问题。 这个 专业人员 给出 的 这个 结果 就是 我需要 去 有一个 特定 的 打光 环境， 才能 很 好的 去 检测 出来 它的 这个 实际上 现在 的 很多很多 的 这种 像 工业 里面 的 这些 项目， 或者说 像 特别是 质检 这种 比较 细 的 这种 项目， 它 都是 限制 还是 非常 大 的对 环境 的 这个 限制 都 非常 大， 它 需要 很 好的 去 控制变量， 才能 给予 一个 几乎 100% 的 结果。 这个 其实 也是 是 取决于 我们的 需求 了， 就像 我们的 扫地 机器人 一样， 我们 有 一块 地方 没有 扫， 实际上 我们是 不知道 的， 就是 啊 我们 不知道 他 有没有 便利 过 这个 地方。 说实话 评价 这个 扫地 机器人 的 时候， 我们 不会 说 这个 扫地 机器人 每天 有 多少 个 地方 没有 去 就是 没有 去 扫。 在 工业 里面 质检 的 情况下， 我们 如果 发现 他 漏 了 一个 废件 没有 扫 到， 那么 它 都 是一个 很 致命 的 事情。 对。

不良品 问题 可大 了， 这个 都 还没有 到 说 要 不一样的 机械 结构。 你 哪怕 是 变 一个 灯光， 它 可能 就 会对 现有 真实世界 当中 的 机器人 造成 很大 的 影响。

就是 环境 是真的 一个 很大 的 变量。

我 一下子 就 理解 就是 为什么 那些 真正 爆火 的 机器人， 或者说 真正 原来 卖出去 的 机器人， 它 真的 是 不能 做 任何 实用性 的 工作。 我 一下子 想 起来 最近 几年 就是我 原来 很喜欢 的 一些 这种 极限 的 案例。 比如说 有 一家 公司 叫做 anche， 他是 原来 被 迪士尼 投资， 他他 最 火 的 时候 是 火 到 在 美国 卖 的 很好， 作为 那种 年度 礼物， 这种 大概 两三百 美金， 那一个 一个 一个 有一个 小小 脸， 然后 会有 两个 小 履带， 然后 表情 非常 生动 的 一个 机器人。 但 这个 是 但 这个 机器人 第一代 的 时候， 它 就是 伊 卡特 从 皮克斯 挖 来 的 那个 表情 设计师。 所以 那个 机器 特别 可爱， 所以 那个 机器人 它是 依靠 什么 活 了？ 它 也 不能 干什么 活， 它 就是 依靠 我 有 特别 丰富 的 表情， 依靠 卖萌。 然后 然后 youtube 上 就有 一堆人 跟 那个 机器人 拍 短剧， 你知道 吧？ 把 那个 机器 作为 一个 角色 来 拍 短剧， 让 那个 机器人 就 火 掉了。 但是 这个 机型 做到 第二代 的 时候， 它 试图 接入 一些 类似 亚马逊 alexa 之类 的 东西， 就是 语音 交互 对 吧？ 智能 的 东西 死 的 非常 快， 然后 整个 公司 就 直接 倒掉。

我 原来 还 摸 过 索尼 的 那个 机器狗， 你 摸 它 那个那个 小狗 还会 眨眼睛， 这 样子 就是 特别的 可爱。 包括 这一天 是 C E S， 对 吧？ 然后 我们 也 看到 三星 做了 一个 特别 奇怪 的 东西。

都 叫做 什么？ 包 里 应该 是 它是 一个 球 它 就是 一个 大概 就 到 你 脚踝 的 一个 球形 的 机器人。 它 区别 于 这个 扫地 机器人， 它它 也 在 地上 跑 的， 它 主要 不是 扫地 的， 它 主要 能 干什么 呢？ 它 可能 最大 的 区别 就是 它 有一个 投影， 它它 可以 当 一个 移动 的 投影仪 来 用。 那 可能 就是我 觉得 可能 是 三星 赋予 它 一个 最 基础 的 功能。

就是你 它 总得 有点 用。

对你 再不 喜欢 这个 玻璃。 他 也是 个 投影仪， 能够 帮你 投 一些 东西。 比如说 他他他 就 展示 了 一个 女主人 在家 里面 练 瑜伽 的 时候， 包 里 就 投 了 一个 测试 片， 让让 女主人 看 的 这个 场景。

可能 它 比较 厉害 的 地方 在于， 它 还 能够 管理 家里的 这些 智能家居。 就是 它 可以 控制 灯光， 控制 这个 宠物 的 投石器， 还 可以 发短信。 然后 你可以 通过 远程， 通过 这种 大 模型 的 方式， 来 让 它 帮你 提前 搞定 一些 家里的 事情。 它 有点 像是 一个 会 动 的 家庭 数字 管家， 大概是 这样的 一个 角色。 我 觉得 到了 用户 家里 很 可能 是 反过来 的。 这个 东西 它 就 固定 在 那儿， 主要是 一个 投影仪 兼顾 一下， 给 家里 管理 一下 家里的 这个 智能家居 应该 有一个 你可以 远程 的 跟 他说 控制 一下 我的 空调。 其实 这个 场景 也很 扯， 因为我 如果 都能 通过 那个 APP 来， 通过 APP 远程 告诉 你来 控制 空调 了， 那 我 就 直接 控制 空调 就 好了。 因为 理论上 他们是 在 同一个 web 里面， 所以 这个 东西 当然 它 刚刚 推出， 价格 也没有。 然后 看起来 形态 上 是 有点意思 的， 但是 他 可能 也 同样 要 解决 的 就是 是 实用性 的 问题。

对， 真的 真 真的我 跟你讲， 就 三星 这种 消费 电子产业 上 的 巨头， 每年 发 一个 机器人， 然后 永远 不会 上市。 你看 那个 机器人 那些 功能 就 很 奇怪。 对， 就 很 奇怪。 然后 一会儿 搞 陪伴， 一会儿 给你 缝个 那个 投影仪 在 上面。 你 真正 希望 他 就 洗 个 碗 对 吧？ 也 不是 洗， 你 就 把 它 放进 那个 洗碗机 对 吧？ 那 他他 都 做不到。

很多人 现在 用到 的 机器人， 他是 搞 什么 陪伴， 他是 搞 什么 情感。 就是 它 不是 一个 它 不是说 机器人 适合 做 这个 事情， 它是 机器人 产品 经理 没 招 了， 你知道吗？ 但是 他他 是 说 我我我 实在是 没有 办法 帮你 把 正经 活 干了， 我 做 一些 这种 其他 的 活。 所以 我 觉得 这个 怎么讲 呢？ 这个 就是我 对于 整体 的 产业链， 就是 机械 这个 产业链 上 的 第一个 特点 的 总结， 叫做 缺乏 实用性。

就是 用 一句话 来 总结， 就是 模糊 的 技术 只能 处理 模糊 的 需求。

是的， 越 具体 的 任务 我 越 容易 发现 你 做 错了。 对， 就是 但凡 你说 这些 机器人 一会儿 陪伴， 一会儿 情感， 一会儿 能 投 个 影。 他 但凡 能 解决 一个 具体 场景 的 问题， 我们 可能 都 哐 哐 买 了， 对 吧？ 我 举 个 例子， 比如说 有一个 机器人， 厨房 机器人， 这个 机器人 负责 洗碗、 做饭、 收拾 厨房， 我 就要 这 三个 功能， 他 只要 能干 好， 卖 30万我 估计 都 卖 爆。 但是 所谓 的 炒菜 机器人 是什么 样子 的 呢？ 可能 十年 前 那个 时候 我爸 就买 过 一个， 因为他 一直 很喜欢 这种 东西， 那个 炒菜 机器人 在我看来 就是 一个 电饭煲。 因为你 需要 把 食物 按照 他的 要求 切 好 放进去， 倒 上 什么 指定 的 酱料 跟 配料。 对， 然后 你 就 把 盖子 盖上， 你 就 发现 最后 出来 一盘 那种 焖 菜， 就是 油焖 菜， 类似 这样的， 反正 就 这 这就是 炒菜 机器人。

所以 解决不了 实际 的 问题， 你 就 卖不出去， 对 吧？ 我 当年 在 做 机器人 产品 经理 的 时候， 我 就 发现 说， 你们的 零件 怎么 那么 贵。 我 一台 机器人 当时 最最 便宜 的， 我 都 做 给 小朋友 卖 的那 买的 都要 到 1000块钱。 你知道 1000块钱 你你你 买红 米 你 能 买 个 手机 了， 对 吧？ 然后 结果 那个 机器人 他 只能 在 地上 转圈圈。 对， 所以 这里 就 掉 个 书袋。

有一个 定理 叫 莱特 定理， 叫做 说 一个 东西 它的 产量 每 翻 十倍， 它的 成本 就会 按照 固定 的 比例 下降。 比如说 一个 东西 生产 十个 是 10块钱， 那 生产 一百个 是 五块钱， 那 生产 1000个的 时候 就会 五块， 再 乘以 一半 就 2.5块。 我 举 一个 例子， 现在 今天 最有 规模 效应 的 机器人 是 扫地机， 它 可能 能够 达到 百万 级 的 供应量， 对 吧？ 但是 它 对比 我们 熟悉 的， 如果 有一个 零部件 是 机器人 也 用 的， 然后 手机 也 用 的那 可能 机器人 的 那个 型号 的 零部件， 它它 的 成本 可能 就是 因为 手机 的 出货量 是在 10亿级， 10亿量级， 它 就 差 了 1000倍。 三个 数量级 算下来， 可能 就是 假设 一个 数量级 翻 两倍 的话， 可能 就是 八倍 的 这个 价差 了。 你 会 发现 就是这样 的 东西 其实 很难 满足 消费者 的 那个 诉求。

就像 智能手机， 电脑 这种 东西 的 发展， 其实 过去 几年 是 孕育 了 很多 成功 的 品类 的。 比如说 最早 的 V R 其实 就是 手机 拼出来 的。 但是 机器人 这个 东西 它 没有 办法 被 手机 运营， 因为 机器人 里面 有 很多 机械 的 零部件， 这些 零部件 是 很贵 的。

最 普遍 的 一个 贵 的 东西 就是 我们的 电机。 我们 之前 小米 不是 出了 一个 很 便宜 的 电机， 对它 其实 就是 把 整个 价格 就 拉 下来 很多 了。 因为你 想想 一个 机械手， 其中 一个 小 旅 管 一百多块 钱 一根 儿， 但是 你 一个 电机 可能 就 几千 上万 了。 一个 机 六 轴 机械臂 就有 六个 电机。 就是 直接 减 六倍 的 一个 成本。 电机 这个 东西 它是 有 折旧率 的。 我 把 一个 机器人 放到 一个 这样的 任何 一个 姿态， 它 其实 就是 一个 独占 的 过程。 他 就是 在在 用 这个 力 去 抵消 重力 的对 它的 影响。

传感器 现在已经 很多 公司 去 先行一步 的 去 突破 这个 价格。 那么 执行器 就是 所谓 电机 和 像 一些 气动 气动 系统 这些 东西， 还是 说实话 还是 有待 突破 的。 因为 现在 我知道 很多 比较 便宜 的 电机 并没有 这么 耐用。 说实话 是的， 传感器 的话 就是我 之前 买的 二十 刀 的 传感器 和 十道 传感器， 其实 效果 就 相差 没有 这么 多。

了当 一个 产品 缺乏 实用性， 它 缺乏 性价比 之后， 我们 最后 来看 就是说 其实 现在 的 机械 的 商业模式 其实 也会 有 比较 多 的 问题。 如果你在 在 消费 电子产业， 你 要 做 一个 所谓 的 自动化 产 线， 你 一年 可能 是要 卖 200万台 货。 你 得到 的 那个 生产线， 他是 只能 为你 这 一款 型号 的这 款 产品 去 工作 的。 一旦 某一天 你的 那个 型号 的 某 一个 零件 换 了， 就要 在 已经 花了 几百万 的 前提 下， 你 要 再 花 10万20万， 你 要 替换 中间 的 某些 步骤。

现在 我们 想要 去做 这个 智能化 一个 很 困难 的 地方 就是我 不能动 它。 其实 它 原来的 流水线 我 只能 在 上面 加以 改装， 我不能 中间 切 了 一段， 它 切 了 一段 直接 停产 了。 他 不能 这么 做对 吧？ 你 不能 停 了 这个 流水线 给他 做 一个 新的。 首先 成本 很高， 所以 你 现在 只能 从 他 已有 的 这个 流水线 在 上面 做 这个 改装。 比如说 加 一个 摄像头， 加 一些 灯光 这些 东西 去 照亮 它的 这个 零件， 然后 去做 一些 检测。

也是 另外一个 比较 大 的 问题， 就是 您 刚刚 所说 的 就是 单一性 一条 流线 线索 加工 品类 过于 的 单一 了。 之前 提出了 一个 叫做 柔性 加工， 什么 叫 游戏 架构 工？ 就是我 希望 比如说 我 可 这 整个 台湾 流水线 可以 举一反三， 承担 多种 任务 的。 这个 工作 其实 现在已经 有 很多 了。 就 比如说 我 有一个 流水线 是 专门 用来 打 螺丝 的， 就是我 有 几个 孔 我 就会 去 打 几个 螺丝。 它 会 加 一些 视觉 的 识别 出来， 然后 去 识别 哪个 孔 是你的， 你的 范围内 有 几个 孔， 然后 去 打打 起来。

现在 他们 已经 有 在 做 这个 部分 了， 但是 它的 能力 真正 的 智能化， 去 真 做 真正 的 柔性 加工。 比如说 它它 还是会 很 依赖 很多 的 百味， 模具 这些 东西。 之前 我 听 他是 一个 大企业 的 一个 工程师， 他说 整条 流水线 花费 最多 时间 的 是 做 家具 和 摆 位置， 它 其实 很 浪费时间， 并且 它是 其实 是 非常 不 柔性 的。

你 一个 已经 存在 流水线， 你 去 改造 它 其实 也是 很难 的对 吧？ 是的， 要么 你 就 从头 一开始 就 投 几百万 开始 做起， 中间 有 任何 的 变化， 其实 都是 都 很难 做。 我 接下来 讲 就是 他们的 一些 商业模式 的 一些 部分， 其实 并不是 特别 好。 比如说 我们 每天 都能 接触 到 的 那个 送餐 机器人。 你知不知道？ 其实 那个 送餐 机器人 它 很多 时候 它 不是 像 一个 正常 的 产品 一样， 它是 一手交钱 一手交货 卖出去 的。 很多 送餐 机器人 的 公司， 它 其实 是 所谓 的 这种 租赁 的 形式。 所以 就是说 所以 这种 租赁 的 形式 相当于 说 你 按照 一个 季度， 你 比如说 海底捞 用 那个 送餐 机器人， 海底捞 可能 是一个 季度 一个 季度 的 给钱， 那你 就 没办法 一次性 收到 那个 送餐 机器人 的 钱。

那 做 过 企业经营 的， 尤其 做 财务 的 朋友， 你 马上 就可以 理解 到。 如果 一个 5万的 机器人， 但是 你的 回款 你的 回款 是 按照 24个 月 来 回款 的。 你可以 想象 这 一定 是你的 这个 公司 在 商业模式 上 做了 巨大 的 让步， 你 才会 允许 这样的 事情 发生， 对 吧？

你们 知道 有 一家 非常 有名 的 机器人公司 叫 库卡， 这个 世界上 最好的 G A B 公司， 直接 现在已经 被 中国 美的 收购 了。 你知道 这家 公司 的 财报 里 的 毛利率 只有 2.8%。 我们 原来 讲 过 苹果 供应链 里 很多 代工厂， 它的 毛利率 都有 15% 的。

所以 这家 公司 是 亏损 状态 吗？

这家 公司 一直 在 亏损 线上 边缘 徘徊， 他们 控制 的 非常 好， 最终 能够 挤出 个 0%点 几， 1% 的 percent 的 净利。 但是 这个 毛利率 我看 了 之后， 我 觉得 照明 行业 不应该 是 这个 利润率 表现， 对 吧？ 你 很 迷信 的， 波士顿 动力 自己 没办法 商业化， 被 汽车 公司 买。 然后 汽车 本田 还是 丰田 没办法 商业化， 现在 卖给 韩国现代。 我 原来 还 调研 过 国内 所谓 的 独角兽 的 几家 机器人公司， 可能 是 做 这种 什么 物流 的， 做什么 仓储 的。 然后 这些 公司 我 发现 它的 现状 都是 它的 人员 规模 在 400到1000 人 左右。 但是 因为 它的 研发 成本 很高， 所以 他 现在 中间 做 的 非常 好的 公司， 他 现在 也 只是 说 他 一年 全年 营收 能 到 10个亿。 但是 这家 公司 已经 亏 平衡， 其实 是 需要 20个亿， 亏 的那 十个 亿 其实 是 投资人 在 养 他， 对 吧？

总结 一下， 就 商业模式 上， 大部分 机器人公司 其实 现在 商业模式 都 不好， 要么 就是 要么 就是 没办法 赚钱， 要么 就是你 能 赚钱。 但是 可能 你是 在 给 很多 客户 做 这种 非常 大 项目 和 非常 细节 的 定制， 你 就 没办法 做成 一个 标准化 的 产品 和 服务。 那 真真正正 的 商业模式 上， 其实 现在 走 通 的， 其实我 觉得 所谓 的 机器人 的 这个 概念 可能 只有 两个 产品。 一个 是 扫地机， 一个 是一个 是 自动驾驶 的 机器人。 就是 我们的 自动驾驶 汽车， 他们 俩 算是 相对。 讲 了 这么 一大 段， 其实 是 希望 在 我们 讲完 论文 之后， 让 大家 对 机器人 这个 行业， 它 到底 现在 是一个 什么样 的 商业模式， 希望 大家 有一个 相对 客观 的 一个 理解 和 概念。

总结 来说， 就是现在 整个 机器人 行业 90% 的 公司 或者 产品 还没有 跨越 鸿沟。 它 还在 鸿沟 的 左侧， 它 仍然 是 一小部分 的 科技 爱好者， 或者 是 非常 尖端 的 一个 非常 小的 领域 里面 大家 的 很 关注 很喜欢 谈论 的 一个 话题。 但 它 仍然 不能 成为 一个 真正 的 商业 的 一个 一个 好的 商业模式。

即便 在 企业 服务 市场， 它 也没有 跨越 鸿沟。 消费 电子 工厂 里面 一些 组装线 上。 但是 如果你 今天 在 京东 上 打开 一些 电脑 或者 是 手机 的 一些 列表， 可能 那 里面 90% 的 电脑和手机 其实 都 还是 人工 线 组装。 然后 只有 10% 的， 比如说 什么什么 小米 的 旗舰， 数字 旗舰？ 或者 是 这种 iphone 的 这种 最最 畅销 的 几款， 它 会 它 可能 实现 了 全 自动化。

对， 这里 可能 可 可能 需要 跟 大家 科普 一下， 就是 我们 理解 中 特别 高 尖 高精尖 的， 比如 智能手机 这种 这种 产 这种 产品线。 由于 它 过于 复杂， 反而 是 需要 像 富士康 这样 有 几万 个人 的 这种 大型 的 工厂， 才能 把 它 最后 总装 出来 完成 递 到 我们的 手里。 而 这个 大家 可能 觉得 没有 什么 技术含量 的， 没有 什么 科技含量 的 一些 比如 饮料 行业， 比如 啤酒 啤酒业 作为 流程 工业， 它 反而 是一个 自动化 程度 非常 高 的 一个 工厂 的 一个 状态。 因为我 我 之前 其实 也 去过 国内， 今年 全球 最大 的 这个 啤酒厂 在 三水， 它 有 一 有有 有一个 有一个 分厂。 我们 其实 我们 看过 它的 产 线， 整个 工厂 从 洗 这个 瓶子 开始， 到 灌装、 消毒、 盖 盖子、 贴标， 甚至 最后 装 到 那个 纸箱子 里面， 然后 把 纸箱子 堆 在 旁边。 整个 这个 过程 是 完全 自动化 化 的。 这是 跟 很多 人的 理解 不一样的 地方。 就是 最 没有 科技含量 的 啤酒， 它的 这个 生产过程 的 自动化 程度 远远超过 最有 科技化 科技含量 的 智能手机。

其实 原因 很 简单， 就是 当 一个 企业 卖 了 五个 亿个 产品 的 时候， 而且 这些 产品 都是 一模一样 的 时候， 他们 绝对 会上 全 自动化。 但是 这个 全 自动化， 它 也 不是 柔性 的 自 自动化， 它 也是 刚性 的 自动化。

是的。

对它 其实 并没有 就是 它 它它 其实 其实 在 做 这种 工业化 自动化 的 时候， 我们， 给 企业 去 推广 这个 东西 的 时候， 都会 去 算 一笔 账。 这个 东西， 这个 产品， 这个 设计， 它 可以 替换 掉 多少 人？ 这个 时候 就会 出现 两个 问题， 第一个， 它 能 替换 掉 人 吗？ 如果我 的 视觉识别 的 成功率 是 99%， 那么 那 1% 那个人 还是 省 不去， 对 吧？ 第二个 问题 就是 他 能 替换 掉 多少 人。 比如说 我 一个 30万的 产品， 就是 我们 刚刚 说 的 就是 这个 成本 下不来， 30万的 产品 我 只能 替换 掉 一个月 2000块钱 的 这个 劳务工 的 时候。

有人 会 去做 这个 事情。 好， 我们 到 最后一个 部分， 感觉 是在 给 通用 机器人 泼冷水。 但 我们我们 其实 还是 挺 乐观 的， 距离 你的 家 里面 有 一台 所谓 的 通用 服务 机器人 还有 多远。 除了 alpha 的 这个 模型 之外， 还 第一个 还 看到 哪些 技术 或者 方向， 它是 很 有 潜力 解决 这些 问题 的。

我们 现在 做 的 什么样 的 研究 是 有利于 去 解决 这个 问题 的。 一个 是 我们 现在 比较 国内 比较 火热 的 一个 叫 数字 孪生 的 这个 技术。 像 我们 之前 在 学校 里面 上 一门课 的 时候， 就是 机器人 夹 东西， 然后 去 垒 起来 方块 的 时候， 我们 就会 用 这个 虚拟 的 环境， 去 尽量 的 搭建 出来 一个 真实的 物理 模型， 然后 去 不断 的 去 训练 它， 然后 来 达到 这个 训练 的 效果。 我们 就 不需要 一台 机器人 或者 一个人 守 在 后面 操纵， 就像 阿罗汉 一样， 一个人 守 在 后面 操作。 我要 剪 这个 东西， 我要 剪 那个 东西。 它 实际上 只需要 在 一个 虚拟环境 里面 有 50台一模一样 的 机器， 500台一模一样 的 机器。 去 训练 这么 两三天， 它 就可以 做出 一个 比较 完 相对 完整 的 模型。 其实 自动驾驶 已经 用了 很多 了。

然后 另外一个， 就是 我们 所说 的 大 语言 模型， 也 不是 大 语言 模型， 就是 这种 模型 的 应用。 现在 很多 公司 是 利用 了 大 语言 模型， 去 生成 一些 例子。 我们 刚 不是说 库 很少， 就是 图片 很少， 他们 用 单元 模型 来 生成 这个 图片， 然后 来进行 训练。 这 两个 其实 是 相当于 是 比较 产业化， 或者说 比较 商业化 的 东西 了。

然后 对 在 我们 这个 做 research 做 研究 这个 方面， 其实 可以 从 两个 方向， 其实 之前 我 也都 有 提 过。 一个 就是 感知， 也是 我 刚刚 提 过 那 三个 词。 感知 方面 我们 正在 尝试 收集 各种 不同 的 信息。 比如说 触觉， 比如说 力， 我们 都 尝试 在 计算机 里面 去 量化 它。 很多 学者 都在 尝试 去 将 不同 的 情况， 就 分别 是 不同 的 情况。 比如说 我 一个 机器 必要 去 够 一个 非常 远处， 但是 你 没办法 去 够 到 的 地 东西 的这 整个 过程 去 简化。 并且 可以 让 机器人 知道 我 怎么样 够 到 这个 地方 最 省力， 我 可不可以 够 到 这个 地方。

这个 涉及 到了 任务 规划、 动作 规划 以及 路程 规划。 这些 规划 也可以 用 我们 之前 说 的 就是 数字 版、 数字 孪生 或者说 是 大 模型 去 生成。 大 模型 主要 就是 做 这个 任务 规划 了， 然后 这个 路径 规划 和 我们 所说 动作 规划 主要 还是 靠 我们 所说 的 数字 孪生， 就是 疯狂 训练， 就是 我们的 执行。 有 很多人 在 去 研究 新的 电机， 怎么样 去 把 它 变得 更加 简便， 实现 更多 的 功能 的 电机。 比如说 实现 力反馈 的 电， 我们 刚才 说 了， 以及 我们 有没有 一些 自带 风冷， 自带 水冷 的 这些 电机 可以 降热， 让 它 不会 让 它 寿命 可以 延长。

然后 刚才 讲 的 数字 孪生， 确实 我 原来 就有 有有 那个 同学 在 那个 自动驾驶 行业。 他们 现在 很多 那个 算法 算 出来 做 路 测， 它 就是 生成 几十万 公里 的 道路， 就像 那个 硬件 系统在 那个 仿真 的 道路 里 跑 就 完 事儿 了。 所以 他他 就 不需要 说真的 做 一辆车 出来， 然后 把 它 开 到 城市 里 去， 对 吧？ 然后 再再 去 接 那个 路 测数据， 确实 这个 是 确实 是 蛮 厉害 的。

就是 数字 孪生 这件 事情， 它 不光是 把 物理 的 东西 虚拟化， 它 更 重要 的 是 它 可以 加速 这个 时间 在 虚拟世界 里面 的 运行。 他 有点像 七龙珠 里面 那个 精神 与 时间 屋， 就是 孙悟空 跟 他 儿子 进去 修炼 了 七天 还是 多久， 但 其实 里面 相当于 是 多少 年 的 时间， 就是 大家 在 不在 不在 同一个 时间 坐标系 里面 去 卷 它， 就可以 使 整个 实验 过程 变成 以 这种 仿真 的 方式 以 非常 加快， 甚至 是 乘以 10乘以 100的这个 数量。 再 把 时间 乘以 10乘以 100， 我们 可能 就会 更快 的 看到 很多 在 现实 世界 里面 需要 花 大量 的 时间 模拟 大量 的 时间 实测 得 出来 的 结果。 通过 虚拟 实 训， 通过 这个 数字 孪生 来 实现。

但是 有一点 我想 讲 的 就是， 我 认为 所有的 技术 革新 都是 离不开 我们的 投资者 最大 投资 的。 以前 在 做 项目 的 时候， 我们 要 去 打动 我们的 赞助商， 我们 要 去 打动 我们的 投资人。 那么 我们 该 怎么样 去 打动 呢？ 就是 通过 一个 又 一个 的 展示 demo 视频 去 告诉 他们 这个 项目 是 有 希望， 是 有意义 的这 样子 才能 给 这个 项目 做 更多 的 血。

但是 我们 阿罗哈 这个 视频， 我们我们 之前 非常 纠结 它的 这个 成功率。

它是 一个 很 成功 的 marketing.

对他 给 了 很多人 信心。

对他 给 了 这个 行业 很多 投资人 信心。

总结 下来 大家 会 发现， 我们 发 我们 整个 在 机器人 领域 里面， 可能 最有 机会 让 这个 领域 加速 或者 成功 的 这些 关键词。 数字 孪生 大 模型、 具 身 智能， 就是 钱会 涌进去 的那 那 几个 领域 应该 其实 就是 目前为止 整个 不管 是 学界 还是 机器人 的 这个 是 目前 的 这些 创业 公司， 他们 在 卷 的 核心 的这 几个 领域。 听 刚才 花花 总结 了 一下， 我 听 下来 就是 刚才 讲 的这 几个 点对 吧？ 是的， 数字 孪生 带来 的 训练 加速， 然后 大 模型 带来 的 这种 新的 这种 训练 的 方法 理解 和 执行 能力 提升。 然后 具 身 具 身 智能 以 它 结合 大 模型 之后 带来 的 这种 真正 的 智能化 的 机器人 的 可能性， 我 觉得 都是 充满 想象力 的这 这个 其实 也是 这 两年 快速 发展 的 几个 领域。

在 手机 上 想 补充 一点， 其实 整个 工程 领域， 它是 一个 我们我们 计算机 有 低级 中级 和 高级语言。 其实 工程学 它是 一个 高级 的 学科。 它 不是说 它。 是 它是 很 它是 很很 好 很 高级 的 那种 高级 它是 建立 在 了 很多 物理 的， 就是 物理 和 生物 以及 其他 的 基础学科 上面 的。 当然 也有 很多 在 努力 的 去 钻研 这些 基础学科 的 一些 学者。

像 之前 我 有 一位 同学， 他 虽然 也是 做 工程， 我 给 工 做 工程 的， 我 给他 打 个 小小 广告， 他 最近 发 了 一篇 论文， 就是 怎么样 让你能 在 千里之外 去 感受到 一个 衣服 的 触感。 他 做了 一个 小小 板子， 并且 他在 另外 一端 去 采集 一个 数据。 你 摸 那个 板子 就 好像 在 摸 这个， 它 会 通过 电流 刺激 你的 皮肤， 然后 去 模拟出 这个 东西 的 纹路。 所以 基础学科 的 这种 突破 也是 非常重要。

你 把 这个 研究 的 链接 论文 给我 我 一下， 我 贴 在 我们 那个 文稿 里面。 讨厌。 对， 所以 我 最后 补 两句。 我 觉得 最有 可 你 最有 可能 买的 下 一台 机器人， 我 觉得 可能 还是 扫地 机器人公司 或者 是 自动驾驶 的 擅长 做 的。 因为 这些 公司 他们 不管 是在 技术 沉淀 上， 还是 在 整个 的 产业链 的 丰富性 上， 我 觉得 是 最 接近 所谓 的 家用 机器人 的 一个 概念 的 一些 公司。 所以 你们 可以 想象 一下， 今天 你 花 40万买的 是 一台 自动驾驶 汽车， 可能 十年之后 你 花 40万大家 买的 是 一台 机器人， 对 吧？ 我们 觉得 我们 期待 这一天 的 到来。

好吧， 我们 非常 需要 这样的 一个 机器人， 我 觉得 这 比 自动驾驶 汽车 更有意义。 从 一些 从 一些 数据 机构 看到 的 数字， 好像 大家 对于 可能 十年后 的 这个 服务型 机器人 的 爆发 还是 有 蛮 大 的 预期 的。 我们 还是 期待 这一天 的 到来。 但 我 觉得 这件 事情 可能 确实 没有 那么 快。 大家 不要看 了 一个 阿罗哈 就 觉得 未来 以来 其实 还 蛮 远 的。 但是 做好 准备， 但是 充满信心， 好吧， 我们是 个 正能量 的 大腿。

好， 那 今天 就 到 这里， 今天 谢谢 花花， 谢谢 花花 做客 我们的 节目， 好吧？

好的， 非常感谢 二位 听我 这 这个 听我 这个 啰 啰 说说 逼 逼 叨。

好， 本期 节目 就 到 这里。

感谢 收听 脑 放 电波。 欢迎 在 苹果 播客、 小宇宙、 喜马拉雅 等 播客 客户端 搜索 脑 放 电波， 找到 并 关注 我们。 如果你 觉得 这 期 内容 对你 有所 帮助， 欢迎 你 在 评论 区 留下 反馈， 这 对 我们 非常重要。