We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
丁
丁教
任
任化龙
丁教：特斯拉AI日发布的Tesla Bot机器人概念引发争议，其真实性和技术可行性受到质疑。
任化龙：Tesla Bot参数信息有限，可能采用电动推杆方案，牺牲速度换取力矩。电机是人形机器人发展的重要制约因素，电动推杆方案可以部分解决电机尺寸与力量输出之间的矛盾。特斯拉在动力电池、传感器、驱动器等方面拥有经验，但将这些技术完全平移到人形机器人领域仍存在距离，2022年推出原型产品的目标过于激进。如果Tesla Bot不追求复杂的行走或服务功能，只追求基本的外形和运动能力，那么在明年推出原型产品是可行的。但要实现像科幻电影中那样的功能，例如自主购物，目前还不可行。
任化龙：人形机器人研发的难点主要在于双足行走、灵巧手、智能和驱动器四个方面，以及能源问题。灵巧手研发已超过30年，其自由度数量是关键，至少需要9个以上才能被称为灵巧手。人手拥有32-34个自由度，而传统的机械手通常只有6个自由度左右，这限制了其完成复杂操作的能力。目前机器人智能主要依赖深度学习，但深度学习存在泛化性问题，需要预先训练才能识别物品。电机功率输出受限，限制了机器人手部和足部的运动能力；电池能量密度有限，限制了机器人续航能力。六自由度灵巧手主要用于抓取，而九自由度以上灵巧手可以完成更复杂的操作，例如拧瓶盖、敲鸡蛋等。灵巧手商业化公司较少，主要应用于解决生产操作中对人工依赖的问题，以应对人力成本上升和劳动力短缺。灵巧手可以解决传统自动化设备无法应对的复杂操作，并能适应产品规格和生产流程的变化，降低硬件投入的重复浪费。公司采用类脑计算路线，而非深度学习，以解决灵巧手控制的复杂度问题。类脑计算与深度学习的区别在于：类脑计算更深入地借鉴了生物大脑的工作原理，采用模拟生物神经可塑性的方式学习，解决的是认知问题，而非深度学习的识别和分类问题。类脑计算可以实现更高级的认知功能，例如思考、复杂的感官感知、情景记忆、程序性记忆、情感模拟、复杂决策、常识性语言语义和复杂的知识系统。类脑计算与深度学习在技术路径和基础理论上存在根本区别，类脑计算更注重对神经科学的理解，并利用多种神经机制实现学习。类脑计算的学习速度比深度学习快，不存在性能瓶颈和灾难性遗忘问题，能够持续终身学习。真正的类脑计算抛弃了复杂的数学机制，利用简单的加减乘除实现高性能。未来机器人将在工业生产中解放所有生产线上的人力。灵巧手应用场景广泛，可以用于各种垂直领域，不一定需要人形机器人或行走功能。人形机器人研发的主要难点在于智能部分，需要提升机器人的感知、认知和自主决策能力。灵巧手可以替代实验室中对人有危险性的重复性劳动，例如在化学、医药、病毒和核能实验室中的操作。灵巧手在抓取和摆放物体方面比传统的机械臂具有优势，尤其是在处理复杂曲面物体时。灵巧手由于自由度多，具有冗余度，可以从不同方位抓取物体，对机械臂定位精度要求低。改变思维方式，采用类脑计算方法，可以加快技术进步。公司专注于关键技术研发，并与集成商合作，未来两年内类脑计算将有望形成商业应用前景。类脑计算可以应用于需要复杂认知的领域，例如自动驾驶中的全自动驾驶功能。类脑计算适用于需要复杂认知的领域，但不一定适用于数据挖掘或生成网络等以数据为主的领域。一两年内，机器人将在工厂中开始试用，但最初的任务会比较简单。机器人首先会替代生产线上一些危险性高、操作对象为刚体或介于刚体和柔体之间的任务。技术发展应借鉴人体结构和工作原理，重视基础科学研究，特别是神经科学。
Deep Dive
特斯拉AI日发布的Tesla Bot机器人概念引发热议，其功能、参数及可行性受到广泛质疑。嘉宾任化龙分析了Tesla Bot的技术构成，并探讨了其与自动驾驶技术之间的关联与差异。
- Tesla Bot旨在完成重复、危险、枯燥的工作，例如杂货购物、家务整理等。
- 马斯克称特斯拉已掌握制造Tesla Bot所需大部分零部件，但其可行性仍存疑。
- 业界普遍认为，Tesla Bot的研发及量产面临诸多挑战，短期内难以实现其宣传的功能。
Shownotes Transcript