E113 | 大模型来了，但机器人研究依然很难，商业化更难
01:04:17 Share

欢迎 收听 硅谷 101， 这是 一档 分享 当下 最 新鲜 的 技术 知识 与 思想 的 科技 博客。 我是 红军。 硅谷 101的招聘 还在继续， 欢迎 对 我们 感兴趣 的 小伙伴 在 show note 中看 我们 招聘 的 详细 链接。 也请 大家 抓紧 把 简历 发送到 我们的 招聘 邮箱， 我们的 邮箱地址 是 H R 艾特 SV101点NET。

这 期 节目 也是 我们 听众 呼声 很高 的 一期 节目， 我们 来 聊 一 聊 机器人 行业。 因为 机器人 是一个 非常 大 的 领域， 所以 我会 把 这 期 的 节目 内容 拆 分成 三个 部分。 第一 部分 会 聊 一 聊 大家 心里 最 先进 的 机器人， 它 研究 到 哪个 程度 了。 第二 部分 我们会 来 拆解 一下 机器人， 看 整个 机器人 的 研究 为什么 那么 的 难。 最后 一部分 也是 大家 很 关心 的， 大 模型 的 发展 对 现在 的 机器人 的 研究 有 什么样 的 影响。

今天 跟 我们在一起 的 也是 两位 对 机器人 有 非常 深入研究 的 研究者。 一位 是 张君 无， 他是 blue river 机器人 的 工程师 师， 也是 之前 阿尔法 bet 也就是 谷歌 的 母公司 的 机器人 工程师， 也是 斯坦福 机器人 的 硕士， 听起来 背景 一直 是 都 非常 相关 的。 Hello, 君 武， 你好， hello 大家好。 还有 一位 是 鲍 天宇， 天宇 也是 我们 硅谷 101机器人 研究 小组 的 成员。

嗨 天宇， 大家好。

为什么 想要 聊 机器人 这个 话题 呢？ 因为 首先 机器人 它 其实 包含 特别 广， 就是 我们 之前 出了 一个 视频， 然后 我们在 聊 那个 视频 的 时候， 我们 说 要 定义 什么 是 机器人， 包括 要 定义 它是 商业 还是 工业 机器人， 它的 定义 是 非常 多 的。 但是 我 想做 这个 选题， 就是 想 看 这个 世界上 最好的 机器人 是 什么样， 就是 最好的 机器人 能 达到 一个多 好的 先进 程度。 所以 大家 要不要 先 说 一下， 就 你们 心里 第一 梯队 的 机器人 是谁？ 有 哪 几家？ 不然 君 无限 开始。

这 是个 很 有意思 的 问题。 我可以 讲讲 我 之前 因为 待 过 的 算是 商用 的 一些 分拣 的 机器人。 第一 梯队 的 可能 有 比如说 像 cover rent dexterity 这样的 公司。 我也想 提 一下 的 是， 其实 是不是 第一 梯队 跟 行业 很 有关系， 不同 行业 可能 会有 不同 的 第一 梯队 的 公司。 如果 一定 要说 跨行业 第一 梯队 的， 我 觉得 英伟 达 在 很多 机器人 的 基础性 的 研究 上， 并且 像 做 一些 模拟器 上 还是 做得 非常 厉害 的。 所以 这会 是我 觉得 的 第一 梯队 的 一个 答案。

那你 觉得 比如说 像 特斯拉 的 人形 机器人， 还有 之前 everyday robots 这 两个 机器人 怎么样。

我 觉得 都是 很棒 的。 他们的 技术 研发 现在 看起来 都是 处在 一个 非常 蓬勃向上， 蓬勃发展 的 阶段。 我 之前 之所以 说 前面 两个， 就 co vary 和 dex ity 相对来说 是 已经 有 一定 的 客户。 虽然 他们 具体 有没有 在 盈利 这个 我 并 不清楚， 但 他 至少 已经 能 帮助 到 实际 的 外部 的 external customer。 特斯拉 和 evident robot 更多 是在 研发 和 内部 的 这种 测试 内部 使用 的 阶段。 我 个人 的 看法 是， 如果 他们 真的 能够 像 比如说 amazon 的 kiva system 那样 投入到 生产线 上， 发挥 很多 的 商用 作用， 那 他们 也可以 算作 第一 梯队。

所以 我 理解 就是 你的 这个 评价指标 是从 他 真正 商用 的 一个 角度 来 评价 的。

对对对， 你说的 很 对。

你 可不可以 一句话 解释一下， 你 刚刚 说 的 两家 你 认为 商用机器 人 比较 好的 机器人公司， 他们是 做 什么的？

他们 基本上都 是 做 把 货品 从 一个 比较 凌乱 的 环境 挑拣 出来， 放到 一个 能够 抵达 千家万户 的 小盒子 里面 的 这样的 一个 货品 分拣 公司。

天宇 因为 在 我们 硅谷 一零一 之前 做 机器人 的 视频 稿件 的 时候， 你 也 研究 过 很多很多 的 机器人公司。 你 心里 的 第一 梯队 是 哪 几家？

我 其实 心里 一直 没有 一个 真正 的 第一 梯队 的 概念， 还是 因为 大家 都在 做 机器人 里边 不同 的 部分。 在 几个 不同 的 部分 里面， 我 能 想到 很 厉害 的 机器人。 比如说 对于 机器人 的 动态控制， 我 认为 还是 老牌 的 波士顿 动力 这个 东西 你 一看 视频 就能 看出来， 他在 机器人 的 各种 动作 动态 上 确实 比 其他 家 做 的 要 领先 很多。 当然 它的 弊端 是 它 离 商业化 似乎 很远。

Everyday robot, 我也是 一家 让 我 很 值得 崇敬 的 公司， 但 很遗憾， 它 现在 似乎 被 关掉 了， 似乎 被 并入 了 谷歌 的 research 部门。 我 认为 它 同样 的 离 商业化 非常 的 远， 但是 它 解决 机器人 问题 的 思路 跟 其他 家 都 非常 不一样。 比如 像 君 我 刚才 提到 的 这些 工业 机器人， 它 更多 的 是 训练 机器人 去做 一件 事情。 即使 是 有 一些 A I 但是 依旧 还是 做 有限 的 几件 事情， 把 它们 做到 基因 做到 最好。 Every robot 不一样， 它是 让 机器人 去做 各种各样 生活 中的 不同 的 事情。 这些 事情 是 无法 通过 编程 来 完全 记录下来 的， 一定 需要 让 机器人 通过 对 环境 的 适应、 理解、 试错 去 学习。 然后 未来 的 目标 是 它 能够 把 这些 事情 总结 归纳， 以至于 做到 他 根本 没有 做 过 的 事情。

我 觉得 他 去 训练 机器人 的 思路 跟 其他 几家 机器人公司 非常 不一样。 这 也 让 我 认为 他在 研究 机器人 的 学习 和 适应力 这件 事情 上， 应该说 是 走 的 最 领先 的 公司。 可能 也是 我 看到 的 唯一 一家 在 这方面 这么 深耕 的 公司。 哪怕 这 意味着 它 离 商业化 非常 的 远。 所以 这家 公司 我知道 他 被 并入 谷歌 research 这件 事情， 有 很多 机器人 业界 的 朋友 是 感到 惋惜 的那 我也 抱有 这样的 想法， 在 业界 可能 看不到 一家 这样的 公司 了， 我 觉得 是 一件 挺 遗憾 的 事情。

我 稍微 补充 一下， 就 everyday robots 是 做 什么的。 比如说 你说 到 波士顿 动力， 大家 可以 理解 就是 一个 大家 可以 看见 爬上爬下， 可以 上 楼梯 的 这样的 一个 机械 狗。 特斯拉 的 机器人， 它 其实 是一个 蛮 斯克 展示 的 人形 机器人， 它 可以 浇 花儿， 可以 去 捏 鸡蛋， 对 吧？ Everyday robots 是 做 什么的？

首先 你 要是 说 从 机器人 的 形态 上， every robot 其实我 觉得 可能 是一个 类 人形 的 机器人。 它是 轮式 的， 底下 是 轮子 驱动， 上面 有一个 像 人脸 一样的 传感器。 然后 有 一只 机械手， 手 是一个 夹子， 就是说 它 长 得 不像 人， 但是 它 也 具备 了 人的 像 手脚 传感器 这些 东西 它 都 具备。

所以 它 主要是 机械手 吗？

还是 它是 一个 可以 动 的 机械手， 对 吧？ 它 可以在 谷歌 的 办公楼 里边 自由的 游走。

对对对， exactly. 这个 在 业内 我们 就 叫 移动 机械臂， 英文 里面 叫 mobile manipulator。

对， 因为 工业 机器人 它 就 在那里 做 这个 事情， 它的 这个 机械臂 是 不能 移动 的这 就 意味着 他 天生 不能 做到 通用 的 一些 事情， 对 吧？ 我想 让 它 移动 到哪里 去 拿 一个 东西 他 就 做不到 了。 就像 我 刚才 说 的， everyday robot, 谷歌 拿 它 去 训练 的 事情 就是 日常生活 中 各种各样 的 小 事情。 比如说 最 初期 他们 用 它 做 训练 的 是 垃圾分类， 后来 比如说 削 黄瓜、 叠被 单， 甚至 是 让 他 充当 导盲犬 带 人 去 溜 维权， 这些 事情 都 似乎 在生活中 稀松平常。 但 问题是 就 拿 垃圾分类 这件 事情 来说， 它是 无法 靠 编程 来 固化 程序化 的。 垃圾桶 里 有 各种各样 的 东西， 你 也 不知道 这次 会 出现 啥， 以及 你 也 不知道 这件 事情 该 分 到哪里 去。 他 一定 是 需要 让 机器人 自主 去 学习 判断 来完成 的那 他的 目标 是 机器人 能把 这 一件 一件 的 小事 都 做好自己， 形成了 一套 学习系统 之后， 未来 可以 做 之前 并没有 做 过 的 事情。 这是我 认为 他 机器人 研究方法 跟 其他 家 非常 不同 的 地方。

我 听起来 觉得 垃圾分类 是一个 超级 难 的 事情。 你说 如果 机器人 真的 要 做 垃圾分类， 我们 可以 把 这个 步骤 拆解 一下。 首先 他 要 去 识别 各种各样 的 垃圾， 这 可能 涉及到 识别 的 问题。 然后 识别 了 以后， 他 还要 判断 哪个 垃圾 放在 哪个 篓子 里。 接下来 他 会 需要 用 他的 机械手臂 去 把 垃圾 捡起来， 再 精准 的 投到 下一个 篮子 里。 其实 不同 的 垃圾， 比如说 它是 一个 瓶子， 是一个 杯子， 还是 一个 塑料袋 儿。 可能 军 武 你们 真的 做 这种 机械臂， 就是你 真实的 做 过， 你 可能 知道 这个 难度 有 多少， 听起来 还是 一个 蛮 有 野心 的 机器人 的。

对对对， 确实 像 你说 很 有 野心。 而且 我 很 认同 天宇 前面 讲 的， 他 跟 别的 就算 是 其他， 比如说 工业 机械臂 不一样的 地方 在于， 工业 机械臂 它的 环境 相对来说 还是 固定 的。 就算 它 可能 在 光照 条件 不一样， 太阳 角度 不一样， 但 无论如何 它 还是 在 那个 厂房 里， 对 吧？ 他 就算 别的 这种 挑拣 的 物件 不一样， 但 像 你说的 挑拣 垃圾， 然后 包括 像 天宇 前面 说 的 everyday robot， 它的 最终 的 目的 是 能够 走进 到 人的 生活 里 的那 比如说 我们 想 的 办公室 的 场景， 厨房 这样的 场景。 每家每户 的 厨房， 就算 在 家里 厨房 走到 客厅， 这也是 一个 一直 在 变化 的 场景。 所以 这一点 就是 ever robot 确实 很 厉害 的 地方。 它的 通用性， 它 一个 是要 技术 上 要 准确率 足够 高。 其次 是 就算 有一个 完美的 技术， 我们 也要 找到 可以 运用 这个 技术 的 一些 场景。

我 补充 一下 刚才 君 武 说到 的 一个点， 就是我 认为 所谓 的 做 通用 机器人， 它 能 做到 通用 的 任务 是 一方面 能够 在 通用 的 环境 确实 也是 非常重要 的 一方面。 就是我 关注 到 everyday r robot 的 真实 机器人 的 训练， 大多 是在 谷歌 的 办公楼 里 进行 的， 也就是说 是 真实的 环境， 这个 环境 中 可能 会有 非常 多 的 干扰， 我 觉得 这也是 在 机器人 业界 里面 其实 相对 难得 的 地方， 就像 君 武 刚才 说 的 工业 机器人， 也就是说 现在 真正 能够 商业化 的 机器人， 它的 全部 的 环境 都是 基于 这个 机器人 而 设计 的。 但 生活 不是 这样的， 生活 中 可能 会有 各种各样 的 突发 情况， 这个 机器人 都 需要 能够 应对 的 了。 我在 everyday robot 的 官 网上 曾经 看过 他们 讲 过 说 如果 能 让 一个 机器人 在 桌子 上 拿起 一个 杯子， 能够 在 任何 的 环境、 任何 的 桌子、 任何 的 杯子 都能 做到 的话， 这 可能 都 已经 是一个 诺贝尔奖 级别 的 成果 了。 所以 环境 的 适应力 是一个 很难 攻克 的 话题。

他 现在 怎么样 了？

Everyday robot 这样的 一个 项目， 他 现在 的 命运 也是 在 今年 1月初 的 一个 大 裁员 当中 被 波及 到。 很多 项目 里面 的 员工 算是 并入 到了 google 旗下 的 一个 可以 算是 research 部门， 叫做 robotics 在 google 那 robotics 在 google 据我所知 大部分 是 做 research 的。 据我所知 这个 everyday robot 并进 robotic 在 google 的 人 也 不是 特别 多。 所以 这个 就是 这个 公司 现在 的 一个 命运。 可以 说。

所以 天宇 刚刚 你 会说 被 顾客 关停 了 特别 可惜。

我 其实 从 一个 角度 上 也 说， 因为我 也 跟 学界 的 朋友 有聊， 似乎 everyday robot 在 业界 做 的 事情 更 像是 在 很多 学界 在 做 的 研究 的 内容。 因此 可能 并入 google research 也 不让 我 感到 特别 意外。

另外一个 方面 我也 看到 的 就是 最近 比较 火 的 人形 机器人， 或者 很多人 在 说 所谓 的 具 身 智能。 在 这个 领域 我 看到 的 两家 公司， 一家 是 特斯拉， 一家 是 one x 当然 也有 一些 其他 的 公司， 但 我 认为 这 两家 做 的 比较 先进， 我 觉得 主要是 离 量产 比较 近。 我 觉得 人性 机 机器人 跟 像 刚才 说 的 机械臂 不同， 很多 机械臂 的 公司 其实 它 用 的 是 通用 的 机械臂 组件， 比如说 像 covariant， 我 认为 他用 的 并不是 他 自己 做 的 硬件， 他 更多 的 是 去做 软件。 人形 机器人 不同， 我需要 重新 做 一个 人形 机器人 的 整个 硬件 出来， 以及 我要 给 它 配 上 软件， 配 上 A I 能够 让 他 做 一系列 的 事情， 我 觉得 是 很 考验 硬件 能力 的。 我 认为 特斯拉 在 这个 领域 非常 领先， 一方面 是因为 特斯拉 是 这 几个 大厂 当中， 我 觉得 唯一 一个 既 精通 硬件 又 精通 软件 的 东西。 且 它 精通 的 硬件 和 软件， 比如说 硬件 方面 电车 的 三电， 系统软件 方面 autopilot 这些 东西 都是 可以 直接 应用 到 机器人 当中 的。 你 也能 看到 说 在 过去 的 三年 当中， 它的 机器人 的 进步 是 非常 迅速 的。

一些 关键 的 部件， 比如说 他 能够 自己 生产 机器人 的 电机， 它 做出 了 很强 的 机器人 的 灵巧 手， 很多 的 部件 都是 自产 自 研 的。 这些 事情 让 我 看到 说 他是 在 以 一个 量产 的 思路 在 做 这个 机器人， 它的 目标 最终 式 量产， 以及 加上 特斯拉 本身 是 有 比较 强大 的 资本 支持， 让 我 对 特斯拉 的 人形 机器人 能够 真正 走入 人们 的 生活 当中 充满 期待， 所以 这是我 觉得 他们 比较 强 的 原因。 One x 也是 我 最近 才 看到， 因为 OpenAI 投资 了 它， OpenAI 上 一轮 投资 了 他 2350万美元， 是 一家 蛮 小的 公司， 是一个 挪威 公司。 可能 也 只有 50人左右， 但是 在 人形 机器人 领域 耕耘 了 六七年 了。 它的 下一代 机器人 我 觉得 是 基于 现在 这个 if 做了 很多 的 改进。 比如说 我 觉得 最大 的 改进， 它是 一个双 足 机器人 了。 也就是说 它 能够 走更 复杂 的 地形。

它 能够 上 楼梯。 之前 的 不算 是 双 足 机器人， 是 轮式 的对。

之前 简单 说 它 就是 靠 轮子 驱动 的。 如果 是 轮子 驱动 的话， 它 不能 上 楼梯， 它 不能 越过 障碍， 以及 它 必须 是要 相对 平 的 地面 可能 才能 走， 对 吧？ 如果 是 土地 泥地 可能 会有 一点 难度， 双 足 机器人 就会 避免 这些 问题， 但 相应 的 它 行走 的 速度 可能 要 慢， 消耗 的 能量 可能 更多， 所以 这 两者 是 各有 各 的 优劣。

其实 有一个 技术细节 我 不太 了解， 就是 当时 我记得 马斯克 在 展示 他们的 人形 机器人 的 时候， 他们 第一次 出场， 那个 机器人 是 直接 摔了一跤。 要 让 双 足 机器人 保持平衡 是 一件 很难 的 事儿 吗？

这个 很难， 因为 它 涉及到 机器人 的 重心。 比如说 一个人 在 走路 的 时候， 我们 要 不断 调整 重心。 作为 一个 机器人 来讲， 它 调整 的 这个 频率 也要 非常 高。 比如说 一秒钟， 它 可能 需要 有 30次的 控制， 或者说 60次的 控制， 或者说 多少 类似 于 这样， 每一次 控制 你 就 需要 计算 的 比较 精准。 我 怎么样 去 有一个 微小 的 变动， 可以 让 机器人 维持 自己的 平衡。

在 这 一方面， 其实我 也 并不是 这 一方面 具体 的 专家。 因为 这 是一个 很大 并且 非常 具体 的 领域， 叫做 白皮 的 robots 或者 就是 双 足 的 机器人。 甚至 可以 理解 为 by Peter local motion 叫 双 足 走路 的 运动 轨迹。 所以 有 不少 研究者 在 研究 local motion 就是 走路 轨迹， 以及 我们 叫 periodic motion generation， 就是 有 循环性 的 轨迹 的 生成。

在 这个 领域 里面 还是 一个 很难 很 有意思 的 一个 领域。 伯克利 有一个 教授 叫 kota shiners， 在 湾区 附近 他 算是 一个 专家。 包括 像 stanford 有一个 教授 好像 叫 Scott delt 和 Carry 刘 都是 这方面 的 非常 厉害 的 教授。 不过 我 还想 补充 一小 点， 当然 是 基于 天宇 讲 的 东西 之上 补充。 我也 非常 认同 天宇 讲 的， 比如说 one x 这些 use case。 我 其实 自己 在 想 的 一个 是 我们 讲 第一 梯队 的 公司， 他 公司 毕竟 它是 一个 盈利 的 一个 实体， 对 吧？ 他 公司 要 存活， 他 必须 要 找到 可 持续的 商业化 发展 的 一个 用途。

现在看来 其实 我们 前面 讨论 的 像 天宇 前面 说 的 one x 包括 像 我 前面 提 的 一些 coverage， 都是 可以 算是 说 比较 新兴 的 在 科技 上 运用 A I 比较 多 的 一些 公司。 他们 在 尝试 用 AI 去 解决 一些 更 宏观 的 问题。 比如说 通用性， 比如说 在 新的 场景 中 该 怎么样 去做 一件 没有 做 过 的 事情。 但是 对于 一个 公司 来， 他 要 做 的 是 解决 消费者 的 具体 的 需求。 在 这一点 上 来讲， 甚至 很多 需求 是 不需要 用 A I 解决， 或者说 不一定 需要 用 很多 A I 来解决。 比如 消 皇冠。 对对对， 比如 消 皇冠 或者 比如说 需要 非常 精准度 很高 的 一种 行业， 比如说 手术 机器人， 比如说 这样 这些 这么说， 就是 我们 前面 说的是 有 很多 在 感知 里面 用到 A I 包括 在 决策 当中 也会 用到 ai 但是 不少 现在 做 的 成熟 商业化 很 好的 机器人， 它 更 多是 它 能够 在 用 机器人 这个 东西 去 解决 客户 需求 这点 上 做得 很好。 至于 具体 的 机器人 solution 里面 有没有 A I 可能 是 它 并不是 一个 关注 的 一个 主要 的 点。 只要 能够 解决 客户 的 需求， 什么样 的 机器人 都 可以。

对， 我懂你 的 点， 就是 你是 想说 其实 在 机器人 的 议题 上， 更 应该 关注 它 实际 解决 了 哪些 痛点， 他 有 哪些 可以 商业化 的 潜力， 而 不是说 他的 A I 有 多 先进。

对， 比如说 举 个 例子， 我 前面 说 的 手术 机器人， 它的 难点 可能 在于 像 天宇 前面 讲 的， 有一个 叫 telly Operation， 就是 远程 控制。 这个 在 机器人 领域 里面， 我们 管 它 叫 shared autonomy， 机器人 和人 共同 来 控制 这个 机器人 的 自动化。 在 这一点 里面， 它的 难点 可能 更多 偏向 控制， 更多 偏向 这种 很 精细 的 几毫米 的 这样 一个 距离， 或者说 很 高频 的 这种 控制 这些 东西。 因为 在 数学建模 的 情况下， 他们是 物理 实体， 他们 能够 建立 数学模型， 所以 其实 数学 可以 做 的 非常 的 稳定 非常 的 稳固。 你 用 A I 的话 反而 可能 会 产生 一些 不确定性 的 问题。 这是 手术 机器人 里面 的 这样的 一个 例子。

所以 手术 机器人 它 其实 不算 用到 了 很多 人工智能 学 的 东西， 他 反而 用到 的 是 控制 学 的 东西。 我 这样 理解 是 对的 吗？

在 我的 理解 里 是 这个 样子 的。 因为 我们 看 达芬奇 机器人 其实 在 21世纪 初 的 时候 就 出来。 达芬奇 机器人 也 在 弯曲 的 一个 叫 intuitive surgical 的 公司， 它的 一个 实践性 的 产品。 它的 技术 核心 主要是 比如说 视觉 上 可以 让 医生 通过 机器人 看到 病人 这个 病灶 上 发生 了 什么样 的 一些 病变。 看到 之后 通过 机器人 就可以 相当于 机器人 是 医生 手臂 的 一种 延伸 这样的 感觉。 我 可能 再举 一个 非常 小的 例子， 就是 甄 的 要说 第一 梯队 的 机器人， 真的 能够 可以 产生 revenue 的。 这些 机器人 甚至 扫地 机器人 是 我们 可能 是 距离 我们 生活 最近 的， 并且 相对来说 能 帮 我们 解决 最多 痛点 的 一个 类型。

我 很 认同 君 武 刚才 说 的， 解决问题 为主， 并不一定 要 用 非常 多 的 A I 但 这里 我 有一点 要说， 就是我 觉得 一方面 是 可能 让 机器人 去 解决 一个 特定 的 问题。 在 这个 点 上 我 认为 确实 很多 工业 机器人 是 做 的 最好的， 且 离 钱 最近 的， 商业化 最近 的。 但 人形 机器人 这边 我 觉得 似乎 在 讲 的 另外 一个故事， 我承认 人形 机器人 似乎 离 真正 商业化， 离 真正 能 卖 还 很远。 刚才 说 归说， one x 的 机器人 可能 已经 能 卖 了， 他 什么时候 能 买到 我们 也 不知道， 但是 我 觉得 这 可能 是一种 未来 的 机器人 的 趋势， 这 可能 是一个 分支。

像 马斯克 在 讲 的 故事 是， 未来 机器人 可能 会 成为 我们的 labor force， 成为 我们 劳动力 的 一部分。 这个 机器人 它 能 做 各种各样 的 工作， 我们 能够 训练 它 做 各种各样 的 工作。 那你 就 不需要 再有 工业 机器人 的 时候 做 一个 机械臂， 我 在家 的 时候 做 另外 一种 机器人， 我 做 一个 扫地 机器人。 可能 一种 机器人 能够 解决 各种各样 的 工作。 这件 事情 在 P C 在 个人电脑 的 发展史 上 曾经 出现 过。 刚刚 有 电脑 的 时候， 其实 大家 都是 非常 specialize， 非常 专一 的 芯片。 一种 芯片 解决 一种 运算， 用于 一种 实际 场合， 但 到了 后面 出现了 C P U， 这 是一种 可以 做 各种各样 的 运算 的 芯片。 把 它 用于 不同 的 用途 是 通过 在 上面 的 软件 来 实现 的。

我 似乎 在 通用 机器人， 尤其是 人形 机器人 上 看到 了 一些 那个 时代 的 影子。 确实 这个 东西 离 真正 能够 变成 那样的 现实 还 很远。 我也 认为 比 解决 一个 芯片 问题 可能 会 需要 的 时间 更加 的 漫长。 但是 我 觉得 这 也 代表 了 一种 未来 的 方向， 包括 everyday robot 所做 的 努力。 哪怕 我 短期 就是 看不到 商业化 前景， 我 觉得 也 代表 了 一种 未来 的 方向。 我 觉得 也是 未来 那个 时代 可能 会 需要 的 东西。

我 觉得 研究者 总是 想要 去 解决 更加 有 野心， 更加 宏大 的 问题。 其实 从 商用 的 角度， 大家 其实 是要 去 找到 更多 的 机器人 落地 的 场景， 很 好的 商业化。 所以 我 觉得 这也是 是 每个人 心里 的 第一 梯队 的 机器人公司， 定义 都 不太 一样的。

对对对， 我 其实 还 挺 认同 天宇 前面 讲 的的。 比如说 我们 现在 讲 的 可能 是 现在 的 第一 梯队 的 公司 是 哪些？ 是 能 赚钱 的， 或者说 是 能够 解决问题 的。 但 以后 的 第一 梯队 的 公司 可能 我也是 认同， 他 就是 希望能够 在 通用 的 场合 下 能够 解决 更多 问题 的。

天宇， 我看 之前 就是 我们在 讨论 机器人 的 时候， 你 在 做 research 的 时候 说， 大概 2013年 的 时候， 其实 是 谷歌 收购 机器人公司 的 一个 高峰期。 谷歌 是 连续 收购 了 11家机器人公司， 包括 大名鼎鼎 的 波士顿 动力 也是 在 那个 时候 收购 完成 的。 现在 看起来 这 11家公司 没有 更多 的 消息 了， 为什么 他们 还在吗？

首先 我 要说 就是 谷歌 在 这 11家公司 这个 事儿 上 保持 的 比较 低调， 包括 网上 甚至 没有 公开 说是 11家公司 是 当时 他们的 负责人 andy Robin， 也就是 当时 安卓 的 那个 创始人， 他说 的 时候 有 11家， 可能 网上 只能 查 到 78家， 所以， 我们 很多 这里 的 信息 都是 猜测。 对我 当时 知道 的 结果 就是， 首先 波士顿 动力 被 转卖 了 两次， 可能 估值 已经 降到 了 之前 买的 时候 的 3分之1。 还有 一家 公司 叫 shaft， 那 家 公司 也 被 解散 了， 其他 的 公司 并没有 查 到 什么 消息。 我 觉得 这里 有 一部分 是 行业 原因， 我 觉得 也有 相当 一部分 可能 是 谷歌 自己的 原因。

首先 行业 原因， 我 觉得 谷歌 本身 就是 在 做 技术 难度很大 的 一件 事情。 我 印象 中 这 13家公司 里边 都是 涉及 机器人 非常 不同 的 各个领域。 比如说 刚才 说 的 shaft 是 做 双 足 机器人 的 公司， 还有 做 人性 机器人 的， 有 做 机械臂 的， 有 做 视觉 的 等等。 可能 他 希望 做 的 是 把 这 11家公司 的 不同 技术 能够 整合 起来。 从 我身边的 经验 可以 看到， 你 整合 一家 公司 的 技术 就 已经 是 一件 很难 的 事情 了。 把 不同 的 硬件 和 软件 整合 在一起 已经 非常 困难 了。 他 想做 的 这件 事情 确实 在技术上 很 有 难度。

更 重要 的 是 我也 要说 那时候 是 2013年 的 事情， 那时候 A I 才 刚刚开始。 2012年 是 深度 学习 的 元年， 我没有 记错 的话， 所以 这件 事 确实 就 很难。 另外 就是 商业化 还 遥遥无期， 到 现在 可能 还 离 商业化 还 很远。

我 觉得 包括 波士顿 动力 这家 公司， 据我所知 确实 技术 非常 的 先进， 可是 在 商业化 上 一直 遇到 阻力， 对 吧？ 我知道 军方 有 很多 买 他们的 产品， 可是 其他 的 我 并没有 听说 很多 真正 买 波士顿 动力 这个 机器人 产品 的 公司。 所以 整合 了 一顿， 可能 并没有 找到 商业化 的 出口， 也是 这些 公司 逐渐 淡去 的 原因。

但是 我 其实 觉得 可能 谷歌 自己的 这个 组织 原因 可能 占 到 更大 的 一部分。 首先 2013年 的 时候 是 andy rubin 来 牵头 做 这件 事情。 然后 2014年 andy ruby 就 爆出 了 性丑闻， 上任 不到 一年 就 离开了 谷歌。 当时 谷歌 的 员工 也是 说， 就是 因为 没有了 领导人， 整个 合并 的 愿景 都 变得 非常 不清晰。

然后 2015年 又 来了 一波， 那个 时候 发生 的 是 谷歌 可能 最大 的 战略 重组。 谷歌 成立 了 它的 母公司 alphabet， 然后 成立 了 google x 这些 公司。 我们 也 并不知道 它 到底 是 还 留在 google 里边， 还是 并入 到了 alphabet 当中。 这里 边 没有 找到 什么 公开的 信息， 但是 我 当时 找到了 一些 别的 信息， 就是 当时 next C E O 也 在 这 波 当中 受到 了 影响。 因为 他们的 四 是从 谷歌 移出， 并 到了 alphabet 里边。 这里 边 就 发生 了 非常 多 的 办公室政治， 很多 事情 可能 承诺 都 并没有 兑现。 以及 这个 公司 到了 alphabet t 里面 之后， 相当于 它是 一个 要有 独立 的 财务指标， 要 承担 更大 的 财务 压力。 那 对他 这个 公司 的 运营 又会 带来 更多 的 挑战。

Nest 本身 是一个 还 能够 挣 一些 钱 的 公司， 可是 机器人 就 更 不用说 了。 所以 我 能 想象 说 在 这样的 事情 中 又 遭遇 到 这样的 大 的 环境。 谷歌 发生 这么 大 的 变化， 把 这么 多家 机器人 整合 到 一起， 能够 做成 一个 更 厉害 的 机器人公司。

这件 事情 确实 听 上去 非常 的 难， 我们 也 确实 不知道 最终 这些 机器人 的 技术 到底 有没有 流传 下来。 因为 毕竟 经历 了 这 一波 好多年 以后， 我们 能 看到 谷歌 确实 是 走出 了 两个 机器人 的 分支， 一家 就是 everyday robot， 另外 一家 是 intrinsic。 Everyday robot 在 做 的 是 通用 机器人 intrinsic 更多 的 是， 第一 是 机器人 的 操作系统， 第二 是 一些 工业 机器人 的 应用。

其实 我们 讲 google 的 机器人 发展 跟 google 的 公司 文化 也 挺 有关系 的。 Google 是一个 从来不 害怕 收购 很多 公司， 但 也不 害怕 去 裁 掉 项目 的 这样的 一个 公司。 比如说 天宇 前面 讲 的 nest， 比如说 我们是 在 去年 还是 在 反正 最近 一年 内 看到 他 有 一个游戏 平台 叫 study， 之前 做 的 很好， 但 不知道为什么 现在 整个 项目 也都 被 停掉 了。

Studio 发布 的 时候 还 挺 隆重 的对 吧？

也 挺 隆重 的。 对对对， 然后 包括 像 youtube 现在 也 砍掉 了 一个 叫 stories 的 feature。 所以 google 这个 文化 in general 就是 不怕 砍掉 项目。

对你 要不要 跟 听众 简单 解释一下， 就是你 当时 在 vicarious 做 的 事情， 也 想知道 为什么 机器人 研究 这么 难。

商业化 这么 难。 其实 具体 我 本来 在 vacation 做 的 事情， 就是 分拣 机器人 里面 简 这个 步骤。 我们 讲 分拣 就是 分 的话， 我们 假设 有一个 很大 的 一个 框子， 这个 大 框子 里面 假设 有 一堆 的 护手霜， 那 芬 其实 是 我们 英文 当中 叫 grasp 或者 pick 这样的 一个 动作。 就是 把 护手霜 从 这个 大 篮子 里面 拿 起来。 简， 我们 就可以 理解 为 placement。 那就 是从 这个 大 篮子 里面 拿出 一个 护手霜 之后， 怎么 把 它 放到 比如说 抵达 千家万户 的 这个 亚马逊 的 小盒子 里面， 这个 就是 placement。 所以 这个 是我 之前 在 公司 具体 做 的 事情。 我们 公司 in general 就是 像 我 前面 说的是 在 做 比如说 挑拣 日用品， 挑拣 护手霜 这样的 一些 工作。

那 为什么 这么 难 呢？ 我 觉得 它 每 一层 其实 都有 难点， 整合 起来 会 更难。 我会 把 它 比较简单 的 分为 三层， 就 机器人 的 技术 的 这个 要点 简单 分为 三层。 一个 是 感知， 一个 是 路径 规划， 一个 是 执行。 这 三层 会 是 不少 机器人 技术 环节 划分 比较 通用 的 三层， 我 觉得 运用 在 分拣 货物 里面 也是 比较 适用 的那 感知 路径 规划 和 执行 各有 什么 难点 呢？

感知 比如说 我们 怎么样 去 判断 一个 未知 物体 的 姿态， 以及 我们 怎么 判断 一个 已知 物体， 但是 我们 没有 见过 的 一个 姿态。 比如说 我们在 训练 的 时候 是 训练 这个 护手霜， 就 站在 这个 桌子 上， 或者 它 就是 一个 固定 的 形态。 我们 就算 训练 集 里面 有 比如说 十个 不同 的 护手霜 的 这样的 一个 位置 的 一个 姿态。 问题是 我们在 一个 1000个 护手霜 的 大 篮子 里面， 那 一千个 总归 会有 我们 之前 没有 学习 过 的 这种 姿态。 那 这个 时候 我们 怎么样。

识别 你的 姿态， 指的 是什么？ 是 他 站在 桌子 上， 躺在 桌子 上， 还是 跟 其他 的 护手霜 躺 在一起， 还是 说 这个 护手霜 它的 形状。 因为 我们 知道 护手霜 类似 于 一个 锥形 的 物体， 它的 形状 可能 设计 的 很 可爱， 是一个 小 圆球。 到底 是 哪 一步 呢？ 你 指的 是 它的 那个 姿势 还是 说 形状。

其实 这 两个 都 包括 了。 对对对， 你说的 非常 的 准确。 举 比较 生动 的 例子， 当然 我们 这里 很 希望 有一个 摄像头， 就 比如说 我们 一个 手机， 它是 怎么样 去 放在 桌子 上， 是 这样 立 起来 的？ 还是 完全 躺 着 的， 还是 这样 竖 着 的。

所以 为什么 我们在 口语 当中 这么 难说 呢？ 就是 因为 姿态 是一个 很难 用 口语 或者 去 想象 去 完全 解释 的 一个 东西。 所以 在 业界 我们 就有 一个 词 叫 pose。 Pose 这个 词 其实 包括 了 一个 物体 的 X Y Z 和 它的 roll pitch。 要 这 六个 参数。 这 当然 可能 讲 的 比较 那个， 但是 在 业界 我们会 用 这 六个 参数 去 描述 一个 物体 所谓 的 一个 姿态。 所以 这是 感知 里面 的 难度。 就是 比如说 很多很多 护手霜 的 情况下， 我们 怎么样 去 把 一个 护手霜 去 精准 的 确定， 这就是 一个 护手霜， 而 不是 一个 护手霜 的 一个头 或者 一个 尾巴 或者 怎么 样子 的。

因为 你们 也有 客户， 在 实际 的 操作 中， 护手霜 就是 在 护手霜 的 篮子 里， 机器人 从 护手霜 的 篮子 里 捡， 还是 说 护手霜 在 一堆 化妆品 和 洗漱 用品 的 篮子 里， 他 要 精准 的 取出 护手霜 这么 一个 物品。

我们 公司 做 的 是 前者， 就是 一堆 护手霜 里面， 然后 取出 一个 护手霜 放到 一个 盒子 里， 这是 第一步， 就 这 一步 已经 很 一步 就 不简单。 对对对， 当然 后面 还有 更多 步骤， 我们 可以 待会儿 再聊。 你说的 第二步， 我们 业界 叫 cluttered grasping， clutter grasping.

就是我 知道 有 很多 科研 方面 在 做， 但 至少 从 业界 上 来讲， 我们 公司 本身 没有 特别 多 做 这方面， 所以 这是 感知 的 难点。 你可以 说 路径 规划， 或者 也可以 在 某些 机器人 的 语境 里面 也可以 说是 决策。 是什么 意思 呢？ 就是 我们 拿起 了 这个 护手霜 之后， 我们 怎么样 把 它 移动 一些 位置， 然后 放到 这个 盒子 里 抓娃娃。 对， 怎么样 从 娃娃机 抓 起来 的 那一瞬间， 然后 把 它 吊到 抓娃娃机 那个 口对 吧？ 这个 路径 他 就 规划 也是 个 很 有意思 的 事情。

为什么 说 有意思 呢？ 我们 人 抓娃娃 的 时候， 我们 知道 那个 机器手 并不是 每次 都 可以 很 准确 的 抓 到 娃娃 一模一样 的 地方 的。 同样 对于 我们 业界 捡 护手霜 也 一样。 假设 我们 第一步 做 的 不是 特别 准确， 没有 在 护手霜 的 正当中 去 把 它 捡起来。

这里 我 还要 再 补充 一个 背景， 就是 业界 里面 有 不少 的 机械手 都 是用 吸盘 的。 像 天宇 前面 讲 的 夹子， 这种 我们 叫 ripper grapple 一般 是 日常 物件， 包括 像 更 通用 的 场合 会 用 在 工厂 里面 很多 就是 一个 机械臂 的 问我 有一个 很小 的 吸盘， 那 这个 吸盘 要 吸 护手霜 的， 正当中 是 最好的。 问题是 我们 万一 没有 吸 到 正当中， 我们 只 吸 到了 瓶盖， 那 这个 时候 我们 就 不能 再 以 常规 的 吸 到 正当中 的 那个 姿态 去 规划 我们 未来 的 路径。 因为 如果我们 还是 以 常规 姿态 去 规划 的话， 很有可能 护手霜 就 卡 到 最后 盒子 的 边缘 了。 那 我们 就会 损坏 那个 送给 消费者 的 纸盒子。 这个 时候 该 去 怎么样？ 调整 自己的 路径， 这也是 一个 很 有意思 的 问题。

第三点 就是 执行， 就算 我们 前面 两点 都 有问题， 我们 最后 快要 把 护手霜 放到 盒子 里， 这个 位置 是 错的。 举 个 什么 例子 呢？ 假设 我们 要把 护手霜 就 放到 这个 盒子 的 边缘 了， 你知道 我们 亚马逊 那个 盒子 的 边缘， 它是 一个 硬纸 壳， 它 边缘 不是 很 宽 的。 我们 如果 硬 用力 要 往 那个 边缘 上 施加 力， 就会 把 这个 盒子 给 弄弯 或者 弄坏。 那 我们 怎么样 去 避免 这样的 这种 情况， 我们 就 需要 在 执行 的 时候 有 很多 的 安全 的 设定。 Safety conditions, 这就是 执行 里面 一些 难点 的 例子。

我们 再 把 这 三层 不同 的 技术 要点 再 整合 起来， 整合 本身 这 一步 也是 有 很多 难点， 像 感知 会 用到 的 一些 摄像头。 如果我们 在 厂房 里面 有一个 工作人员 一不小心 去 触碰 了 一下 这个 摄像头。 因为 你知道 厂房 可能 相对 都是 比较 窄 的 一个 过道。 他 走路 路过 说 一不小心 衣服 碰 了 一下， 手臂 碰 了 一下 这个 摄像头。 那 我们 可能 就 需要 重新 做 这个 摄像头 的 校准。 因为 如果 不做 校准 的话， 我们 之后 所有 那些 感知 路径 规划 执行 都 会有 一致性 的 错误。 所以 这一点 我们在 平时 工作 中 其实 特别 有意思。

我们 当 每次 发现 它 这个 机器人 挑 的 东西， 每次 错的 范围 都 一模一样 的话， 我们 就 知道 这 肯定 是 这个 校准 有问题。 因为他 每次 拿 错的 位置 都一样， 错的 值 本身 都 差不多。 所以 这就是 整合 里面 难点 的 一个 例子。

那每 一层 都有 难点， 整合 起来 更难， 就 导致 了 比如说 在 分拣 货物， 或者说 在 in general 这个 A I 机器人 在 商业化 的 时候 就会 产生 很多 问题。 因为 这每 一层 都有 难点， 整合 起来 更难， 它 导致 的 是一个 准确率 不高 的 问题。 准确率 不够 高 的话， 在 很多 场合 它 就会 导致 商业化 受到 挑战。

你们的 准确率 大概 能 达到 一个 什么样 的 程度？

这个 是个 好 问题。 我 觉得 可能 跟 不同 的 项目 会有 不一样的 区别。

准确率 最高 的 是 哪一类 的？

就是 A I 机器人 并不是 一个 开关， 它 肯定 是 有一个 谱 的。 它是 有 几个 层级 的， 准确率 更高 的， 肯定 是 更加 好 做 的 一些 项目。 比如说 像你 前面 说 的 货物， 在 整个 篮子 里 的 货物 都是 一致 的。 如果 一个 篮子 里 全 是 护手霜， 肯定 会 比 这个 篮子 里 又有 护手霜， 又有 别的 一些 护肤品， 这个 篮子 更好 做。

所以 他 其实 是 取决于 给你们 出的 题 有 多难。

对， 一个 是 他 给 我们 出的 题 有 多难， 另一个 是 如果 是 难题， 针对 于 这个 题， 我们 该 去 怎么 把 这个 难题 解 好， 我们 能 控制 的 就是 怎么 把 难题 解 好。 至于 出的 是什么 题， 这个 其实 我们 作为 工程师 很想 有 一些 控制。 但是 总的来说 还是 公司 的 这个 产品 部门 和 商业 给 我们 签合同 的 那些 部门 来去 制定 的， 也要 看 客户 是什么 需求。

我 很 好奇， 就是 你们 在 工厂 里 去 用 这样的 一个 机器人 跟 用 一个人， 你 觉得 成本 能 打平 吗？

这 是个 好 问题。 我们 之前 遇到 了 很多 挑战， 就是 因为 用 机器人 的 成本 还没有 用人 的 成本 来 的 便宜。

因为 现在 是 研究 阶段， 这个 其实 可以 理解。 你 觉得 十年之后 能 打平 吗？

这个 很难说， 给 一个 具体 的 时间线。 比如说 客户 给 我们 出的 题 比较简单， 那 我们 就 更好 打拼。 客户 出的 题 更难， 我们 就 更难 打拼。 具体 要说 时间点， 比如说 未来 还有 多少 年 之后 可以 做到 全部 的 收支平衡， 这 也 很难说。 但是 至少 在 我们 之前， 我可以 说 我们是 能 看到 希望， 能 看到 曙光 的。 我们 没有 差 的 那么 远。 但是 最后 那 一点 好像 就 快要 做到 了。 但是 解决 了 最后 10% 甚至 5% 的 这个 准确率 都是 比较 难 的， 要 花 很多 功夫。

这就 跟 自动驾驶 里面 的 那些 长尾 问题 一样。 因为 我们 最后的 百分之几 很多 时候 看到 的 是 所谓 的 边缘 情况。 那 边缘 情况 该 去 怎么 处理， 对 吧？ 那 这个 就是 A I 能够 进来 帮 我们 解决 的 一个地方。 因为 A I 它的 强项 是 通用性， A I 它的 强项 或者 它的 目的 是 我们 未来 希望 解决 我们 没有 看到 过 的 场景。 我们 未来 希望能够 在 这个 边缘 情况下 能够 做得 更好。 所以 我的 回答 会 是 我们 现在 能 看到 曙光。 但是 如果 要 达到 收支平衡， 还是 需要 整个 A I 的 技术 会 准确率 更高 一些。

我 当时 研究 的 时候 就 感觉到 说， 现在 这些 主流 的 工业 机器人 都在 走 robot as a service。 这个 商业模式 我 其实 觉得 还 蛮有意思 的。 简单 的 说 就是 我不知道 真的 部署 或者 是 这个 硬件， 我们 会不会 收 一笔 固定 的 费用。 但是 好像 有 也 不是 很高， 主要是 靠 我真的 能 完成 一件 工作， 我 一件 一件 的 收钱。 感觉 这个 商业模式 确实 是 降低 了 不少 公司 去 使用 它的 隐性 的 成本。

公司 可能 觉得 那 我们 就 试一试， 我们 一开始 的 这个 前期 投入 比较 的 低， 但是 这个 商业模式 我也 觉得 确实 给 机器人公司 增加 了 很多 压力。 第一 方面 是 客户 会 直接 比较 说 你 这个 东西 你 做 一件 要 多少钱， 我的 一个 人工 我要 多少钱。 然后 比较 出来 可能 就会 觉得 说 用 这个 实际上 不 省钱。 另外 一方面 也是 机器人公司 一定要 把 这个 客户 做成。 否则 的话 我 这个 工作 没 做成， 我 最终 也 赚 不到 钱。 其实 把 很多 的 风险 转嫁给 了 机器人公司。

对 这点 我是 特别 认同 的。 其实 商业模式 里面， 之前 跟 天宇 讨论 过 一些 很 有意思 的 一些 点就 这个 robot service 这个 模式 其实 对 客户 是 更 有利 的。 因为 对于 公司 来讲， 我们 要 做 一个 机器人 的 这个 产 线， 前期 要 投入 很多年 的 研发， 这么 多 工程师 也是 需要 钱 的对 吧？ 我们 假设 一个 在 我的 理解 里 一个 比较完善 的， 就 麻雀虽小五脏俱全 的 机器人公司， 可能 需要 比如说 50到100 人。 所以 我们 首先 要 定义 一下 什么 叫 A I 机器人公司， 对 吧？ 像 我 之前 待 的 这些 公司 叫 vicarious， 他 自己是 不做 机械臂 的。 他是 把 机械臂 从 像 A B B， 像 coca 这种 O E M， 我们 叫 O E M 生产商 那边 拿 过来。 我们 自己 在 纯 做 机械臂 的 这个 软件 和 整合。 比如说 我们 就 给 客户 提供 这些 我们 买 过来 的 机械臂 或者 是 租 的 机械臂， 对 吧？ 然后 客户 他 最后 拿到 的， 他 购买 的 产品 只是 我们的 服务， 我们 当中 要 做 一堆 的 软件 的 整合， 然后 包括 像 硬件 怎么 跟 我们 买来 的 机械臂 进行 整合， 因为 毕竟 也 不是 我们 自己 造 的 机械臂。

就算 50到100个 人的 公司， 他的 工资 对 吧？ 就算 比如说 我们 每个 硅谷 平均水平 是， 比如说 来自 多少 万， 10万或者 15万。 你 这么 一算 和 你 一个 生产线 能 获得 revenue 其实 并不是 成 比例 的。 你 要 做 很多很多 的 产 线， 很多很多 的 项目， 才能 开始 慢慢 形成 真正 的 有 profit。 你 可能 产生 营收 不难， 但是 这个 营收 是不是 能够 抵得 上 你的 支出， 这个 就是 商业模式 里面 很难 的 店。

所以 还是 要 规模化 对 吧？ 对， 但 你们的 规模化 又 不是 他 可以 轻易 扩张 的。 就像 你说 摄像头 的 位置 变 一下， 它 可能 都 会对 结果 产生 影响。 所以 我 理解 它 会有 一个 通用 的 软件系统。 但是 我们 说 每 新 进来 一个 客户 挑 护手霜 跟 挑 其他 的 一些， 哪怕 只是 一个 洗发水 可能 都 不一样。

对， 可以 这么 理解， 我们的 目标 肯定 是 想做 的 更 通用， 但是 现实 还是 要 从 一个个 项目 做起。 所以 你 前面 说 为什么 机器人 这么 难？ 他 可能 有 两个 难点， 一个 是 技术 难点， 一个 是 商业 难点。 技术 难点 我们 就 前面 讲 的 是 三个 技术 环节 都有 难点， 并且 整合 起来 也很 难。 商业 难点 就是 它的 商业模式 以及 是不是 能够 规模化， 并且 这 两个 都是 影响 的。 因为 如果 技术 做得好 的话， 准确率 高， 我 规模化 就 相对 简单。 但是 如果 技术 做 的 没有 准确率 那么 高， 那 这个 规模化 不行， 然后 就会 容易 形成 良性循环， 但 也 容易 形成 恶性循环。

对的， 我 能 想象 到 的 就是我 先签 了 一个 客户， 我需要 花 很多 的 时间 来 为 这个 客户 解决问题。 我 又 签 了 一个 客户， 这个 客户 可能 是 另外 一套 不同 的 问题， 这些 人我 就要 分散 精力 去 解决 另外一个 客户。 那 这样的 导致 的 结果 就是我 不能 在短期内 扩大 很多 的 客户， 而 可能 有 一些 客户 也会 因此 不 满意， 也会 因此 不去 续签。 所以 这里 边 其实 能够 真正 达到 这种 scale 的 程度， 需要 技术 能力 非常 高， 否则 就 挺 难 达到 这个 良性循环。

最后 想 补充 一个点， 就是 你说 客户 真的 能不能 从 这个 合作 中 去 节省 一些 成本， 我 很难 给你 一个 能不能 的 答案， 但 我 至少 可以 给你 介绍 一个 例子， 为什么 还 这么 难？ 比如说 我们的 这个 生产线 上， 比如说 我们 一个 产 线 是 有 七个 或者 八个 不同 的 机器人， 或者 来自 十个 机器人 在 挑拣 货物。 其中 如果 一个 机器人 的 摄像头 出了 一个 小 问题， 因为 它 产 线 很多 时候 有可能 是 顺序 性 的、 序列 性 的那 它 整个 机器人 的 产 线 都 要当 掉 当掉 之后， 会 有人 要 进来， 要 人工 的 去 把 这个 货物 再 放 回去， 然后 要 再 把 机器人 一个 一个 的 开 起来。 因为 机器人 要 讲究 安全， 他 当掉 肯定 是 开 起来 不像 我们 发动 一下 汽车 这么 快。 他 要 确保 好了， 半个 小时 的 这个 什么 叫 有效 生产 时间？ Productivity time 就 没有了， 这 半个 小时 一下 没了， 就算 一天 就可以 来 那么 两三个 半个 小时， 客户 都会 觉得， 这个 真的 是 让 我 搞 的 心里 很烦。

而且 他 每次 都要 联系 你们的 人 去 维护， 去 调整。

对他 知道 另外一个 例子 就是说 机器人 的 易用性。 很多 东西 可能 只有 我们的 人 会 知道 该 怎么 去 reset， 怎么 去 重置。 就算 我们 去 交 了 outside 在 场地 的 这些 人 也没有 那么简单。 包括 像 我们 最后一个 小 例子， 就是 我们 之前 还有 把 东西 放到 盒子 里， 把 盒子 整个 给 弄坏了， 然后 东西 也 飞 到 地上 飞 了 好 几米远， 这个 时候 客户 就 比较 光火， 说， 你 怎么 把 我 东西 都 弄坏了。 在 这样的 情况下， 除非 我们 能够 很快 的 去 改进 我们的 算法。 但是 如果 长此以往 的话， 客户 肯定 是 觉得 还是 用 人工 来 比较 好。 但 我也 不是说 我们 公司 就 什么东西 都 做得 很 糟糕 的 意思。 那就是说 这个 难点 在这里 是 举 一个 例子。

你 觉得 客户 现在 去 用 这些 机器人公司， 对 他们 来说 只是 一个。 我想 尝试 一下， 看看 业界 最 先进 的 生产力 达到 了 一个 什么样 的 水平， 还是 说 他们 真的 是从 成本 跟 投入产出比 的 角度 去 考虑 的。

我 觉得 是 后者。 因为 现在 招 人 很难， 很多 的 我们 之前 的 客户 遇到 的 问题 是在 厂房 里 工作 很 枯燥， 并且 产 线上 的 人的 工资 肯定 也 不是 特别 高， 所以 招 人 比较 难。 在 招 人 难 的 情况下， 对于 我们的 客户， 他们 怎么样 提高 生产力 呢？ 那就 只能 去 寻求 机器人 的 帮助。 所以 为什么 我 前面 说 如果 机器人 做得 很好， 能够 给 客户 带来 很多 价值。 但 如果 机器人 做 的 还没有 人类 做 的的 好， 那 可能 就 不一定 有 很多 价值。

我 其实 也 刚才 在 想说 这个 问题。 我 觉得 有 一些 场合 可能 是人 也能 做， 机器人 也能 做， 很多 时候 就是 在 算 投入产出。 但 确实 有 一些 事情 似乎 是人 不太能 做 的。 比如说 高低温 的 环境， 比如说 这个 东西 特别 重。 我 之前 看到 有 这个 机器人 给 车 的 车体 去 喷漆 或者说 刷漆， 这个 车体 可能 人都 举 不动， 对 吧？ 那 这些 事情 可能 只有 靠 机器人 来做， 以及 有 一些 工作 可能 有 比较 大 的 危险性。 比如说 我知道 买 波士顿 动力 的 机器人， 有 军方， 有 警方， 他们 可能 做 的 是 一些 比较 危险 的 工作， 在 这些 时候， 可能 机器人 就 成为 了 很多 时候 唯一 的 选择， 我 觉得 这些 方面 会 比较 有 商业化 的 前景， 但是 在 这些 人 也能 做， 机器人 也能 做， 然后 算钱 的 时候， 可能 现在 还是 有 不少 的 挑战。

君 武， 你 觉得 现在 商业化 比较 好的 机器人公司 有 哪些？

您 指的 机器人公司 是 无论 什么 行业 的 吗？ 还是 比如说 在 工厂， 然后 工业 机器人 里面。

我 觉得 可以 无论是 什么 行业 的。 因为 其实 刚刚 你 举 了 扫地 机器人 的 例子， 然后 我们 之前 有 讨论 过 亚马逊 的， 也是 仓库 运货 的 一个 机器人 叫 Kevin k 他 应该 是 只是 在 仓库 里面 搬箱子 的 机器人。

我的 理解 是 他 确实 是在 仓库 里面 的 一个 移动机器人 搬 的， 可能 并不是 直接 送到 我们 手里 的 那些 纸箱子， 他 可能 搬 的 是 货架， 比如说 他 会 在 一个 大 的 仓库 里面， 把 这些 货架 一个 一个 的 通过 移动机器人 把 它 直接 送到 人的 面前。 那 这个人 就可以 直接 从 货架 上 取 货品 放到 我们 这个 一个个 抵达 到 我们 家里的 小的 纸盒子 里面。

明白。

我 有 看过 keva system 的 视频， 它是 一个 很高 的 货架， 可能 一层 一层 垒 起来 的。 Amazon 边 叫 gold cut 这个 keyboard system 就 能够 钻 到 这个 货架 的 最 底下， 然后 把 这个 货架 给 顶 起来， 移动 到 合适 的 地方。 如果我 没 理解 错 的话， 现在 在 大规模 使用 的这 套 K 8 system 并没有 特别 多 的 A I 他在 货场 里面 很多 底下 都 是一个 一个 的 barr code。 我 通过 跑 的 时候， 机器人 底下 我可以 识别 出 这个 barcode 我在哪儿， 然后 基于 此 我 来确定 我 移动 到哪里。 对， 所以 是 一套 可能 并不是 很 AI， 但是 很 实用 的 一套 技术。

对我 同意。 因为 像你 前面 问 到 什么样 的 公司 商业化 比较 容易？ 天宇 前面 讲 了 一个 我 也很 有 共鸣 的 一个 想法， 就 是从 传统 的 没有 很多 A I 的 机器人， 但 我们 现在 慢慢 想做 的 越来越 通用。 有 A I 的 机器人， 它 当中 并不是 一个 flip switch， 并不是 一个 开关， 它是 要 有一个 谱， 它是 一个 过渡性 的那 在 这个 过渡性 的 阶梯 上， 它 越 靠近 传统 的， 可能 相对来说， 因为 场景 里 的 不确定性 因素 就 比较 少， 所以 它 就 越 容易 商业化。 但 同时 它的 上升 空间 也 比较 小， 因为 它 没有 办法 做 很 通用 的 东西， 反之 也是 必然， 对 吧？ 就 反之 它 也是 它 在 这个 谱 上越 靠近 未来 的， 比如说 我们 自动驾驶 里面 的 L 5， 或者说 纯 通用 的那 它 也 越 难 做。 它 在 现在 商业化 越 难， 但 它 未来 的 上升 空间 也会 比较 大。

如果 要 回答 现在 有 哪些 公司 商业化 做 的 比较 好 的话， 我会 选择 像 我 前面 说 的 场景 不确定性 因素 比较 少 的 公司， 比如说 像 kiva 这个 project。 但 kiva 被 amazon 其实 是 收购 了， 收购 之后 就 转 成了 现在 说 的 amazon robotics。 他的 这个 场景 就像 天宇 说 的， 它是 就在 一个 厂房 里面， 相对来说 线路 要 走 的 地方 都是 相对 已知 的。 他 要 做 的 技术 难点 就是 数学 里面 的 一个 优化 问题。 有点像 我们 打 uber， uber 可能 是一个 例子。 还有一个 是 航空公司 的 那种 塔台 的 起飞 的 air traffic control。 什么时候 这个 飞机 该 往 哪里 飞， 然后 什么时候 这个 机器人 该 往 这里 走， 这个 就像 一个 大型 的 交通管制 的 这样的 一个 系统。 还有 一些 如果 要说 机器人 的话， 比如说 扫地 机器人 这些。 当然 该 我不知道 他们 现在 有没有 盈利， 但是 他们 肯定 是 至少 从 收入 上 来讲。

有 一些 应该 是 应用 最 广 的 机器人 了。 因为 它 首先 是 to c 的， 然后 他 又是 一个 非常 日用 的 场景。 我不知道 大家 家里 有没有， 我 感觉 很多人 家里 应该 都有。

对对对， 当然 有些人 会 觉得， 我 买回来 之后 还是 没 啥 用， 用 的 也 不多。 所以 这个 涉及到 就算 这么 家用 的 一个 机器人， 真正 会 每天 去 用 它的 人 也没有 那么 多。 所以 这也是 一个 有意思 的 一个点。

除此之外 的话， 可能 像 手术 机器人 有用 不少 的。 因为 手术 机器人 它是 有 具体 的 痛点 的。 比如说 在 某些 欠发达国家， 它的 医生 的 医术， 它 需要 慢慢 去 培训， 去 train。 在 培训 好 之前， 比如说 我知道 有 一些 髋关节置换， 包括 膝盖 关节置换 的 这样的 一些 机器人， 就是 帮助 医生 可以 一起 把 手术 做得 更好。 包括 像 有 一些 种植牙 的 机器人， 做 外科手术 的 这样 一些 机器人， 都是 能够 帮助 医生 可以 更加 稳定， 更加 精准 的 去 做好 这个 手术。 他 是因为 有 具体 这个 痛点， 并且 机器人 帮 他 解决 的 比较 好。

最后 一类 我想 cover 的 就是 比如说 原来的 那些 相对 传统 的 这些 汽车 机器人， 然后 在 厂房 里面 的 包括 像 A B B 这些 大 的 机械臂 的 制造商。 同样 因为 他们 场景 相对 固定， 并且 能够 大规模 的 去做 很多。 比如说 机器人 喷漆， 像 天宇 说 的 人 没有 办法 去做 的 事情， 这样 他们的 商业化 是 比较 成功 的。

对我 觉得 这 可能 就 跟 之前 我们 理解 的 那种 工业 生产线 上， 就是 一步步 的 把 那个 生产线 给 机械化， 最后 做到 一个 全 无人 的 生产 工厂。 就有 一点点 像 他 可能 就像 你说的， 解决 的 场景 是 非常 固定 的。 天宇 我记得 之前 就是你 在 采 伯克利 的 博士 的 时候， 他是 怎么 评论 A I 的 那句话 的。

就是我 觉得 我 做了 这 一圈 研究， 让 我 觉得 比较 难过的 两点。 第一 是 就 别说 大 模型 了， 其实 真正 用到 A I 的 机器人公司 都 并不多， 用到 的 A I 也都 不 深。 然后 就是 能 商业化 的 能力 跟 用 多少 A I 似乎 成 相对 反比， 用 的 越少 的 似乎 能 商业化 的 前景， 越 好用 的 越多 的 礼仪， 真正 的 量产 和 商业化 就 越 难。

据 我的 了解， 现在 真正 用到 A I 的 机器人 很多 还是 停留 在 视觉 方面。 我 用 computer vision 来解决， 我 现在 可以 抓 这个 东西， 抓 那个 东西， 抓 我没有 识别 过 的 东西。 我 这里 有 一定 的 智能化， 但 你说 这个 机器人 到底 有 多 智能， 它 本质 还是 在 做 抓娃娃 这 一件 事情。 这个 事情 并没有 本质 的 改变， 所以 只能 说是 有 一些 智能， 在 有 智能 的 比较 早期， 离 真正 的 通用 我 觉得 还 比较 远。

然后 你说 哪些 机器人公司 是在 盈利 商业化 做 的 比较 好的 的话， 我 觉得 在 A I 的 这个 领域 里面， 可能 不能说 已经 有 哪些 公司 盈利 做得 非常 好。 但是 我 个人感觉 有些 特点 是 可以 让 他 盈利 比较 容易 的。 收入 上 来讲 怎么样 可以 做得 更多 呢？ 这个 就是 先 从小 项目 做 起先 把 一个 客户 的 问题 真正 解决 好， 形成 一个 稳定 的 收入 的 一个 流。 这 样子 的话， 以此 之上， 然后 再去 做 一些 慢慢 去 拓展。 这 可能 是我 个人 在 这个 行业 里， 当然 做 的 时间 也不 多了， 但 好像 简单 的 一些 经验 和 体会， 这是 收入 方面。

支出 方面 的话， 就是 一定要 把 公司 的 这个 商业模式 给 选 好， 平衡 好。 如果 是 一 上来 就有 很多 机器人公司 自己的 前期 投入 的话， 那 就要 确保 有 比较稳定 的 founding 的 backup？ 如果 是要 比较 健康 的 这样 持续的 收入支出 的 平衡 的话， 那 支出 就 可能 怎么样 去 用 比较 少 的 人 做 更多 的 事情， 怎么样 去 把 机器人 硬件 方面 设计 的 更加 通用， 怎么样 去 减少 一些 错误率， 其实 也会 给 公司 减少 一些 支出 的对。

接下来 其实 是一个 我 觉得 现在 大家 都 非常 关心 的 问题。 就是 这 一轮 人工智能 的 发展， 还有 大 语言 模型 的 发展， 他 对 整个 机器人 的 研发 到底 有没有 影响？

首先 我 觉得 机器人 还 远远 没有 到达 这个 ChatGPT 时刻， 我 觉得 大 模型 能够 真正 的 运用 在 机器人 上， 以及 达到 商业化 所 要求 的 准确度 和 一致性， 我 觉得 还有 很长 的 路 要 走。 但 我 觉得 能 看到 一些 曙光， 这个 曙光 可能 是在 五年 后， 10年 后 才会 真正 进入 到 业界。 但 我 能 看到 几个 点。 第一个 点 就是 可能 也是 现在 大 语言 模型 做 的 最强 的 地方。 机器人 可以 和人 用 自然语言 来 交流 了。 机器人 可以 基于 人的 自然语言 去 把 这个 事情 拆解 成 要 做 的 任务， 而 不用 人 来 编程 告诉你 要 做 这项 任务。 谷歌 之前 发布 的 那个 palm e 解决 的 其实 是 这个 层面 的 问题。

另外 一方面 我 看到 的 是在 训练 数据 方面 的 一些 突破。 大于 语言 模型 或者 大 模型 本身 是 有 提供 很多 的 预 训练 的 数据。 然后 我可以 通过 fine 2的方式， 让 这个 模型 能够 适用 在 不同 的 地方。 如果 这样的 事情 在 机器人 领域 出现 的话， 那就是说 我们 有一个 通用 的 机器人 模型。 我 基于 这个 机器人， 我 再 增加 一些 额外 的 训练 数据， 而 不用 特别 多 的 数据， 我 可能 就 能够 适应 新的 场景。 谷歌 在 这个 领域 发布 了 一个 模型 叫 R T one robotic transformer 1， 他 就 做到 了 一些 类似的 事情。 比如说 我可以 使用 别家 的 机器人 的 数据 也 灌入 这个 模型 中， 然后 发现 给 自己 机器人 的 模型 的 训练 的 准确度 也 有所提高。

那 如果 这样的 事情 能够 实现 的话， 那 我们 包括 也 看到 在 学界 里边 有人 其实 在 做 这样的 东西。 比如说 伯克利 和 好多 几个 高校 联合 起来 做了 一个 机器人 通用 的 训练 数据集， 把 各种 不同 的 机器人 数据 都 拿 过来 一起 用。 这样的话 导致 的 结果 是我 训练 一个 机器人 所 采集 的 数据量 和 采集 数据 的 时间跨度 会 大大的 减少。 这 可能 会给 训练 出 更好 的 机器人 带来 很多 的 维度 和 空间。

最后 就是 基于 大 模型， 我们 也 看到 机器人 可能 会 增强 执行 从未 执行 过 任务 的 能力。 这个 在 谷歌 的 R T one 上 已经 有所 体现 了。 他 基于 做 过 的 一些 任务， 然后 去做 没有 做 过 的 任务。 能够 看到 说 这个 模型 驱动 下 准确率 有 明显 的 提高。 这些 事情 让 我 觉得 是 离 真正 的 通用 机器人 更 近 了 一步。 但 我要 确实 说， 无论是 prom e 也好， 还是 R T one 也好， 这 两个 可能 是 最近 比较 重磅 的 机器人 的 大 模型 了。 业内 的 人士 说 这 都 不是 第一次 在 业界 里面 出现 这个 模型， 其实 在 之前 可能 都有 类似的 研究成果。 而且 这些 模型 的 准确度， 你 比如说 R T one， 它 可能 最高 的 事情 的 准确度 也就是 七八十， 最多 到 90。

R T one 是什么？ 可以 解释一下 吗？

R T one 叫 robotic transformer one， 顾名思义 就是 把 transformer 这个 模型 架构 运用 在 解决 机器人 的 事情 当中。 如果 基于 之前 军 武 说 的 三层 的 这个 模型 结构 感知 到 拆解 任务 和 路径 规划， 再到 执行。 那么 它 主要 解决 的 我的 认为 这是 第二层， 就是 拆解 任务 和 路径 规划 motion planning， 通过 大 模型 来解决 一些 这样的 问题。 这里 就说 到了 它 可以 对 一些 位置 的 任务 也 能够 做到 路径 规划， 这就是 可能 大 模型 的 这个 能力 的 体现。

你 如果 去 看 R T one 的 数据 的话， 可能 他 做 的 最好的 几项 任务， 可能 准确率 只有 85、 90， 还 达不到 业界 能 用 的 95% 99% 的 准确度。 所以 我 认为 在 现在 的 阶段， 它 对 学界 的 意义 可能 大于 对 业界 的 意义。 但是 能够 整体 看出 这些 事情 对 机器人 有 比较 好的 正向 的 影响。

你 要不要 给 大家 也 解释一下 palm e 是什么？

Prom E E 这里 代表 的 是 embodied， 就是 谷歌 为 机器人 感知 理解 任务， 理解 人的 需求 做 的 一个 大 模型。 它 有 两 部分， 第一 部分 就是 谷歌 上 一代 的 大 语言 模型 palm 第二 部分 是一个 叫 vision transformer。 这个 模型 顾名思义 它是 把 transformer 运用 在 了 视觉 以及 尤其是 图像 的 识别 当中。 这 两个 模型 和 2为1， 它 主要 的 目的 是 很多 时候 是 能够 让 机器人 去 理解 人的 任务。 今天 把 这个 任务 能够 拆解 成 具体 的 每一步 执行 的 任务。 具 举 个 例子， 如果你 给 pum e 放 上 一张 厨房里 蛋糕 原料 的 图片， 你 问 他 基于 这些 蛋糕 原料 怎么 做蛋糕？ 这个 模型 它 可以 根据 他 看到 的 信息， 把 这个 事情 拆解 成 第一步， 打碎 鸡蛋， 然后 把 鸡蛋 放到 把 篮子 里 放 上 糖 混合 一下， 然后 最终 生成 蛋糕。 它 可以 去 把 基于 图像 的 理解 以及 人们 需求 的 理解， 能够 把 它 分拆 成 一步一步 的 任务。

这个 模型 很 有意思 的 地方 在于， 它 能够 做到 机器人 的 任务 的 同时， 并没有 丢失 它 原来 语言 模型 的 能力。 也就是说， 你 去 问 他 一些 常见 的 大 语言 模型 的 问题， 他 也 能够 回答。 甚至 说 多 模态 的， 包括 带 图片 的 他 也 能够 回答。 比如说 你 给他 放 一张 水果 的 图片， 你 问 他 这 里面 有什么 水果， 他 也能 给你 回答 的 很好。

Palm e 之前 是 跟 everyday robot 谷歌 的 这个 项目 有 合作。 在 prom e 驱动 下 的 everyday robot 的 机器人 就可以 完成 我人 跟 他 说话， 机器人 就 能够 理解 我的 任务。 把 它 拆解 好， 比如说 让 他 去 拿 一个 什么东西， 机器人 就可以 理解， 然后 走 到那里 把 东西 拿 起来， 然后 返回。 当然 整个 的 这个 过程 并不是 全部 由 他们 一来 完成 的。 但是 就像 我 刚才 说 的， 它 解决 的 是 前面 这部分 人 可以 跟 机器人 自然 地 用 语言 对话 了。 机器人 能够 理解 整个 的 过程 并 拆解 程序 要 做 的 任务。

天宇 讲 的 非常 详尽， 我 觉得 挺棒 的。 如果 要说 有什么 补充 的话， 那 可能 可以 还是 回到 大 模型 对于 机器人 有 什么样 的 改变 这样 一个 议题 上来。 其实 alphabet 在 我的 理解 里面 有 3篇跟 机器人 比较 相关 的 paper， 两篇 是 天宇 前面 已经 提到 的 泡面 和 R T1， 还有 一篇 是 比较 早期 的 一个 研究 的 paper 叫 c can。 这些 东西 是 怎么样 改变 机器人 的 呢？ 举 一个 例子， 假设 我们 要 让 一个 机器人 说 给我 拿 一个苹果， 在 第一篇 paper c can 之前， 那 机器人 可能 会说， 你 去 grocery store 买 一个苹果 来。 他 可能 完全 就 不会 想到 说， 其实 厨房 里面 本身 已经 有 苹果。 或者说 他 也 不会 想到 说 他 自己 能不能 真的 出 这个 房子 去 gary store 买东西。

C 看做 的 事情 是一个 叫 grounding， 就是 把 语言 模型 和 机器人 真正 能 做 的 事情 结合 在一起， 所以 这是 第一个 非常 中心 是 第零 层。 因为 如果 语言 模型 说 一些 非常 机器人 完全 做不到 的 事情， 那 也没有 办法， 所以 这 是一个 语言 模型 对于 机器人 的 改变。 在 C 看 这 篇文章 之后， 就像 天宇 说 的， 有 V I T 叫 vision transformer。 有了 vision transformer 之后， 机器人 就可以 通过 语言 和 图片 真正 去 了解 这个 机器人 具体 能 做 什么东西。 但是 我们 前面 讲 机器人 的 这个 三层 结构 是 感知、 决策 以及 执行。 这 三层 结构 其实 都是 为了 去 解决 一个 具体 的 问题， 解决 一个 具体 的 task。 在 大 模型 之前， 这个 task 是 需要 有 软件工程师 真正 自己 去 编程 编 进去 的。 那大 模型 之后 人们 就可以 跟 机器人 说， 你 帮 我 拿 一个苹果。

相当于 首先 这 第一步 是 解决 了 机器人 具体 要 做什么 任务 的 这样 一个 问题。 然后 我 非常 认同 前面 天宇 说 的 这个 R T one， 其实 解决 了 第二层？ 就有 了 任务 之后， 我 该 怎么样 去 生成 一些 机器人 的 具体 的 动作。 就像 我们 现在 ChatGPT， 我们 跟 他 说说话， 他 自己 会 生成 很多 语言 和 这些 词汇 一样。 R T one 希望 做 的 是 能够 把 我们 本来 就是 在 传统 的 工程 机器人 的 概念 里面， 每一个 动作 是 需要 非常 具体 一个个 去 硬 编程 编 进去 的那 R T one 可能 会 希望 在 第二层 里面 有 一些 更加 通用性 的， 更加 generalize 的 机器人 这样 一些 决策。 总的来说 就是 两点。 第一个 通过 语言 模型 可以 让 人和 机器人 能够 更好 的 交互， 知道 机器人 具体 应该做 什么样 的 一个 任务。 其次 是 有了 这个 任务 之后， 假设 这个 任务 是一个 新的 任务， 他 没有 做 过 的 情况下， 怎么样 可以 通用性 更好 去做 一些 这样的 一些 任务。

对我 听起来 还是 有 帮助 的。 但是 整体 上 这个 帮助 它 都是 集中 在 软件 层面。 但 其实我 觉得 机器人 最难 的 部分， 可能 是因为 它 要在 一个 真实的 物理 世界 去 完成 一个 任务。 现在 我们 整个 的 互联网 上 数据 已经 非常 非常 多了。 这也是 为什么 在 这个 时间点 上， 像 这种 大 语言 模 能够 爆发 的 一个 重要原因。 但是 我们 把 物理 世界 编程 数据， 这个 数据 有 多少， 现在 可能 还是 非常 非常少 的。

我记得 那天 我们 吃饭， 然后 还有 jm 对 吧？ 就 我们 当时 在 一个 饭桌 上， 我们 就说 为什么 机器人 这么 难？ 饭桌 上 有 一碗 汤， 然后 这 不 就是说 如果现在 让 机器人 去 盛 这个 糖， 那就 很难。 我们 可能 要在 这个 屋子 的 屋顶 装 一圈 摄像头， 而且 还 不能 有 移动。 其次 是 我们 盛 汤， 如果 灯光 正好 打 到了 一个 阴影， 摄像头 能不能 照 到 这个 阴影 以及 在 阴影 下 识别， 这也是 很难 的。 假设 现在 的 光线， 我们 刚刚 录音 的 时候 太阳 在 落山， 这个 光线 是在 不停 变化 的那 可能 机器人 它 又 无法 识别 了。

而 我们 要 去 收集 这个 物理 世界 的 数据， 它 本身 就是 一个 非常 难。 要 一点一点 上传， 一个 case 的 去 收集 数据。 对比 互联网 这种 大 爆发式 的 数据 增长， 整体 上 感觉 在 物理 世界 里 还是 挺 难 的。

确实 是因为 在 物理 世界 里， 像你 所说 的 数据 很难 收集。 现在 有 不少 公司 有一个 新的 一个， 当然 也 不算 那么 新 了。 就 相对来说 这 两年 依托 英伟 达 的 一些 G P U， 依托 算 力 的 暴涨， 大家 也 开始 慢慢 去 看， 怎么样 在 模拟 世界 里 可以 来 训练 这个 机器人。

这个 其实 它 有 好处 也有 弊端。 好处 在于 它 不用 像 我们 收集 物理 实体 的 那个 数据 那么 难。 因为 像你 前面 提 的， 收集 真正 的 数据 很难， 然后 你 可能 会 问我 难 在哪里， 那 我们 首先 要把 机器人 开开。 机器人 开开 本身 如果 在 真正 的 产 线上， 可能 就 已经 是一个 比较复杂 的 一个 事情。 在 这个 产 线上 你 还要 收集 各种 不同 场景 里面 的 数据 都是 比较 难 的。 但是 我们在 模拟 里面 可能 就会 可以 做到 不同 种 天气， 不同 种 的 场景 去 模拟， 去 训练。

这是 它的 好处 的 地方， 它 数据 生成 很 容易， 它 相对来说 的 弊端 就是 模拟 跟 真实世界 里 到底 它 会有 什么样 的 一个 区别。 如果 模拟 跟 真实世界 是 一模一样 的那 真的 是 完美 了。 但是 我们 尤其 在 机器人 这种 需要 跟 物理 世界 打交道， 业界 学界 有一个 词 叫 dynamics。

有 很多 动态 的 情况下， 那 这个 是 怎么样 去 模拟 就 很难。 举 个 例子， 我们 可以在 屏幕 上 模拟 一个人 在 踢足球。 我们在 屏幕 上 看到 这个人 在 踢足球， 然后 把 球 踢走 了。 这个 motion 我们 如果 只是 纯 视觉识别 的话， 我们都知道 他在 踢足球。 问题是 我们 怎么 模拟 这个 足球 游戏 里面， 球 被 人的 脚踢 到 之后 真正 有 多少 力。

然后 那个 力 算出去 他的 物理 世界 里， 他 应该 飞 到哪里 去， 它 会不会 再 弹起来， 它 还是会 滚动。

对 对对对， 所以 有 一些 传统 的 基于 物理 的 模拟。 但是 真实生活 中的 数据 并不是 所有 事情 都是 可以 建模 的。 比如说 我 把 一杯水 从 这里 倒 出来， 这个 水 的 运动 我 该 怎么 去 建模， 对不对？ 包括 像 当然 我不是 物理 方面 的 专家， 但是 比如说 有 一些 什么 气体， 一些 分子 或 布朗运动 或者 怎么样 这种， 我只是 举 个例。

这 并不是 所有 东西 都是 可以 被 用来 建模 的。 如果 在 没有 办法 所有 东西 都 用来 建模 的 情况下， 我们 怎么 确保 模拟 世界 和 真实世界 的 一致性？ 如果 模拟 世界 和 真实世界 不一致， 我们 怎么样 把 在 模拟 世界 里面 训练 出来 的 A I 的 这些 策略 用 在 真实世界 的 时候， 我们 怎么样 对它 进行调整？ 这个 就是 学界 里面 叫 simply real gap 的 这样的 一个 问题。 这些 也都 是 大家 有 很多人 现在 还在 做 科研 的 这样的 一个 领域。 其实 英伟 达 有 很多 很棒 的 模拟器， 比如说 isac， 它 里面 有 一些 比较 先进 的 模拟 技术， 这个 英伟 达 是 走 在 前列 的。

而且 你说 到 这个， 其实我 想到 因为 Jason 英伟 达 的 创始人 黄 教主 杰森 黄， 他是 比较 希望 用 模拟 的 方法 去 解决 这个 问题 的。 其实 在 英文 的 专业术语 里面 叫 simulation。 就是 因为 只要 去 用 simulation 的 这种 方法 解决， 大家 就 需要 在 里面 造 一个 虚拟世界， 就 需要 买 它的 显卡， 然后 他 就可以 卖货 了， 对 吧？ 这 是一个 方法。 但是 确实 像 你说的， 模拟 世界 并 不能 代表 真实世界。

这个 在 大概 六七年 前， 就是 自动驾驶 开始 发展 的 时候。 最 开始 我记得 自动驾驶 基本上 每个 公司 都会 先 在 simulation 里面 跑 数据， 跑 完 以后 就会 去 真实的 路上 去 跑 数据。 最后 其实 我们 经常 在写 新闻稿 的 时候， 很多 自动驾驶 公司 都 会说 我们的路 测数据 是 多少。 那 我们 就 一定 会 问 说 你 这个 数据 是在 模拟器 里面 跑 的， 还是 说 你 真实的 在 路 测数据 上 跑 的。 因为 这两点 是 完全 不一样的， 就是 很显然 路 测 积累 的 corner case 边缘 案例， 它是 更有 价值 的。

对对对， 可能 还是 回到 模拟 的 目的 是什么， 对 吧？ 就是你 前面 说 数据 收集 很难， 模拟 的 目的 主要 还是 给 A I 在 训练 的 时候 有 更多 的 数据。 但是 也 像你 所说， 我们 真正 用 A I 真正 用 这个 机器人， 最后 还是 要在 实际 世界 里面 的。 所以 这 两个 可以 算是 模拟 解决 的 是 前期 的 问题， 实测 解决 的 是 后期 的 问题。

基于 你 刚刚 说 的， 其实 也有 一个 机器人 里面 的 例子。 比如说 机械臂 上面 经常 会有 一些 传感器 的 线， 比如说 我们 机械臂 的 末端 控制器 里面， 它 会有 一个 力矩 传感器。 传感器 的 走线 它 其实 是 有点像 你可以 想象 成人 也有 血管， 人 也有 肌肉 的 脉络， 肌肉 的 经络。 问题是 机器人 的 传感器 的 神经， 它是 要 装 在 机械臂 外面 的。 但 机械臂 在 现实生活 当中 会有 这种 不同 的 幅度 的 运动。 这个 运动 就会 导致 力矩 传感器 的 这根 线 有些 时候 会 被 拉扯 到。 一 拉扯 到 的话， 这个 东西 就会 导致 它 传感器 的 数值 不准。

这一点 其实 在 模拟器 里面 去 很难 去 模拟 的。 至少 我见 过 的 没有 特别 多 的 公司 会 真正 去 做到 细节 上去 模拟 这个 力矩 传感器 受到 的 力 是 多少。 因为 在 A I 训练 里面， 这个 并不是 一个 特别 关键 的 点。 它是 在 最后 大家 用 之后 发现 有 这个 h case， 然后 我们 再去 解决。 当然 这方面 我也是 在 不断 学习， 这个 可能 也 并不是 看 的 最 完善。 但是 期待 看到 更多 更加 准确 的 一些 模拟。

现在 如果说 做 机器人 是一个 体系 的话， 感觉 模拟 已经 是一个 必不可少 的 步骤 了。 就 比如说 我 印象 比较 深 的 就是 intrinsic 收购 的那 家 公司 叫 R O S。 他的 目标 就是说 能够 让 机器人 的 开发者 能够 快速 的 做出 机器人。 它 自己 集成 了 很多 机器人 的 通用 部件， 以及 自带 了 模拟 环境。 也就是说 能够 让 你 把 这些 机器人 的 这些 通用 的 部件， 通过 它的 这个 开源系统 能够 给 连接起来， 然后 直接 进入 它的 模拟 环境 去 模拟， 能够 达到 一个 相对 可用 的 状态， 然后 再 放到 现实 世界 当中 去路 测。 让 我 看到 说 好像 模拟 simulation 在 整个 机器人 的 研发 过程中 已经 变成 了 一 环。 我 确实 在 我的 研究 中 没有 看到 说 某 一家 机器人 抛开 模拟 不做 模拟， 直接 就上 真实世界 去 测。 所以 感觉 现在 变成 了 一个 必不可少 的 环节 了。

尤其是 在 跟人 交互 很多 的 场景 下。 对你 前面 说 的 ross， 它 确实 是一个 像 我们 学 机器人 的， 从 上 研究生 的 课 开始 就会 用到 的 一个 开源 的 项目。 然后 你说 之前 确实 是 收购 了 他 背后 的 一个 公司 叫 open robotics， 非常 认同 他们。 一开始 我们会 觉得 他 很 有用的 一点， 就是 他 有 这个 叫 r VS， 叫 一个 visualization。 这个 very visualize 里面 有 一些 模拟 的 东西 是 它的 优点。 它 相对来说 现在 可以 做 的 更好 的 一点 就是 怎么样 加入 像 我 前面 说 的 物理 的 这种 模拟。 它 那种 模拟 都是 我们 叫 canna tic simulation。

所谓 cannot atic 和 dynamic 的 区别 就是 dynamic 会 受到 力 的 影响， 但 kinematic 并不是 跟 力 的 研究 相关 的。 所以说 你看 那个 机器人 在 ross 的 模拟器 里面 动来动去 可以 动 的 很快。 比如说 一秒钟 可以 动 个， 我 就 随便 说 个 数字， 1秒钟 可以 动 3米。 那 在 现实生活 中 是不是真的 能够 一秒钟 3米？ 他 如果 一秒钟 移动 了 末端 控制器， 移动 了 3米， 会不会 让 机器人 飞出去？ 会不会有 很大 的 惯性？ 像 惯性， 然后 像 加速度， 这些 都是 跟 力 的 研究 相关 的这 一点 正是 ross 之前 没有 做 太多 的 点。

可以 说 做 这一点 其实 也是 比较 难 的， 要 依托 很多 的 算 力， 所以 还是 比较 看好 N B 那些， 包括 像 之前 也有 像 bullet， 它 也是 一个 物理引擎。 然后 包括 像 unity 这种 做 游戏 的， 他们 也都 是 物理引擎。 这方面 的话 确实 有 不少 的 新的 进展 在 这个 领域。

所以 总体上 来说， 我们 觉得 这 一轮 的 大 语言 模型， 它 在 软件 方面 还是 能 给 机器人 很多很多 的 帮助 的， 包括 在 这种 模拟 世界 的 训练。 但是 真正 在 物理 世界 里面， 可能 还是 有 很多 的 难题 要 解决。

对我 觉得 可能 大 语言 模型 分 语言 模型 和 大 模型。 你说的 没错， 就 语言 模型 可以 帮助 交互， 大 模型 可以在 软件 上 有 很多 的 提升。 大 模型 可能 在 模拟 里面 还有一个 应用， 就是 可以 通过 大 模型 去 产生 更多 的 数据， 然后 用来 训练 机器人 的 A I 的 policy。 总的来说 模拟 其实 是 依托 算 力 的， 就是 模拟 这是 一 很大 的 一块 大 模型， 也是 很大 的 一块。 然后 这两块 都是 对于 软件 这 一块 是 有 很大 的 帮助。 但是 他 是否 真的 能够 work， 还是 要 整合 之后 看一下 在 现实 之间 的 表现 是什么 样子 的， 所以 这点 我 也很 期待。

好， 谢谢 两位。 今天 非常 的 精彩， 我 觉得 聊得 也很 透彻， 这也是 我们 节目 为数不多 的 线下 录音。 今天 跟 大家 最后 说 一个 小 花絮， 就 我们的 录音 环境。 因为 我们 今天 有 三个人， 但是 我 只 带 了 两根 线， 就 三个 话筒 两根 线， 所以 非常 辛苦。 天宇 一直 在 对 着 我们的 一个 外放 的 收音 系， 总 在 非常 大声 的 扯 着 嗓子 喊， 所以 今天 非常 的 辛苦。 天宇 感谢 天宇， 感谢 君 无。

感谢 大家， 谢谢 红利， 谢谢 大家。

这就是 我们 今天 的 节目。 如果 大家 对 机器人 有 什么样 的 看法， 或者 有 更多 的 问题， 欢迎 大家 给 我们 写 评论， 写 留言。 中国 的 听众 可以 通过 小宇宙、 苹果 播客、 喜马拉雅 听、 FM、 荔枝 F M、 网易 云 音乐、 Q Q 音乐 来 收听。

我们 美国 的 听众 可以 通过 apple podcast 的 google podcast、 spotify、 amazon music 来 收听 我们。 当然 大家 也可以 去 使用 很多 的 泛 用 型 播客 客户端 来 收听。 我们。 特斯拉 和 蔚 来 的 车主 可以 通过 你们的 车载 渠道 搜索 硅谷 101。 感谢 大家 的 收听， 谢谢。