科技云报道:“大模型+机器人”,具身智能将开启“智械时代”

简介: 无限可能

科技云报道原创。

从15世纪达芬奇绘制出世界上第一份人形机器人手稿,到如今波士顿动力、本田、特斯拉、Figure AI等企业相继推出了人形机器人产品,机器人新物种持续衍生,人形机器人产业已经从萌芽概念阶段进入产业化落地前期。

近日,由科技巨头OpenAI、微软、英伟达以及电商巨头亚马逊创始人杰夫·贝佐斯等重量级投资者共同支持的人工智能机器人初创公司Figure AI,正式揭开了其第二代人形机器人Figure 02的神秘面纱。

这款被誉为“地球上最先进的AI硬件”的机器人,不仅标志着人工智能技术的又一里程碑,也预示着以具身智能为内核的人形机器人向工业化、商业化应用迈出了坚实的一步。

1.png

超越想象的智能新物种

正如Figure名称所暗示的那样,这一堪称目前最先进的人形机器人是2023年推出的Figure 01的后继产品。

今年3月,Figure 01发布时,就曾引发市场高度关注。当时,Figure 01可以与人类进行全面对话,机器人的所有行为都是学到的,并非是远程操作。这背后不仅有Figure引以为傲的端到端神经网络技术,还全面融入OpenAI所推出的多模态AI大模型,科技界普遍将这一人形机器人视为“行走的ChatGPT”,具备模仿人类行为、深度学习与思考以及与人类进行自然且高效率沟通等诸多强大能力。

Figure 02在大脑上,依然集成了OpenAI的GPT-4o多模态大模型,相比较于Figure 01使用GPT4,Figure 02将进一步地提升机器人的常识推理能力,使其能够更好地理解和响应复杂指令,机载计算和AI推理能力提升3倍。

与特斯拉的Optimus以及波士顿动力的Atlas相比,与OpenAI大模型的深度集成也一直是Figure引以为傲的强项,该集成使其在多模态推理和任务执行方面更具智能性和适应性,提升其在视觉、听觉和语言交互方面的能力,使其能够执行复杂的端到端任务,适用于工业制造、仓库物流等侧重于轻载搬运和分拣转移的混合任务场景。

在小脑上,Figure02延续使用类似01产品类似的RT-X机器人控制模型,使用模型预测控制器来确定脚步位置和保持平衡并遵循所需的机器人轨迹所需的力,结合步态控制以完成机机器人的基本运动,全身控制策略则确保了机器人在执行动作时的安全性和平衡性,未来将持续优化提升动作执行能力。

在对话推理方面,Figure 02可以通过内置麦克风和扬声器与人类进行语音对话。这一核心功能依托于与OpenAI合作训练的定制AI模型,能够理解、处理并回应人类的语音输入。机器人以语音作为默认操作界面,意味着用户可以像跟人交谈一样自然地与Figure 02互动,而无需依赖传统的按钮或屏幕界面。

得益于机载视觉语言模型(VLM),Figure 02能通过摄像头“看懂”周围环境。进行快速的语义理解和常识性视觉推理,并做出智能判断。例如物体识别、场景理解,甚至洞悉人类的行为意图,显著增强了机器人在复杂现实世界中的适应和交互能力。

此外,Figure 02机载CPU/GPU的计算和AI推理能力是上一代产品的3倍。这一重大提升使其能够完全自主地执行现实世界中的AI任务,而无需依赖外部资源。

事实上,Figure 02只是具身智能的一个载体形式。在ITF World 2023半导体大会上,英伟达创始人兼CEO黄仁勋直言,人工智能下一个浪潮将是具身智能,是能理解、推理、并与物理世界互动的智能系统,AI与机器人的融合,具有很好的想象空间。

特斯拉CEO马斯克在近期举行的2024特斯拉股东大会上表示,人形机器人将是今后特斯拉主要的长期价值来源,他也认为,以具身智能机器人为代表的产品有望成为AI的下一浪潮,并且将成为工业主力,数量有望超越人类,预计将达到100亿至200亿台。特斯拉的目标是年产10亿台,占据市场10%以上的份额。

1950年,图灵在他的一篇论文中首次提出了“具身智能”的概念,其是人工智能的一个重要分支,它强调智能体与其所处的物理环境紧密交互,通过人形机器人等智能实体实现感知、决策和行动。这种结合让人工智能可通过摄像头、传感器等理解环境,并通过机械臂、轮子等执行器作用于物理世界,在物理空间中学习、适应并完成指令任务。这是一个包含人工智能几乎所有技术的领域,可以说是AI的集大成者。

从全球具身智能当前发展看,大致可以分为三个流派:实用派、性能派、学术派。

实用派——以特斯拉、Agility Robotic和1X Technologies为代表的实用派看重商业化落地的可能性,希望“让一部分人先用起来”。可以接受前期仅在部分场景中替代少量劳动力,在设计初期便拥有明确的商业化落地目标,着重于快速降低成本、推动量产落地。特斯拉于2023年12月中旬发布了第二代人形机器人,提升了行走速度,可完成拿鸡蛋等精细操作,给了市场更多的信心,预计2024年试产,2025年量产,最终目标售价期望低于每台2万美元。

性能派——以波士顿动力为代表的运动性能派,则拥有与军方三十年之久的合作经验,着重于挖掘现有人形形态机器人的运动潜力,不太关注成本,Demo机已拥有完成诸如后空翻、跑酷等高难度动作的能力,有可能在未来战争中起到一定作用,但碍于成本过高,而影响了量产计划。而Apptronik这类公司则拥有深海、太空等极端环境下的产品经验,还与NASA有较多合作开发经验,第一款通用机器人Demo只有上半身,计划在2024年底前实现商业化。

学术派——以李飞飞教授和谷歌团队为代表的学术派则非常追求大模型对于机器人的变革,打造出“RobotGPT”的基座模型,实现零样本或少样本学习,在更复杂乃至陌生的环境中执行任务,实现人形机器人的智能涌现。

2.png

螺旋上升与曲折前进

具身智能这条长坡厚雪的赛道上从不缺少拓疆者。从简单的结构驱动到关节驱动,再到完成跑步、转弯、识别特定人群面孔系统的高度集成,至目前能发挥自主决策等功能的高动态运动阶段,早稻田大学WABOT-1、本田ASIMO、波士顿动力Atlas、特斯拉Optimus、小米CyberOne“铁大”、优必选WalkerS等代表作,不断突破着技术的边界。

综合来看,具身智能在其发展过程中目前仍面临着多项挑战,这些挑战源自于其发展过程中的复杂性和不断变化的需求。

首先,是要适应非结构化真实环境。与预设规则和模式驱动的传统AI系统不同,具身智能必须在一个充满复杂性和不可预测性的非结构化环境中找到立足点。在这种环境中,信息的稀缺和场景的多变性,要求AI系统具备更加先进和灵活的计算能力,以便能够适应环境的不断变化和不确定性。这不仅是一个数据处理的问题,更是对AI系统感知和适应能力的全面考验。

其次,是要发展更高级的认知策略。在自然界中,生物体通过视觉、听觉和触觉等多种感觉途径获得复杂的感知信息,并在大脑中进行有效的多模态信息融合。具身智能同样需要模仿这种高效的多模态融合过程,以更全面地理解和适应其所处的环境。这包括但不限于对三维空间中物体的精确识别和定位,以及对环境变化和内在联系的动态捕捉。

此外,涌现式创新与突破的缺乏影响着具身智能的进化程度。生物群体能够展现出令人惊叹的集体智慧,主要归功于其中个体之间的协同作用。对具身智能来说,一个重要的挑战是模仿这种群体智能系统。这意味着需要将智能分散到多个实体中,并通过它们之间的协作,实现更高级别的认知和决策能力。生物群体所展现的自组织和适应性特征,允许它们根据环境的变化和个体之间的差异进行自我调整。具身智能需要发展类似的机制,以实现分工协作和动态任务分配,从而能够更灵活地应对多种情境。

最后,具身智能在与真实环境进行交互并充分学习时,势必会收集和处理大量数据。这就引出了一个关键问题:如何在实时交互中确保这些数据的安全性和隐私性。保障数据安全和用户隐私是具身智能发展中不可忽视的重要方面。此外,具身智能在决策时还需要考虑伦理和道德问题。因此,未来的发展不仅需要技术创新,还需要建立更为健全和全面的伦理指南,以指导具身智能在复杂情境中的行为决策,确保其行为符合道德原则和社会价值观。

具身智能的发展不仅是技术革新的过程,更是对人类理解、伦理道德和社会影响的深思,相关研究在推动科技边界的同时,还将深刻影响人类社会的方方面面。

离我们还有多远?

赛迪研究院发布的《2024中国人形机器人产业生态发展研究》显示,2023年,我国人形机器人产业进入爆发期,产业规模增长至39.1亿元,同比增长85.7%;预计2024年、2025年人形机器人产业将持续高速增长,2026年中国人形机器人产业规模将突破200亿元。

根据高盛的预测,在技术得到革命性突破的理想情况下,2025年至2035年全球人形机器人销量复合年均增长率可达94%,2035年市场规模将达1540亿美元。更乐观的预测提出,在生成式人工智能技术大爆发的当下,人形机器人极有可能实现超预期增长,下一个万亿级“蓝海”已呼之欲出。

从场景角度来看,人形机器人的目标应用场景包括商用、医疗康复、制造业、物流等。中短期内,更多厂商会把偏服务类的场景列为目标应用场景优先落地。中长期来看,随着技术提升及结构化场景的开放,商业服务、工业制造与物流领域能获得更多场景数据集进行训练,实现局部场景落地。

从发展趋势看,人形机器人是一个颠覆性产品的赛道,目前尚处于发展的导入期。接下来,在产品、产业和政策等条件的促进下,人形机器人的商业化落地还将提速。

根据工信部印发的《人形机器人创新发展指导意见》指出,人形机器人有望成为继计算机、智能手机、新能源汽车后的颠覆性产品。Markets and Markets则预计到2027年,全球人形机器人市场规模将达173亿美元,复合增长率为63.5%,市场发展广阔。

此外,据国际机器人协会预测,2021年-2030年,全球人形机器人市场规模年复合增长率将高达71%。中国电子学会发布的数据则显示,到2030年,我国人形机器人市场规模有望达8700亿元。

这样一个庞大的市场,自然引得巨头纷纷押下重注。比如,谷歌依托其在AI领域强大的研究团队,丰厚的多领域研究成果,引领着近年来机器人模型的发展。这主要集中体现在,Google DeepMind此前曾发布具备“自我完善”能力的“RoboCat”和融合大语言模型能力的VLA模型Robotic Transformer 2(RT-2)。RT-2在训练时模型就同时学习视觉、语言、机器人行为这三种数据,并将这些知识转化为机器人控制的通用指令。RT-2一方面吸收了视觉语言模型的语义推理、问题解决、视觉解释能力,另一方面能够从真实的机器人动作中实现具身任务推理,且两方面能够相互促进。在自然语言输入后,通过模型的运算,直接产生动作的输出,让人类可以通过纯语言命令优化机器人控制,进一步加速机器人的智能化进程。

此外,Meta推出在少量训练数据情况下便能取得优异表现的MT-ACT模型。而微软推出基于ChatGPT的机器人控制框架,将ChatGPT的“知识储备”落实到现实场景中。可以说,人形机器人模型发展百家争鸣,大有可为。

而在国内,小米、傅利叶、宇树、智元、开普勒、追觅等厂商都相继推出了人形机器人产品。科技企业研发进程的推进,也持续吸引着资本市场加码。

这些入局者都非常清楚,软硬融合方能打造出人形机器人的新高度。软件决定人形机器人高度,算法需与硬件匹配。人形机器人本质是AI技术落地物理世界的最佳载体,算法是核心,需与硬件匹配。

身为软硬件能力高度集成的实体,人形机器人商业化的核心突破点在于“AI大脑”。而AI大模型的高歌猛进为人形机器人的发展,带来无限可能——使人形机器人具备更强的事物处理和自然语言交互等能力。

从发展趋势看,人形机器人尚处产业化初期,但在AI技术突破、政策加码、科技企业强势入局的三重要素催化下,有望尽快迎来发展拐点。

智力革命已经打响,就像工业革命解放生产力,电力革命解决能源流通,是全新生态的构建。未来嵌入具身智能的机器人、自动驾驶汽车、自动化设备等,不仅是对人类智能的延伸,更是一个通用人工智能诞生和发展的舞台,为超越人类智能水平的人工智能提供了理想的试验场和成长空间。

这预示着,一个更加智能、更加互联的未来正向我们走来。

【关于科技云报道】

专注于原创的企业级内容行家——科技云报道。成立于2015年,是前沿企业级IT领域Top10媒体。获工信部权威认可,可信云、数博会、国家网安周与全球云计算等大型活动的官方指定传播媒体之一。深入原创报道云计算、人工智能、大模型、网络安全、大数据、区块链等企业级科技领域。

相关文章
|
5月前
|
传感器 人工智能 监控
智能耕耘机器人
智能耕耘机器人
111 3
|
2月前
|
人工智能 算法 机器人
机器人版的斯坦福小镇来了,专为具身智能研究打造
【8月更文挑战第12天】《GRUtopia:城市级具身智能仿真平台》新论文发布,介绍了一款由上海AI实验室主导的大规模3D城市模拟环境——GRUtopia。此平台包含十万级互动场景与大型语言模型驱动的NPC系统,旨在解决具身智能研究中的数据稀缺问题并提供全面的评估工具,为机器人技术的进步搭建重要桥梁。https://arxiv.org/pdf/2407.10943
182 60
|
21天前
|
人工智能 自然语言处理 机器人
谷歌将大模型集成在实体机器人中,能看、听、说执行57种任务
【9月更文挑战第17天】近年来,人工智能在多模态大模型领域取得显著进展。谷歌最新研发的Mobility VLA系统,将大模型与实体机器人结合,实现了视觉、语言和行动的融合,使机器人能理解并执行复杂多模态指令,如“我应该把这个放回哪里?”系统在真实环境测试中表现出色,但在计算资源、数据需求及伦理问题上仍面临挑战。相关论文发布于https://arxiv.org/abs/2407.07775。
36 9
|
5月前
|
自然语言处理 机器人 Go
【飞书ChatGPT机器人】飞书接入ChatGPT,打造智能问答助手
【飞书ChatGPT机器人】飞书接入ChatGPT,打造智能问答助手
302 0
|
2月前
|
机器人 C# 人工智能
智能升级:WPF与人工智能的跨界合作——手把手教你集成聊天机器人,打造互动新体验与个性化服务
【8月更文挑战第31天】聊天机器人已成为现代应用的重要组成部分,提供即时响应、个性化服务及全天候支持。随着AI技术的发展,聊天机器人的功能日益强大,不仅能进行简单问答,还能实现复杂对话管理和情感分析。本文通过具体案例分析,展示了如何在WPF应用中集成聊天机器人,并通过示例代码详细说明其实现过程。使用Microsoft的Bot Framework可以轻松创建并配置聊天机器人,增强应用互动性和用户体验。首先,需在Bot Framework门户中创建机器人项目并编写逻辑。然后,在WPF应用中添加聊天界面,实现与机器人的交互。
45 0
|
2月前
|
机器人 TensorFlow 算法框架/工具
智能聊天机器人
【8月更文挑战第1天】智能聊天机器人。
79 2
|
2月前
|
人工智能 自然语言处理 安全
盘点国内:AI写作助手_ai智能问答机器人
AI写作助手是利用人工智能技术,特别是自然语言处理(NLP)技术,来辅助用户进行写作的工具。这类助手通过分析大量文本数据,能够理解语言的结构和含义,从而生成、编辑或优化文本内容。AI写作助手通常具有自动纠错、语法检查、内容生成和风格调整等功能,帮助用户提高写作效率和质量。
|
2月前
|
自然语言处理 监控 搜索推荐
使用 LangChain 创建高度互动和智能的聊天机器人
【8月更文第3天】随着自然语言处理(NLP)技术的进步,聊天机器人已成为企业和用户之间互动的重要渠道。LangChain 是一个强大的框架,旨在简化构建复杂语言模型应用程序的过程。本文将详细介绍如何使用 LangChain 框架创建高度互动和智能的聊天机器人,包括选择合适的语言模型、设计对话流程、上下文管理以及集成外部API和服务等内容。
100 0
|
4月前
|
机器人
北大推出全新机器人多模态大模型!面向通用和机器人场景的高效推理和操作
【6月更文挑战第29天】北京大学研发的RoboMamba是新型机器人多模态大模型,融合Mamba SSM的高效推理与视觉编码器,提升复杂任务处理能力。通过微调策略,仅用少量参数即可快速习得操作技能,实现在通用及机器人场景的高效运行,推理速度提升7倍。尽管面临泛化和可解释性挑战,RoboMamba展示了多模态模型的新潜力。[论文链接:](https://arxiv.org/abs/2406.04339)
71 1
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理

热门文章

最新文章

下一篇
无影云桌面