隨著機器人技術(shù)的不斷演進，在經(jīng)歷過程序控制機器人、自適應機器人、智能機器人三代明顯的進化過程后，機器人發(fā)展的整體方向和路徑也呈現(xiàn)出了明確的態(tài)勢，從“自動化”向“智能化”的演進成為必然的要求。
眾所周知，作為人工智能多項技術(shù)和智慧的“集合體”，機器人幾乎可以代表了當下人工智能技術(shù)的“最高成就”。近來，隨著ChatGPT等大語音模型等人工智能應用的持續(xù)火熱，AI大模型受到了行業(yè)內(nèi)外空前的關(guān)注度，那么AI大模型+人形機器人會帶來怎樣的效果呢。
行業(yè)相關(guān)專家認為，人形機器人作為人工智能的物理載體，相當于為AI大模型打造的物理的身體，從這個角度來看，人形機器人起到了打破虛擬與現(xiàn)實之間邊界的效果；此外，人形機器人還將持續(xù)拓展AI大模型的“實操”度，提升人工智能的“智能系數(shù)”。
人形機器人與人工智能 日漸共生、相互促進
相較于工業(yè)機器人，人形機器人硬件要求更為復雜和多元，例如特斯拉采用的電驅(qū)方案具備商業(yè)化的應用基礎(chǔ)，預計全身共40個執(zhí)行器；而機械手采用微型電機+腱繩驅(qū)動傳動結(jié)構(gòu)，單手6個電機，11個自由度，空心杯電機結(jié)構(gòu)緊湊、能量密度高、能耗低，和人形機器人機械手需求契合度高。
正是AI大模型與人形機器人的互相依賴和相互促進，讓整個人工智能技術(shù)邁出了通向通用人工智能的一大步——這也正是將機器人做成人形的終極考慮：為了使機器人的執(zhí)行能力更加通用。據(jù)了解，AI大模型將從語音、視覺、決策、控制等多方面實現(xiàn)同人形機器人的結(jié)合，形成感知、決策、控制閉環(huán)，使機器人具備常識。
在語音層面，語言大模型為機器人的自主語音交互提供了解決方案，包括上下文理解、多語種識別、多輪對話、情緒識別、模糊語義識別等通用語言任務上，ChatGPT顯著由于深度學習，表現(xiàn)出了不亞于人類的理解力和語言生成能力。
在視覺層面，通用視覺大模型的All in One 的多任務訓練方案能使得機器人更好地適應人類生活場景：大模型的強擬合能力使人形機器人在進行目標識別、避障、三維重建、語義分割等任務時，具備更高的精確度；通用視覺大模型通過大量數(shù)據(jù)學到更多的通用知識，并遷移到下游任務中，基于海量數(shù)據(jù)獲得的預訓練模型具有較好的知識完備性，提升場景泛化效果。
而在決策層面，基于多模態(tài)的預訓練大模型將增強機器人可完成任務的多樣性與通用性，讓其不局限于文本和圖像等單個部分，而是多應用相容，拓展單一智能為融合智能，使機器人能結(jié)合其感知到的多模態(tài)數(shù)據(jù)實現(xiàn)自動化決策。
AI大模型強勢發(fā)力之下 人形機器人未來倍具想象空間
近日，英偉達創(chuàng)始人黃仁勛在2023年ITF世界大會上發(fā)表演講并提出，人工智能和加速計算正在共同改變技術(shù)行業(yè)。下一波人工智能浪潮將是一種被稱為具身AI的新型人工智能，即能夠理解、推理并與物理世界互動的智能系統(tǒng)，將“具身智能”的概念瞬間提升到了風口浪尖。
所謂“具身智能”，則指在機器智能領(lǐng)域中，通過將智能算法與物理實體的感知、行動和環(huán)境交互相結(jié)合，使機器能夠以更自然、更智能的方式與環(huán)境進行交互和解決問題的能力。因此，也有不少行業(yè)內(nèi)外人士認為，具身智能正是AI的終極形態(tài)。
在真實的物理環(huán)境下執(zhí)行任務、解決問題——人形機器人自誕生起，其實就正是具身智能的一種物理承載。換而言之，人形機器人的逐步完善也為具身智能的落地提供了方向，是具身智能的重要應用場景，也將為具身智能的迭代優(yōu)化提供方向和空間。
從AI到人形機器人，再到具身智能，究竟帶動了多大的市場和科研熱度呢？從專利數(shù)層面或可窺知一二。天眼查數(shù)據(jù)顯示，機器人專利保持穩(wěn)定增長，2022年申請專利2.3萬余項；從類型上來看，發(fā)明專利與實用新型占比較高，兩者之和占總數(shù)的9成。
與此同時，在AI大模型層面，單從“敲門磚”層面的自然語言處理領(lǐng)域來看，天眼查數(shù)據(jù)顯示，從近年來專利申請的數(shù)量來看，還是保持了較為穩(wěn)定快速的增長，自2018以來，其申請量的復合增長率達到61.2%；從類型上來看，發(fā)明專利占據(jù)絕對的領(lǐng)先地位，占比近98%。
逐年增長的研發(fā)熱情，為人形機器人和具身智能帶來了相當充足的發(fā)展想象空間。
行業(yè)人士認為，具身智能最大的特質(zhì)就是能夠以主人公的視角去自主感知物理世界，用擬人化的思維路徑去學習，從而做出人類期待的行為反饋，而不是被動的等待數(shù)據(jù)投喂；人形機器人提供了各種基于人類行為的學習和反饋系統(tǒng)，為實現(xiàn)更復雜行為語義提供了迭代的基礎(chǔ)和試驗場，因此，人形機器人或?qū)⒙氏瘸休d具身智能的能力。
誠然，在整個過程中，最重要的是AI的大腦，而AI的軀體從屬于智慧大腦，按照這樣的邏輯去打通人機之間的交互方式，讓AI能夠主動感知物理世界，擬人化的思維路徑才能做到人類期待的行為反饋。而在當下，機器人還遠沒有人類期待的那般智能，但隨著人工智能技術(shù)的進一步發(fā)展更迭，在AI大模型的持續(xù)加持之下，具身智能或?qū)⒁愿斓乃俣韧度胧袌觥⒆哌M人們的生活。