撰文 | 李信馬
題圖 | AI生圖
十年前上映的《超能查派》，是少見(jiàn)的用“機(jī)器人”當(dāng)主角的電影，還找來(lái)“金剛狼”休·杰克曼飾演大反派。
電影中的查派，是世界上第一個(gè)自我覺(jué)醒的機(jī)器人，也是筆者心目中最“痞帥”的機(jī)器人，飛天遁地的同時(shí)不耽誤耍帥搞笑。值得一提的是，在覺(jué)醒前，它的工作是機(jī)器人警察，不幸在戰(zhàn)斗中報(bào)銷才被意外改造。
也就是說(shuō)，在電影的背景設(shè)定中，機(jī)器人已經(jīng)走出實(shí)驗(yàn)室，融入了人類社會(huì)，在工作崗位上發(fā)光發(fā)熱。
2025年，機(jī)器人堪稱年度熱詞，各種形制和型號(hào)的機(jī)器人層出不窮，機(jī)器人馬拉松、足球賽和拳擊比賽，也吸引了不少人的關(guān)注。但熱鬧歸熱鬧，這些機(jī)器人基本還是被限制在有限的空間范圍內(nèi)，做著特定的任務(wù)。
距離機(jī)器人無(wú)限制地融入真實(shí)的人類世界，似乎只差“臨門(mén)一腳”，但這“臨門(mén)一腳”，可能遠(yuǎn)比我們想的更艱難。
01、什么是“真實(shí)世界”？
電影《楚門(mén)的世界》中，主角楚門(mén)就生活在一個(gè)“虛假”的世界里，他的前半生所處的環(huán)境，都是為他量身定制的。
在筆者看來(lái)，需要特意圈定一個(gè)范圍，或者設(shè)計(jì)布置一個(gè)環(huán)境，對(duì)機(jī)器人來(lái)說(shuō)，就不能算真實(shí)的人類世界。機(jī)器人要走入真實(shí)的人類世界，就應(yīng)該像電影中的楚門(mén)那樣，打開(kāi)實(shí)驗(yàn)室的門(mén)走出去，去迎接并適應(yīng)充滿未知和不確定性的環(huán)境。
不久前，在香港舉辦了一場(chǎng)別開(kāi)生面的機(jī)器人競(jìng)賽，就直面了這個(gè)問(wèn)題。由香港中文大學(xué)主辦，ATEC前沿科技探索社區(qū)承辦的第五屆ATEC科技精英賽（線下賽）·真實(shí)世界極限挑戰(zhàn)賽，把比賽的賽場(chǎng)放到了大學(xué)的戶外環(huán)境里，要求機(jī)器人完成吊橋穿越、定向越野、自主澆花、垃圾分揀等任務(wù)。
“我們這次比賽跟以前的機(jī)器人比賽都不一樣，以前機(jī)器人基本上在室內(nèi)比較多，而且我們強(qiáng)調(diào)操作和移動(dòng)結(jié)合起來(lái)?！辟愂侣?lián)席主席、香港工程院院士劉云輝教授認(rèn)為，機(jī)器人要想在真實(shí)世界中立足，要具備行走、操作、改造環(huán)境三項(xiàng)核心能力，這也是這次競(jìng)賽設(shè)計(jì)的初衷。
筆者受邀在現(xiàn)場(chǎng)觀看了比賽的進(jìn)程，直觀的感受，用最近一首抖音熱歌來(lái)唱就是：
“本來(lái)應(yīng)該從從容容游刃有余，
現(xiàn)在是匆匆忙忙連滾帶爬……”
現(xiàn)場(chǎng)參加比賽的機(jī)器人基本分為三類形制：機(jī)器狗、人形機(jī)器人和雙足機(jī)器人。在自主澆花、垃圾分揀的比賽中，機(jī)器人一個(gè)個(gè)像得了帕金森病，機(jī)械臂顫顫巍巍的，屢屢抓空，十幾二十次才抓到都算好成績(jī)。
吊橋穿越要經(jīng)過(guò)三種不同間距的橋面段，看似不長(zhǎng)的一段距離，“哐當(dāng)”成了機(jī)器人選手們的主旋律。重心低的機(jī)器狗還好，人形機(jī)器人摔一下看著就肉疼，還有的雙足機(jī)器人另辟蹊徑，在腳底捆上了加長(zhǎng)的木板，讓人直夸“小機(jī)靈鬼”。
至于定向越野，這么說(shuō)吧，“十步摔一跤”是一個(gè)相對(duì)客觀的描述。
這些比賽項(xiàng)目的選定，其實(shí)好理解，畢竟人最擅長(zhǎng)的動(dòng)作就是行走和抓取，但是為什么機(jī)器人選手們表現(xiàn)得這么笨拙，和我們平時(shí)短視頻里看到的不一樣？
因?yàn)榕笥寻?，這才是“真實(shí)”。我們?nèi)粘？吹降暮芏鄼C(jī)器人視頻，前有工程師的反復(fù)訓(xùn)練和穩(wěn)定的環(huán)境，后有專門(mén)的拍攝和剪輯，看到的效果自然很智能。
實(shí)際上，即使近兩年多模態(tài)大模型發(fā)展迅速，但由于觸覺(jué)等物理屬性的缺失，機(jī)器人的感知能力仍停留在初級(jí)階段，遠(yuǎn)未達(dá)到“透徹理解”的程度，舉個(gè)例子，在3D場(chǎng)景理解任務(wù)中，當(dāng)下最先進(jìn)模型的準(zhǔn)確率僅為55%-60%，遠(yuǎn)低于人類的90.06%。
而真實(shí)世界的環(huán)境不僅復(fù)雜還是動(dòng)態(tài)的，機(jī)器人不僅要響應(yīng)指令，還要具備在不確定條件下進(jìn)行實(shí)時(shí)推理與決策的能力——目前算法的泛化能力還遠(yuǎn)達(dá)不到這一水平。
劉云輝教授在現(xiàn)場(chǎng)中還提到了讓他有些失望的一點(diǎn)，參加定向越野比賽的機(jī)器人都采用的傳統(tǒng)的建圖方案，而沒(méi)有他想看到的完全通過(guò)視覺(jué)引導(dǎo)的方案。如果真的是在野外穿越，要走十幾公里，是不可能建圖的，某種意義上也算有點(diǎn)違背比賽的初衷而“畫(huà)地為牢”了，也反映了當(dāng)下的機(jī)器人距離真實(shí)世界，還有不小的距離。
02、關(guān)于未來(lái)的比賽，“狗”贏了……
比賽的最后，來(lái)自浙江大學(xué)的Wongtsai團(tuán)隊(duì)成功摘得15萬(wàn)美元大獎(jiǎng)。下圖中的機(jī)器狗，就是他們派出參賽的機(jī)器人，值得一提的是，Wongtsai其實(shí)是“旺財(cái)”的音譯，可以說(shuō)，是貨真價(jià)實(shí)的“機(jī)器狗”了。
人形機(jī)器人比不過(guò)機(jī)器狗，這可真是個(gè)讓人有些失望的事實(shí)。但長(zhǎng)久以來(lái)，在“出圈”這件事情上，機(jī)器狗一直走在人形機(jī)器人的前面。比如，波士頓動(dòng)力的BigDog，可以說(shuō)是機(jī)器人領(lǐng)域的“上古真神”，以一系列靈活到離譜的視頻刷新了業(yè)界的三觀；當(dāng)下中國(guó)頂級(jí)的機(jī)器人公司宇樹(shù)科技，早期的知名產(chǎn)品萊卡狗，也在不少科技競(jìng)賽中大放異彩。
原因可能很簡(jiǎn)單——做“人”太復(fù)雜了，要考慮的事情太多，而做“狗”就簡(jiǎn)單多了。想一下，體型更大，有靈活的雙手的你，上得廳堂下得廚房，還是從辦公室到工地都能干的牛馬，而你的寵物狗，能聽(tīng)從指令跑跑跳跳，最多干點(diǎn)巡邏和叼東西的任務(wù)，就已經(jīng)是優(yōu)秀的“狗才”了。
不過(guò)，這次Wongtsai團(tuán)隊(duì)能獲得冠軍，最重要的原因是評(píng)分規(guī)則明確鼓勵(lì)“無(wú)遙操”（無(wú)人工遙控操作），機(jī)器人需要獨(dú)立完成從感知、分析到?jīng)Q策、執(zhí)行的全鏈路閉環(huán)，這對(duì)機(jī)器人的感知魯棒性、決策智能性和系統(tǒng)穩(wěn)定性提出了極高要求，而Wongtsai團(tuán)隊(duì)在機(jī)器人全自主智能方面表現(xiàn)卓越。
Wongtsai隊(duì)長(zhǎng)朱承睿表示，具身智能是大系統(tǒng)下有小系統(tǒng)，每個(gè)小系統(tǒng)都沒(méi)有問(wèn)題，大系統(tǒng)才能沒(méi)有問(wèn)題。但如果每個(gè)小系統(tǒng)的完成度只有90%，那么由一堆小系統(tǒng)組成的大系統(tǒng)可能就無(wú)法運(yùn)作，當(dāng)任務(wù)完全交給機(jī)器人自主完成時(shí)，就會(huì)變得非常復(fù)雜。
“打開(kāi)水壺，給花澆水，這對(duì)于人類而言是輕而易舉的事情。但對(duì)于機(jī)器人，它需要首先識(shí)別：我在哪里，我需要做什么，什么是壺把手、什么是壺嘴，什么是花，我要如何靠近水壺，在這個(gè)過(guò)程中如何避免碰撞，機(jī)械臂需要到達(dá)怎樣的位置才能抓起水壺，需要用多大的力度……”
當(dāng)下對(duì)機(jī)器人技術(shù)路線的探索，主流上大致包括：
· 以大模型為核心的“大腦優(yōu)先”路徑
· 以運(yùn)動(dòng)控制為核心的“小腦優(yōu)先”路徑
· “軟硬一體”協(xié)同路徑
但發(fā)展水平嘛，以人類的標(biāo)準(zhǔn)來(lái)看是都不太行。
“你讓大模型去理解一幅圖像、一段文字，它可以做到。但要它理解如何抓起一個(gè)物品，它是完全做不到的，它不具備這種能力?！敝斐蓄Ｕf(shuō)。
在機(jī)器人有限的體積與功耗約束下，部署大模型所需的高性能專用芯片仍不成熟，也制約了“大腦”的實(shí)時(shí)處理能力?！靶∧X”通過(guò)小模型去控制硬件，但目前機(jī)器人硬件在靈巧度、力控精度與成本之間難以平衡，技術(shù)和成本門(mén)檻極高，機(jī)器人的“小腦”與“四肢”，也不能完美承載“大腦”的智能構(gòu)想。
開(kāi)個(gè)玩笑，以“狗”的標(biāo)準(zhǔn)來(lái)看，“機(jī)器狗”和真實(shí)世界的距離的確要近多了。
此前，在《機(jī)器人非得“像人”嗎？人類最需要看清自己》中，我們?cè)o出疑問(wèn)：為什么要執(zhí)著于讓機(jī)器模仿人類？有從業(yè)者的看法是：“因?yàn)檫@個(gè)社會(huì)是按照人類的需求建造的，長(zhǎng)得像人自然可以適配人類通用數(shù)據(jù)，代替人類干活。把機(jī)器人做成人形，那么它天生就可以調(diào)用現(xiàn)有的設(shè)施?！?/p>
當(dāng)然，這個(gè)問(wèn)題至今也沒(méi)有答案，非人形的機(jī)器人也可能有很多的用途，只是人形機(jī)器人，的確是更容易滿足人類對(duì)“智能體”的幻想。
什么時(shí)候，機(jī)器人真的能走入真實(shí)的人類社會(huì)呢？劉云輝教授認(rèn)為，快的話也要5年，還有很長(zhǎng)的路要走。而朱承睿估計(jì)，要20年后，機(jī)器人才真的可以走進(jìn)人類的生活，為人類提供服務(wù)。
在邁向真實(shí)世界的路上，也許“機(jī)器狗”走得更快，但“機(jī)器人”會(huì)走得更遠(yuǎn)。
