ICRA2024大会主席王志东谈具身智能20240531

谈具身智能：在时代风口把握方向 Q： 对于现在讨论度很高的具身智能，您怎么看待这股热潮？ 王志东：具身智能现在热度很高，但我认为如果机器人本体做得不够好，那么这个瓶 颈就在那儿了，即使有智能层面的加成，也还是没办法实现突破性的进展。 个 application 作为落点，让大家比较容易知道，其实所谓的系统模型很早就开始做了，是已经做到一定程度了才有了重大进展。 然后这个行业跟风涌进来了几百个公司，但一年之后这些公司百分之八十、九十都不 存在了，这个说明什么？说明怎么运用好这个技术才是关键，有哪些东西能真正延续 下去，这个才是我们需要思考的大模型的真正意义。 从我参加各种各样的论坛经验来看，发展就是不断寻找道路的过程。现在大家都在思 考如何将大语言模型和机器人融合，其中机器人的运动控制是个挑战。我在这次 ICRA 2024 会议里已经听到有一些新的想法在冒头了，估计两三年肯定又有一套新的东西出 来了。 第二个就是机器人的控制问题。具身是 embodied，顾名思义，和身体相结合的东西。机器人的体型是高是矮，动作设计都不尽相同，这些都和整体的控制相关。 在方面，其实有很多东西可以做。就像波士顿动力所展示的产品视频一样，看起来可 能没什么，但背后有很高的技术含量，至少以国内现有的水平要做到像他们那样，还 有很多工作要做。 但就像我经常和日本学生说的那样，因为中国有人口优势，所以只要继续朝着这一方 面努力钻研，会有超越世界的一天，对此我比较有信心。 当下需要注意的是，如何把一项东西研究透，这点很重要，然后就是把握好机器人领 域的方向性。如果把目标定为“超过 Boston Dynamics ”，那这样的想法只会让你成为另 外一个 Boston Dynamics。这个行业最终要往哪个方向走？怎么做得更好？这是需要思 考的问题。 Q： 相较于机器人本体，ICRA 2024 大会会更侧重于对机器人智能的研究吗？现在行业的目光都聚焦在哪些方向？ 王志东：从会议收录的论文来看，机器人学习与智能这一方向确实是最多人关注的。其中可以提炼出三个 keywords——医疗、机器人的作业和导航。这些方向在如今大热 的汽车自动驾驶或者是别的方面都能体现出来。 但是像人形机器人，大家对它的想象中还停留在和机器人对下象棋，可这不是一个目 标，这只是一个基准。我的夫人有时候会和我说，你赶紧设计一个能和我爸聊天的机 器人，这就是一个助老助残机器人的方向，但这个产业能不能形成，还有很多因素影 响，比如系统控制的技术能不能达到设想的水平 据我对 ICRA 大会的观察，现在大家都在关注，怎么把人工智能领域的新方法运用在机 器人上，并对其进行改造发展，我觉得这是很大的尝试。有人说这不算创新，我不认 为会是这样。所有的行业都是通过把别的领域的东西拿过来，通过改造发展才成为了 自己的东西。 我觉得最大的方向不在于怎么提高智能，而是如何把现在人工智能的好模型、好的方 向性拿到机器人这个领域里头，如何在实际场景中真正应用起来，把它能做到就像是 一个新的方向性，新的产业出来，我个人感觉这是这个行业最大的挑战。这就是我们 所讲的具身智能。因为我的研究的方向主要是机器人和人之间的协调。在我看来，在 机器人和人之间的协调是很重要的东西。就像讲到蚂蚁，很简单的智能，但可以做很 多事。现在人工智能这些系统不断的增加，对我们有很大的帮助。所以现在大家都很 努力地想把这些东西拿出来，我觉得这是目前行业最大的一个方向性。Q： 您怎么看待 具身 话，我相信它也是分开来看的，并不是说将来全人类全部适用一个通用的大 脑，对不对？特别是搞研究的人，也有存在不同的方向性或者不同的特点。我的一些 研究人工智能的朋友，他们也不是除了人工智能之外的事都不关注，他们也在不断询 问如何实现实际应用。 其次，从机器人厂商出展的情况来看也可以了解到，虽然他们没有必须线下参加的必 要，但他们还是来了，为什么呢？因为这是机器人领域的顶会，他们可以借此机会了 解到很多领域内的发展趋势。举个例子，小孩走路的老摔或者拿东西老倒，但人长大 后现在不倒了。这学习的实质，这其中的逻辑，其实对人工智能是很大的一个方向。对于机器人厂商而言，他们也会不断和这方面接触，所以这方面的融合是肯定存在 的。 所以，并不是说研究人工智能和研究机器人完全是分开的两拨人。更何况，机器人内 里有很多互相嵌入的东西，没有办法完全独立开来，包括 planning 类的东西。 Q： learning 等于 intelligence 吗？王志东：并不是。因为我是研究机 器人抓取手这一方 面的，我们在研究的时候就发现，对在确定位置上的物体，机器人是可以很好做到抓 取的动作，但是如果位置不确定不精准，对于机器人就很难实现这个动作。可人能在 物体还没到固定位置的时候，就预判其动线，在有不确定因素的情况下也能实现抓取 动作，这是人类很强的一个智能表现，这个动作本身就蕴含了策略的智慧和控制的智 慧。 所以智能并不是说一定要通过 AI 或者算出来的才是智能，这些东西也都是智能。从控 制上来看，包括走路、拿东西的动作，人的惯用动作都是最省力稳定的，这里面有大 学问，是有很多“智能”在里面的。 所 以 如 果 说 learning 是 intelligence ， 这 是 不 对 的， 但 是 通 过 learning 可 以 增 加 intelligence，可以在learning 的过程中提高 intelligence 的质量。 人形机器人： 一个集成技术试验台 Q： 单就机器人这个领域而言，对于现在人形机器人的研究浪潮，您是怎么看的？王志东：我认为，要搞好人形机器人比起单纯地做好 vision 或者 ChatGPT 要难得多。因为一个人形 机器人集合了很多领域的东西，包括 hardware、control 以及 system integration。怎么能把这些东西都做好，这不是个简单事儿。 我也有了解到一些人形机器人产品，比如国内的 Unitree 就做得很不错，但是要说它完 全能够达到和人一样自由自在的动态行动，还有一些距离。就机器人公司来说，我个 人观点认为，Boston Dynamics 相较于 Unitree，在控制上会做得更精细。 Q： 像宇树他们把那个机器人成本降到九万九的价格，这个在中国的媒体上也引起了比 较多的讨论，您怎么看待硬件成本下降这一情况？王志东：对于机器人这个领域而 言，硬件成本下降是非常重要的内容。我个人觉得，降成本会让更多人参与进这个领 域，以后更多人使用，就可以做出更多的平台。人工智能为什么能发展？因为大家都 把东西放在 GitHub 上去，谁都可以用了，所以大家都可以不断地把这项技术提升。但 硬件你不可能免费共享，对吧？如果能把参与门槛降低，到大家都可以用的程度的 话，这自然最好。 英伟达的发展也是如此，他们在过去把 GPU 研究出来，然后利用这个从各方面把 application 积累出来。硬件做得好，做得便宜，用的人多了，发展方向自然也就多了，将来肯定会有突破性进展。我个人认为，宇树这种产品的出现是一个很好的现象。因 为国内也有很多厂家在做人形机器人，不同的水平，就意味着不同的状况，每一款人 形机器人之间都是有差异的，技术难度也会不一样，未来对于社会的影响也是不一样 的。但是可以预测到的是，越多人做，就越有可能实现行业新的突破口，这是向好的 趋势。同时，我也觉得在机器人方面，研究范围可以再扩宽一些，不一定要光盯着人 形机器人。 Q： 在 ICRA 2024 上，人形机器人的讨论度如何？ 王志东：人形机器人是其中一个很重要的方向，但我个人觉得，这个大会讨论度更高 的其实是 learning 和人工智能。如何将最新的人工智能技术、最新的 vision 技术和机器 人技术进行融合，这个方向的发展是我觉得最关键的，也是大会最多讨论的。人形机器人并不是能够创造出新产业的一个方向。但是有关人形机器人的研究会影响 到整个机器人行业的 system integration 和 intelligent integration 水平。 比如要做一个人形机器人，这个机械臂要怎么设计？像工业机器人的技术怎么适配到 这种体型上，同时还要考虑机器人集成控制的能力。 人形机器人相当于一个万能的集合，包括优化设计和多任务处理能力，就像是个试验 台。你把人形机器人做好了，你要做好别的东西就游刃有余很多。 现在有些观点认为，做好了人形机器人，就可以创造出一个完全新的产业，甚至于可 以代替汽车的程 度。我个人觉得至少现在还看不出来。但如果是让人形机器人实现物 流行业的“最后一公里”，实现精准定位的送货上门，这个场景我觉得有可能实现。可 是会不会由此产生一个全新的产业，我保持怀疑态度。 3 寻找产业落地的出路 Q： 我看这次展会波士顿只派代理商过来，但没有实际展出产品，所以有人在讨论是不 是波士顿在走下坡路，您是怎么看待的？王志东：我不这样认为。从开发者的视角来 看，其实公司有新的产品，没有必要特意运过来参展，拍个视频在网上展示也是一样 的效果。他们现在更大的任务是将技术推广到实际，因为如果没办法投产应用，那么 就没办法盈利，结果可能又要面临出售公司的情况。这也是作为一个高科技企业的挑 战。 从另一方面来看，这个情况也说明了现在除了参展之外，还有很多方式可以展现产 品。所以这次中国很多企业愿意来参展，我非常惊喜。同时需要看见的是，在网上刷 屏赚足眼球并不能证明什么，很多东西是要扎扎实实干的。就像 Elon Musk 所宣传的人 形机器人目前还没看到真的动作展示，在网上声量却很大，却不一定是真的能做到宣 传的效果，说明这个人形机器人其实还是有很多富有挑战性的东西需要解决。 Q： 我还注意到在这次 ICRA 上有很多家庭机器人的研究，您之前也发表过关于深度交 互，机器人进入家庭生活这么一个趋势，您感觉今年有一些比较大的 Leap 吗？王志 东：我相信很快就会有。我个人观点现在预估有两个方向能实现快速发展。 第一个是 logistics 物流相关的，因为需求太多了。比如 Boston Dynami cs 就有在搞这些 卡车装载纸箱的自动卸货的系统开发。但是仓储电商的取货过程做得算是比较好了，而装盒这一环节却还没有大的进展。考虑到现在电商对于物流方面的需求，这些支脉 的自动化需求量也会非常大。 这个其实是和市场相关的，有 Eco（生态经济）就能够产生价值。所以说为什么 Amazon很早能够成功？他们在早期就收购了 kiva robot，一个能够载着台子到处跑的 机器人，这是革命性的东西，给电商网购行业的发展提供了非常重要的支撑。但却没 能带动革命了整个产业，现在还需要人工在环节中。所以现在大家都在强调方向性。因为我是搞辅助机器人的，所以我认为辅助机器人协调这一块如果能发展起来的话，会有很大的价值。 第二个就是刚刚讲到的家庭机器人。对于这个东西，大家关注度都很高。大家会开始 想在家庭或者各种情况下怎么进行 planning，怎么进行 manipulation？怎么进行 task ？我听到有一个 workshop 大部分都讲这事，所以看得出大家对这些比较热心。但你说明年就会实现重大进展吗？我不敢打包票，但不远的将来肯定会有发展。 Q： 我注意到日本它有一个 moonshot 登月计划，大会上也围绕着这个计划做很多相关的展览，现在日本的机器人行业是什么样的现状？对于中国机器人行业的发展有何建 议？ 授研究员的团队。日本的这个登月计划是给出了一个方向，就是要瞄准我们现在 还完全不可能实现的目标，希望多年以后在一些领域有突破性的技术。 较有紧迫 感，他希望在今后十年里头，通过集智聚力在几个技术层面的冲刺，能够把日本机器 人领域的研究水平拉上去，提高到一定的水准。 据我观察，国内现在很多研究的方向性很好。人形机器人也是一个很好的方向，但我 还没搞清楚它背后的技术难题。做好人形机器人这