作者 | 金旺

欄目 | 機器人新紀(jì)元

來自中國機器人產(chǎn)業(yè)發(fā)展報告的數(shù)據(jù)顯示，2022年，中國服務(wù)機器人市場規(guī)模首次超過了工業(yè)機器人。

而之所以有這樣的發(fā)展趨勢，離不開這些年人工智能技術(shù)在機器人領(lǐng)域的推廣應(yīng)用。

實際上，智能化已經(jīng)是機器人產(chǎn)業(yè)的大勢所趨，而且有了推動機器人產(chǎn)業(yè)發(fā)展的可能，就連全球機器人領(lǐng)域明星企業(yè)波士頓動力，也在2022年成立了人工智能研究院，在花大力氣研究機器人的認(rèn)知智能和運動智能。

這其中，視覺智能又是這些年在機器人領(lǐng)域應(yīng)用最廣，也是不少機器人能夠在封閉或半封閉空間實現(xiàn)“自動駕駛”的關(guān)鍵。

2023年7月，來自GGII的統(tǒng)計數(shù)據(jù)顯示，在3D視覺傳感器這一細分領(lǐng)域，奧比中光在中國服務(wù)機器人領(lǐng)域2022年的市占率達到了71.09%。

奧比中光董事長兼CEO黃源浩稱，“奧比中光2013年成立，2015年就開始為機器人產(chǎn)業(yè)提供3D視覺傳感器。”

他認(rèn)為，大模型對于整個機器人產(chǎn)業(yè)的影響堪比“核彈”。

在WRC 2023現(xiàn)場，我們與黃源浩進行了一次深入交流，聊了聊大模型如何影響機器人產(chǎn)業(yè)、人形機器人軟硬件如何協(xié)同發(fā)展，以及奧比中光在機器人領(lǐng)域的產(chǎn)業(yè)布局。

“核彈”大模型，變革機器人

問：大模型，尤其是視覺大模型的出現(xiàn)，對機器人產(chǎn)業(yè)有怎樣的影響？

黃源浩：視覺大模型和語言大模型類似，都是基于谷歌在2017年提出的transformer架構(gòu)。

這讓機器視覺經(jīng)歷了一次從基于CNN的架構(gòu)到基于transformer架構(gòu)的變化，機器人由此也變得聰明了很多。

為什么這么說？

因為基于CNN架構(gòu)的機器視覺算法模型的學(xué)習(xí)過程需要大量的樣本數(shù)據(jù)，這樣的模型和你下1萬盤棋，它記住了怎么下棋，也就學(xué)會了下棋。

但基于transformer架構(gòu)的機器視覺算法模型，可能只需要很小的樣本，在下棋方面就有了不錯的能力，這樣的大模型已經(jīng)接近零樣本學(xué)習(xí)，甚至已經(jīng)和人腦的學(xué)習(xí)模式有點相似了。

這就讓機器人有了類腦的能力，能夠?qū)崿F(xiàn)端到端控制，你只需要輸入各種感知信息，輸出直接就是動作了。

這也是為什么我會覺得大模型對于機器人產(chǎn)業(yè)而言會是一個核彈，因為它讓機器人有了和人相似的運動控制模式。

問：大模型對3D視覺技術(shù)發(fā)展，會有怎樣的影響？

黃源浩：現(xiàn)在大模型在朝著多模態(tài)方向發(fā)展，而多模態(tài)的大模型，本身已經(jīng)在以圖像、3D圖像，甚至熱成像圖像作為輸入數(shù)據(jù)了，這是它需要的一個基礎(chǔ)信息。

另外就3D視覺而言，基于激光雷達和大模型兩種方式的視覺技術(shù)是相輔相成的。

基于激光雷達的視覺技術(shù)更精準(zhǔn)，但遠距離定位能力會有所缺失；基于大模型的視覺技術(shù)現(xiàn)在還沒那么精準(zhǔn)，工作模式類似人眼，但它能夠?qū)崿F(xiàn)遠距離定位。

我有一個觀點是，未來機器人在某些方面的性能會比人表現(xiàn)得更好，比如機器人的感知能力。

問：現(xiàn)在3D視覺在機器人的認(rèn)知智能和運動智能上，分別能實現(xiàn)哪些功能？

黃源浩：認(rèn)知智能其實更容易做，現(xiàn)在也已經(jīng)做得很不錯了，現(xiàn)在基于3D圖像數(shù)據(jù)訓(xùn)練的視覺模型，進行一些測距等工作已經(jīng)比人更精準(zhǔn)，將來基于這類模型的機器人很有可能會比人更聰明。

例如人如果要將一個凳子從一個地方搬到另一個地方，用肉眼觀察通道的寬度，可能不知道是否能搬得過去，機器人看一眼就能測量出結(jié)果，這就是機器人比人厲害的地方，其中實現(xiàn)的就是認(rèn)知智能。

至于涉及到?jīng)Q策、規(guī)劃、控制等運動智能，目前有些企業(yè)或者機構(gòu)做的是確定性模型，基于確定性模型的機器人可能拍出來的運動演示視頻很好看，但在實際演示過程中，可能失敗幾百次后調(diào)了某一個參數(shù)，然后再測試幾百次，又調(diào)了另外一個參數(shù)，這樣往復(fù)測試才拍出一個不錯的demo視頻。

然而，這樣實現(xiàn)的運動模型目前沒有泛化能力，如果換到一個新的環(huán)境，模型也就無法完全適用了，這也是為什么像波士頓動力這樣已經(jīng)創(chuàng)立了超過30年的公司仍沒能實現(xiàn)商業(yè)化的原因。

大模型到來之后，只要把基于transformer架構(gòu)的大模型部署好，隨著數(shù)據(jù)不斷輸入，機器人就可以做各種動作；當(dāng)成功做出一個動作，這樣產(chǎn)生的就是一個好的樣本數(shù)據(jù)，沒成功就是一個不好的樣本數(shù)據(jù)……。慢慢地，它自己就能學(xué)會如何運動。

大模型的參數(shù)量級非常大，普遍都在10億級乃至百億級，如果純靠人，是無法實現(xiàn)這樣級別的參數(shù)調(diào)參的。因而，企業(yè)基于確定性模型研發(fā)的機器人，如果再遷移到新模式上，可能只能貢獻10%-20%的能力，80%-90%都要基于transformer框架重新再做模型訓(xùn)練。

今年大模型發(fā)展這么迅速，接下來你會發(fā)現(xiàn)，無論是四足機器人，還是人形機器人，它的進化速度會比原來快很多。

明年世界機器人大會上，相信我們就會看到，這些機器人已經(jīng)聰明很多了。

今年大會上的機器人還沒有很多互動演示，估計明年至少四足機器人會出現(xiàn)比較好的互動能力，后年人形機器人也可能會有很好的互動能力，甚至能跑起來。

人形機器人，軟硬件發(fā)展如何協(xié)同？

問：激光雷達、3D視覺在人形機器人上，現(xiàn)在有怎樣的應(yīng)用？

黃源浩：現(xiàn)在人形機器人產(chǎn)品中，基本都有傳感器，激光雷達、避障傳感器正常也都有。

實際上，人形機器人未來必然會有多種傳感器做數(shù)據(jù)輸入，像特斯拉的多目方案會是一種輸入方式，我們這種雙目結(jié)構(gòu)光傳感器也會是一種輸入方式，激光雷達當(dāng)然也會是一種必不可少的輸入方式。

目前人形機器人的功能、性能都還不夠強，隨著它的能力變得越來越強，量產(chǎn)能力上來了，元器件的成本也就會隨之下降，這是一個產(chǎn)業(yè)化必然要經(jīng)歷的一個過程。

問：您如何看人形機器人未來的商用情況？

黃源浩：在我看來，人形機器人現(xiàn)在就像一個小孩，它一定會長大，長大過程中會逐漸學(xué)會一些技能，等到它18歲、20歲的時候，可能就能夠?qū)崿F(xiàn)普及應(yīng)用了。

這么來看，其實還有20年，現(xiàn)在他才剛剛1歲，20年后人形機器人說不定會有幾十億個。

而要說人形機器人第一個商用場景，我認(rèn)為大概率會是工業(yè)，像在汽車工廠里，未來人會越來越少，預(yù)計5-10年就能大規(guī)模實現(xiàn)無人化工廠了。

其它諸如家庭陪伴這樣的場景，我認(rèn)為可能不會那么快到來，還需要一定時間。

問：人形機器人的軟硬件技術(shù)如何協(xié)同發(fā)展？

黃源浩：當(dāng)下人形機器人的智商和運動控制能力像是剛出生的孩子，但他的身體骨架已經(jīng)接近七八歲，所以現(xiàn)在我們處于一個硬件發(fā)展快于軟件算法發(fā)展的階段。

可能再發(fā)展幾年，硬件相對軟件，又會變成短板。

例如機器人的關(guān)節(jié)，現(xiàn)在一個成年男性能夠輕松抬起30公斤、50公斤的重物，但人形機器人拿5公斤、10公斤的重物就已經(jīng)很難平衡行走了；

此外，人的關(guān)節(jié)可以用一輩子，但人形機器人的關(guān)節(jié)可能使用500次、1000次后，各項指標(biāo)就會下降。

所以現(xiàn)在硬件也還沒有準(zhǔn)備好。

如果將人形機器人的軟件和硬件比作它的兩條腿的話，只有人形機器人的“兩條腿”邁步走路，整個產(chǎn)業(yè)才能持續(xù)前進。

問：所以現(xiàn)在其實是硬件已經(jīng)發(fā)展到一定階段，軟件算法需要跟上的階段，而大模型的出現(xiàn)，讓人們看到了人形機器人在軟件上實現(xiàn)快速突破的可能。

黃源浩：傳統(tǒng)人工智能可能短期還追不上人形機器人硬件的發(fā)展，但是大模型的出現(xiàn)大大加速了這個過程，同時，行業(yè)也在硬件上攻堅克難，往前邁步。

機器人迎來產(chǎn)業(yè)大分工

問：今年7月你們發(fā)布了一個機器人視覺產(chǎn)業(yè)技術(shù)中臺，奧比中光具體在機器人領(lǐng)域有怎樣的思考業(yè)務(wù)部署？

黃源浩：其實2016年我們就開始為機器人企業(yè)供貨3D視覺傳感器了，之前機器人出貨量相對比較少，但7年下來，我們確實為機器人產(chǎn)業(yè)提供了很多視覺傳感器。

其實transformer在2017年就被谷歌提出了，只是GPT、大模型的出現(xiàn)，讓大家意識到了這個框架的強大， transformer架構(gòu)出現(xiàn)的這幾年，我們也一直在思考，也許大模型的出現(xiàn)會讓機器人產(chǎn)業(yè)，站到20年前互聯(lián)網(wǎng)行業(yè)發(fā)展初期的時間節(jié)點上，而它之后將會保持高速發(fā)展。

在機器人產(chǎn)業(yè)中，未來除了陪伴類機器人會是大批量出貨的產(chǎn)品外，還會有幾十億小批量、多型號、多機種的各類機器人。

現(xiàn)在機器人企業(yè)很多，未來經(jīng)過大浪淘沙后，還會有兩三千家機器人企業(yè)。

現(xiàn)在每個機器人企業(yè)都得自己做關(guān)節(jié)、傳感器、模型算法等等，這種模式的投入產(chǎn)出比顯然是不夠的。

對于機器人這個新興產(chǎn)業(yè)，尤其是人形機器人，沒有自研技術(shù)，就很難獲得資本市場青睞。

但隨著產(chǎn)業(yè)的發(fā)展，市場的關(guān)注點會逐漸從技術(shù)這個單一維度轉(zhuǎn)向更注重投入產(chǎn)出比，投入產(chǎn)出比能否至少打平，就成了一個企業(yè)未來是否能夠融到資金的關(guān)鍵。

我的觀察是，現(xiàn)在強調(diào)自研能力的機器人企業(yè)，慢慢會轉(zhuǎn)向外采，整個產(chǎn)業(yè)會走向一個更符合現(xiàn)在商業(yè)世界規(guī)則的大分工時代。

這也是為什么我們會做一個產(chǎn)業(yè)技術(shù)中臺的原因，從技術(shù)角度看，奧比中光的綜合能力很強，從傳感器、雷達、模型算法，到小批量多機種的機器人制造，我們都積累了很強的能力。

就制造角度而言，機器人行業(yè)更需要的小批量、多機種的制造，這也是奧比中光的優(yōu)勢。

我們對機器人視覺產(chǎn)業(yè)技術(shù)中臺的定位是，不做機器人（整機）品牌，但是整個機器人產(chǎn)業(yè)需要的諸如視覺傳感器、激光雷達等提供通用能力的產(chǎn)品，我們會盡我們所能去提供，并邀請生態(tài)伙伴一起進來，推動整個機器人產(chǎn)業(yè)發(fā)展。

問：奧比中光機器人業(yè)務(wù)目標(biāo)要實現(xiàn)怎樣的業(yè)務(wù)規(guī)模？

黃源浩：機器人產(chǎn)業(yè)每年肯定是持續(xù)上升的，也會是我們一條持續(xù)增長且增長很快的業(yè)務(wù)線。