當前人形機器人還面臨兩大難點，一是機器人目前的“軟”件端，適合機器人的通用大模型和垂直專業(yè)模型，還在攻堅階段；此外，靈巧手目前在技術和成本上都有需要攻克的難點。
現(xiàn)在人形機器人的成本還沒有達到客戶的要求，此外量產(chǎn)還涉及到供應鏈的問題。現(xiàn)階段，人形機器人主要是在科研平臺搭建各類應用，包括對硬件的開放，離我們所說的軟件開發(fā)應用，還有相當一段距離。
當“具身智能”成為2024世界機器人大會眾人熱議的焦點時，北京航空航天大學機器人研究所名譽所長王田苗提出了不一樣的視角。他認為這次展會，展示的大部分是垂直領域的具身技能�，F(xiàn)階段，對于具身智能機器人或人形機器人，業(yè)界基本停留在對通用領域的探索上。
具身智能（Embodied Intelligence）強調機器人通過綜合感知、推理和自主決策，實現(xiàn)多任務處理和復雜環(huán)境中的人機交互，具備廣泛的認知能力；而具身技能（Embodied Skills）更聚焦于特定場景下的專業(yè)化能力，旨在高效完成特定任務，應用更垂直、商業(yè)化更容易。業(yè)內認為，具身智能側重“廣而全”的智能化，具身技能則注重“專而精”的能力。
現(xiàn)為北航機器人研究所名譽所長，中關村智友研究院院長的王田苗在機器人行業(yè)已深耕三十多年。2020年，王田苗聯(lián)合十五位科學家發(fā)起成立了“智友科學家基金”，重點關注具身智能、機器人、機器人上游核心部件等領域。
北航機器人研究所名譽所長，中關村智友研究院院長王田苗
在此次大會上，人形機器人的數(shù)量達到歷年之最。對外展出的27款人形機器人從“雙臂”“手指”靈活協(xié)同操作，到“雙腳”在復雜地形行走，再到開發(fā)基于人工智能大模型的“大腦”，形態(tài)各異。王田苗認為，這種百花齊放的現(xiàn)象是技術發(fā)展早期的正�，F(xiàn)象。當前人形機器人還面臨兩大難點，一是機器人目前的“軟”件端，適合機器人的通用大模型和垂直專業(yè)模型，還在攻堅階段；此外，靈巧手目前在技術和成本上都有需要攻克的難點。
世界機器人大會上展示的人形機器人，該款機器人引起現(xiàn)場人群圍觀
8月23日，圍繞具身智能當前面臨的難點和挑戰(zhàn)話題，王田苗接受了澎湃科技（www.thepaper.cn）等媒體的采訪。
以下是澎湃科技采訪王田苗內容：
機器人的“軟”件端和靈巧手是需要攻堅的難點
澎湃科技：大會期間，具身智能成為業(yè)內討論的熱詞，您怎么看這波具身智能熱潮？
王田苗：目前，我認為大家在思考人形機器人或具身智能機器人發(fā)展時需要思考三個問題：
第一，在什么場景下應用。未來三至五年，機器人很有可能會進入復雜環(huán)境，在安全和功能上得到有效檢驗，通過客戶的檢驗，這是目前非常重要的問題。在危險環(huán)境、工業(yè)、家用甚至一些泛商業(yè)化的場景中，技術都不停在迭代。
第二，以應用為牽引，兩件事情值得特別關注：一是機器人的“軟”件，以大模型和數(shù)據(jù)驅動的生成和學習，這波具身智能的浪潮，最重要的是讓大模型賦能機器人，從而實現(xiàn)人機交互，將復雜任務拆解為子任務；二是各種子任務和現(xiàn)實中的物理空間的結合，這需要視覺模型和觸覺模型，沒有視覺就沒有空間的推理，沒有觸覺，很難完成精細的裝配甚至操作。
第三，除了能行走穩(wěn)定、安全以外，有一雙靈巧手也很重要。Figure AI的新款產(chǎn)品也將重點放在了靈巧手，特斯拉在更新應用時也會涉及靈巧手。
這三個問題可能是作為我們具身智能研究的三大重點，也是熱點。
目前“軟”件端，通用大模型和垂直專業(yè)模型還在攻堅階段。此外，泛化運行的機器人，不論是輪式還是有足機器人，最終實現(xiàn)操作和交互的是雙手，所以靈巧手是目前人形機器人需要在技術和成本上攻克的難點。
這次展會，大部分其實是垂直領域的具身技能，這是我自己淺顯地理解�，F(xiàn)階段，基本停留在對通用領域的探索上。
現(xiàn)場另一款人形機器人展示其靈巧手部分
澎湃科技：從人形機器人研發(fā)的角度看，大模型可以重點解決哪些技術問題？
王田苗：大模型對人形機器人的核心貢獻在于實現(xiàn)類似人類的交互、推理和環(huán)境適應能力。然而，目前仍存在理論和技術挑戰(zhàn)。人類認知是分層的，有概念邏輯認知、感知、視覺與觸覺，還有肢體協(xié)調運用，這些不同層次的關系尚未完全理清。此外，大模型在算法選擇上，是監(jiān)督學習、強化學習，還是端到端學習或者模擬學習，這些都在探索中。另外，訓練大模型的數(shù)據(jù)生成方面也存在問題，尤其是實際操作數(shù)據(jù)的獲齲
大模型有望在通用機器人和具體操作中發(fā)揮作用，但現(xiàn)實中許多任務仍需專和精。大家希望能通過大模型培養(yǎng)出“全能型”機器人，但這是理想，還需進一步探索，最終還涉及科學研究與應用場景的結合，以及功能、安全和成本的平衡。
現(xiàn)階段人形機器人量產(chǎn)主要面向科研平臺
澎湃科技：為什么一定要做人形？在工業(yè)場景中，專用機器人也可以做，人形和專用這兩者之間，會不會有替代性關系？
王田苗：從技術和產(chǎn)業(yè)的發(fā)展階段來看，人形機器人加上大模型可能會形成機器人的新品類。人形機器人應用的特別重要的場景是復雜空間，小批量多品種很難實現(xiàn)大規(guī)模自動化甚至是特別危險的場景；由于是新物種，就會涉及很多新結構，比如電機驅動感知一體化關節(jié)、傳感、數(shù)據(jù)生成和服務等，它有可能會促成新應用場景和應用產(chǎn)業(yè)；此外，以人形機器人作為抓手，可能會把機器人的理論、技術、產(chǎn)品都推到新的階段。
未來20年，人形機器人在智能機器人領域的占比，目前有兩種不同的觀點。一種樂觀的看法是，人形機器人的市場份額將超過50%或60%；而另一部分產(chǎn)業(yè)觀察者則認為，人形機器人可能只會占據(jù)20%或30%市場份額。因為它們只解決了一部分需求，而其他類型的機器人，如臂式、履帶式、輪式，以及協(xié)作型和并聯(lián)型機器人等，將滿足多樣化的需求。
我個人認為，最終采用哪種形式的人形機器人，首先取決于底層技術創(chuàng)新達到的程度；其次，還取決于具體的應用場景和客戶需求，即客戶是否愿意為這種服務成本和產(chǎn)品功能買單。因此，不應該絕對地認為人形機器人一定行或者一定不行。
澎湃科技：今年也出現(xiàn)了售價10萬塊以下，相對更便宜的人形機器人，這是否意味著人形機器人量產(chǎn)的前夜？
王田苗：現(xiàn)階段無論15萬還是10萬或更便宜，主要還是面向科研平臺展示�，F(xiàn)在客戶對人形機器人的成本要求還沒有形成閉環(huán)，量產(chǎn)還涉及供應鏈的問題�，F(xiàn)階段，主要是以科研的平臺搭建起來，在科研平臺搭建各類應用，包括對硬件的開放，離我們所說的軟件開發(fā)應用，還有相當一段距離。
澎湃科技：現(xiàn)在每家公司人形機器人的形態(tài)不太一樣，比如有的手指是三指，有的是五指，有的機器人有腿，有的可能干脆沒有腿。接下來，人形機器人是否會出現(xiàn)一個統(tǒng)一的形態(tài)？
王田苗：任何一個顛覆性技術出現(xiàn)時，大家對它都會抱有很大希望，因此會出現(xiàn)五花八門、各種形態(tài)的機器人，有的連腦袋都可以轉180度，腰部甚至手都能隨意旋轉。日本在上世紀70年代初，他們有近200家公司在嘗試各種機器人應用，發(fā)展到如今的關節(jié)、并聯(lián)結構等。我覺得當前這種狀態(tài)是非常正常的，技術應當不斷發(fā)展。但在未來，肯定會形成若干標準化的品類，因為這些品類會在效率、操作時間、成本等方面達到最佳，同時供應鏈也會逐步形成。
不過，這需要一個過程。目前來看，可能需要10年。因為在人形機器人發(fā)展中，我認為這是通用人工智能走向現(xiàn)實，接觸物理世界的必經(jīng)之路。任何科學技術的發(fā)展都需要很長的時間和成本，無論是汽車、手機，還是機器人研發(fā)，每個階段都需要10到20年的迭代。
很多人對未來的顛覆性發(fā)展過于樂觀、過于渴望，往往會夸大。但現(xiàn)實并非如此，最終還是要看技術是否真的被需要，功能是否完善，是否涉及社會安全，成本是否能夠被接受，以及產(chǎn)業(yè)化標準是否健全等多個因素，這是一系列的綜合考慮。
很多人希望技術能夠迅速突破，好像第二天、第二年就會實現(xiàn)顛覆性進展，但這并不現(xiàn)實。
專精特新小企業(yè)，建議從具身技能入手
澎湃科技：您有科研學術界背景，對產(chǎn)業(yè)也有研究，您覺得機器人產(chǎn)業(yè)在的推進過程中，還有哪些問題需要解決？
王田苗：通常來說，科學家應該更多地從事基礎研究，或通用的理論，比如關注通用大模型等。至于具身智能或具身技能，產(chǎn)業(yè)界應從應用領域以及相應的供應鏈、使用安全性、有效性和成本等方面去驗證。
但現(xiàn)在科技創(chuàng)新和產(chǎn)業(yè)發(fā)展出現(xiàn)了一個現(xiàn)象：基礎研究和產(chǎn)業(yè)、工程研究聯(lián)系得越來越緊密。不僅時間周期縮短，三者之間也相互促進、相互啟發(fā)，又相互推動應用，密不可分。在這個過程中，出現(xiàn)了大學聯(lián)合企業(yè)做基礎性研究，產(chǎn)業(yè)界、企業(yè)界聯(lián)合大學做應用技術研究等現(xiàn)象。科技創(chuàng)新和產(chǎn)業(yè)發(fā)展聯(lián)系越來越緊湊，時間周期也越來越短，并不能按照我們想象的分段式地發(fā)展。
澎湃科技：對于創(chuàng)業(yè)公司來說，是圍繞具體場景找到機器人相對實用的模型方法好，還是應該攻克體積相對完善的通用大模型？
王田苗：如果是專精特新小企業(yè)，我建議還是圍繞一個具體的應用，從具身技能入手。這樣可能更能通過客戶的認可，包括大企業(yè)給的訓練數(shù)據(jù)、資金支持。對于融資很多甚至有產(chǎn)業(yè)背景資源支持的企業(yè)，可能會往更通用、更泛化的路徑走。不過，到后期也要實現(xiàn)落地。
對于創(chuàng)業(yè)企業(yè)來說，新型物種形態(tài)的潛在應用剛需，無論規(guī)模大小都值得探索；二是要關注上游核心部件的突破，包括肢體傳感器、大腦（具身智能）和小腦（具身技能）的功能。
此外，人形機器人能否結合大模型和感知模型將技能泛化，譬如解決上下料、拋光打磨、搬運清潔等場景中的免編程問題，未來，我們希望通過大模型實現(xiàn)復雜任務的自動分解，進而達到免編程，這將為應用場景帶來巨大空間。
