我們正處于智能化時(shí)代，從機(jī)械化時(shí)代的工業(yè)1.0，到電氣化時(shí)代的工業(yè)2.0，再到信息化的工業(yè)3.0，現(xiàn)在我們正邁向工業(yè)4.0智能化的時(shí)代。在這個(gè)時(shí)代背景下，工業(yè)機(jī)器人、服務(wù)機(jī)器人和特種機(jī)器人發(fā)揮著越來越重要的作用。智能機(jī)器人已廣泛應(yīng)用于工業(yè)制造、國防安全、智能服務(wù)和智慧農(nóng)業(yè)等各個(gè)行業(yè)，呈現(xiàn)出同步發(fā)展的趨勢，并具有廣闊的應(yīng)用前景。

　　在過去的幾十年里，工業(yè)機(jī)器人發(fā)揮了重要作用。而為了解決服務(wù)機(jī)器人的問題，人類與我們共同走向了人形機(jī)器人的研發(fā)之路。

　　那么，為什么要發(fā)展人形機(jī)器人?人形機(jī)器人主要模仿人的形態(tài)、運(yùn)動(dòng)和功能，可以與人進(jìn)行交流。它不僅模仿了人的外形、外觀和行為，還是一種通用的智能機(jī)器人，是國際公認(rèn)的人工智能、高端制造新材料等尖端技術(shù)的集成者，也是科技競爭的制高點(diǎn)和未來的新賽道。

　　我們預(yù)判人形機(jī)器人將成為繼個(gè)人計(jì)算機(jī)、手機(jī)和智能汽車之后新一代智能終端，可能形成萬億級(jí)市場。因此，我們關(guān)注產(chǎn)業(yè)化路徑，提出了人形機(jī)器人發(fā)展的主要?jiǎng)恿碜杂谛枨鬆恳驼麢C(jī)帶動(dòng)。應(yīng)用場景，如智慧農(nóng)業(yè)、醫(yī)療、家庭服務(wù)等，是推動(dòng)人形機(jī)器人發(fā)展的關(guān)鍵。整機(jī)研發(fā)是主攻方向，軟件和硬件必須協(xié)同，以培育一個(gè)完整的生態(tài)，進(jìn)而帶動(dòng)產(chǎn)業(yè)鏈、創(chuàng)新鏈和人才鏈的發(fā)展轉(zhuǎn)型升級(jí)。

　　在關(guān)鍵技術(shù)突破方面，我們將人形機(jī)器人的發(fā)展劃分為大腦、小腦和肢體三個(gè)方面。大腦主要解決復(fù)雜環(huán)境感知決策、人機(jī)交互以及提升機(jī)器人的學(xué)習(xí)適應(yīng)能力。小腦，即過去的控制系統(tǒng)，主要負(fù)責(zé)運(yùn)動(dòng)建模、復(fù)雜控制以及各種形態(tài)的控制。而肢體方面則是整機(jī)和部件的共同發(fā)展。

　　未來，人形機(jī)器人開發(fā)工具要形成大產(chǎn)業(yè)，必須具備大模型訓(xùn)練數(shù)據(jù)標(biāo)注軟件和應(yīng)用軟件。這樣我們可以將機(jī)電一體化考慮在內(nèi)，形成人形機(jī)器人的發(fā)展路線。

　　我們2020年提出的人形機(jī)器人架構(gòu)是一個(gè)云網(wǎng)端架構(gòu)的系統(tǒng)，大腦負(fù)責(zé)多模態(tài)模型建模、強(qiáng)化學(xué)習(xí)、地圖創(chuàng)建和數(shù)據(jù)訓(xùn)練。數(shù)據(jù)訓(xùn)練端作為云端大腦，訓(xùn)練完成后，通過網(wǎng)絡(luò)高速互聯(lián)互通進(jìn)入人形機(jī)器人機(jī)構(gòu)本體。機(jī)構(gòu)本體的小腦則重點(diǎn)管理表情計(jì)算、視覺控制、感知信息等各種驅(qū)動(dòng)手和關(guān)節(jié)的控制，形成一體的小腦控制。

　　目前，人形機(jī)器人國內(nèi)外研發(fā)重點(diǎn)主要包括：

　　環(huán)境感知：人形機(jī)器人的環(huán)境感知部分主要涉及各種傳感器的研發(fā)，包括內(nèi)部傳感器、慣導(dǎo)傳感器、立位傳感器、皮膚傳感器、外部傳感器、視覺傳感器、激光雷達(dá)傳感器以及聲學(xué)傳感器等。

　　執(zhí)行器：執(zhí)行器部分涉及驅(qū)動(dòng)電機(jī)和靈巧手等執(zhí)行機(jī)構(gòu)。研發(fā)動(dòng)力部件、驅(qū)動(dòng)減速器等關(guān)鍵零部件對(duì)于人形機(jī)器人的發(fā)展至關(guān)重要。

　　小腦開發(fā)：小腦負(fù)責(zé)機(jī)器人的運(yùn)動(dòng)控制，從傳統(tǒng)的模型驅(qū)動(dòng)轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)。通過強(qiáng)化學(xué)習(xí)，機(jī)器人小腦變得更加靈活，加速了控制器的開發(fā)。

　　大腦開發(fā)：大腦負(fù)責(zé)感知、控制、傳感和控制一體，涉及高級(jí)決策核心。通過多模態(tài)模型建模、強(qiáng)化學(xué)習(xí)、地圖創(chuàng)建和數(shù)據(jù)訓(xùn)練，大腦能夠管理和協(xié)調(diào)機(jī)器人的各種功能。

　　近年來，人形機(jī)器人發(fā)展迅速。通過感知、傳動(dòng)、算一體的端到端大模型學(xué)習(xí)和訓(xùn)練大腦，人形機(jī)器人得到了更多的活力。大模型使人形機(jī)器人可以解決復(fù)雜規(guī)劃問題，具備情感、精準(zhǔn)執(zhí)行能力和理解人的意圖等優(yōu)勢。此外，具身智能的發(fā)展也加速了人形機(jī)器人的多模態(tài)交互和學(xué)習(xí)能力。

　　經(jīng)過研判，今年人形機(jī)器人規(guī)模發(fā)展非常迅速，但仍處于艱苦的爬坡過坎階段。從市值分析，目前中國在人形機(jī)器人產(chǎn)值尚未達(dá)到預(yù)期。從分布角度來看，國內(nèi)人形機(jī)器人的地域分布相對(duì)集中，主要集中在沿海發(fā)達(dá)地區(qū)，包括重慶中部地區(qū)和南部地區(qū)。我們更多地需要通過形成產(chǎn)業(yè)生態(tài)鏈、創(chuàng)新鏈和上下游聯(lián)動(dòng)，以推動(dòng)人形機(jī)器人的大發(fā)展，形成真正的新三板。

　　回顧過去，我們團(tuán)隊(duì)在1985年就開始研發(fā)機(jī)器人，主要采用模型驅(qū)動(dòng)，如神經(jīng)網(wǎng)絡(luò)模型驅(qū)動(dòng)的機(jī)器人智能控制。然而，開發(fā)周期緩慢，需要完成多個(gè)程序。為了改善控制能力，我們?cè)O(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)作為輔助修正學(xué)習(xí)?，F(xiàn)在，我們需要融入新技術(shù)，如深度強(qiáng)化學(xué)習(xí)和大模型驅(qū)動(dòng)，以加速人形機(jī)器人的開發(fā)周期。

　　那么，AI大模型如何賦能人形機(jī)器人開發(fā)?將AI大模型賦能到人形機(jī)器人，需要注意幾個(gè)方面。首先，通過這個(gè)模型提升人形機(jī)器人的自然語言交互，使機(jī)器人能夠與人進(jìn)行自然語言的交互理解。其次，需要識(shí)別復(fù)雜場景視覺感知。第三，需要對(duì)動(dòng)作和規(guī)劃進(jìn)行精準(zhǔn)把控。最后，需要進(jìn)行自主學(xué)習(xí)提升來完成任務(wù)。

　　人形機(jī)器人與其他機(jī)器人的最大不同，在于它需要具備情感計(jì)算和表達(dá)能力。大模型為機(jī)器人注入了新的活力，使人形機(jī)器人具備了情感表達(dá)和分析能力。

　　未來，人形機(jī)器人行業(yè)還有很多工作需要完成。我們應(yīng)該聯(lián)合企業(yè)、政府、高校和研究所，共同梳理和發(fā)力，讓人形機(jī)器人真正走向生活、智能制造和國防等領(lǐng)域。

　　首先，我們需要打破訓(xùn)練數(shù)據(jù)大模型之下的壁壘，充分利用他人的優(yōu)勢進(jìn)行開發(fā)。其次，我們可以采用小模型進(jìn)行分布式開發(fā)。最后，我們需要探討如何高效地應(yīng)對(duì)大模型的多模態(tài)企業(yè)特征、提升端到端控制的通用性和訓(xùn)練效率、保障模型的泛化能力和可解釋性等問題。

　　為了實(shí)現(xiàn)這些目標(biāo)，我們需要研究人工智能大模型，推動(dòng)人形機(jī)械一體化發(fā)展。我們需要設(shè)立一個(gè)開源數(shù)字底座，涵蓋計(jì)算智能、感知智能、認(rèn)知智能、決策智能、行為智能以及真正的具身智能。這個(gè)底座應(yīng)該具備感知、認(rèn)知、思考、分析、判斷、推理和交互功能，以推動(dòng)人形機(jī)器人具備智能自主操控性。

　　此外，未來的人形機(jī)器人還需要具備情商和智商兼?zhèn)涞奶攸c(diǎn)。數(shù)字人與機(jī)器人的有機(jī)結(jié)合將是未來的發(fā)展趨勢。數(shù)字人已經(jīng)在各個(gè)領(lǐng)域廣泛應(yīng)用并形成產(chǎn)業(yè)化，我相信實(shí)體人形機(jī)器人也將與數(shù)字人一樣在數(shù)字空間和實(shí)際中發(fā)揮作用。為了實(shí)現(xiàn)這一目標(biāo)，我們需要取得突破，在數(shù)字人具備群智兼?zhèn)涞幕A(chǔ)上，還需要解決腦認(rèn)知驅(qū)動(dòng)的情感激勵(lì)、多模態(tài)前置大模型融合的解釋建議以及個(gè)性化情感的表征與動(dòng)態(tài)等科學(xué)問題。

　　總之，通用人形機(jī)器人的發(fā)展需要多學(xué)科交叉協(xié)同創(chuàng)新，突破運(yùn)動(dòng)、操作、智能三大專業(yè)技術(shù)。我們應(yīng)該攜手共進(jìn)，無論是企業(yè)、高校還是科研院所，都應(yīng)該共同努力推進(jìn)人形機(jī)器人的發(fā)展。讓我們攜手艱苦攻關(guān)，實(shí)現(xiàn)通用人形機(jī)器人的夢(mèng)想!

　　文章為中國工程院院士王耀南在2024機(jī)器人和智能制造技術(shù)與標(biāo)準(zhǔn)創(chuàng)新發(fā)展(杭州)大會(huì)上的報(bào)告實(shí)錄

　　來源：國家智能制造專家委員會(huì)公眾號(hào)