圖片｜電視劇《西部世界》劇照

　　?產業象限原創

　　作者丨錢江

　　來源丨產業象限

　　2024年才一開年，一款名叫Mobile ALOHA的機器人就因為“會炒菜”在X上出了名，還被各種大V輪番轉發。

　　▲Mobile ALOHA 在做菜 圖源：斯坦福大學

　　可能很多人會有疑問，都2024年了，機器人會炒菜早已不是什么新聞，為什么這款機器人會如此備受關注？原因很簡單，因為Mobile ALOHA的“炒菜”技術，和之前的炒菜機器人完全不是一回事。

　　傳統炒菜機器人大多是滾筒結構，需要人工進行備菜，機器人按照設定的程序將配菜按順序倒入滾筒，然后滾筒翻滾，在翻滾的過程中，機器人的調料瓶可以自動擠出調料。

　　但Mobile ALOHA卻可以使用人類的案板和刀具、使用人類的灶具和炒鍋，它也沒有專屬的調料瓶，而是如人類一樣，用“手”拿起鹽罐和醬油。總之，它如同真人一般，完成了一整套炒菜的流程。

　　只這一點，Mobile ALOHA就已經完全顛覆了傳統機器人的工作方式。

　　2021年8月，馬斯克首次公布了特斯拉的人形機器人計劃。之所以選擇人形機器人，是因為這是當前最適合人類生活環境的機器人形態，它不需要為了適配機器人的工作而改造環境，也不必為機器人單獨制造額外的工具。

　　它完全可以像人一樣，走人類所走的路、用人類的工具參與勞動。

　　但人形機器人一直存在一個很大的問題——學人走路很簡單，學人做事卻很難。

　　1月中旬，馬斯克曾在X上展示了特斯拉的人形機器人Optimus Gen 2疊衣服的視頻，在視頻中，Optimus Gen 2 的動作仍然笨拙，并且這套展示還不是機器人自主執行的操作。

　　▲馬斯克X平臺截圖

　　作為對比，Mobile ALOHA表現出來的能力，就更加具有沖擊力了。

　　而Mobile ALOHA之所以能有如此亮眼的表現，關鍵在于斯坦福團隊使用了行為克隆（BL）的方法，由人帶著機器人針對某個動作重復操作50多次，之后機器人就能夠自主完成相應的動作。

　　這種由人類直接參與的訓練方式，與去年引爆ChatGPT的路徑有許多相似之處。

　　2023年初，OpenAI推出的ChatGPT引爆全球，推動這一點的關鍵技術就是“人類強化反饋學習”，它通過將人類反饋作為“獎勵”和“懲罰”引入AI訓練，打破了原來大模型訓練的瓶頸。

　　而現在，隨著行為克隆（BL）方法在機器人訓練上的使用，曾經一直桎梏人形機器人訓練的技術也迎來新的突破。似乎，人形機器人正在迎來自己的“ChatGPT時刻”。

　　這一次，終于輪到了華人？

　　在世界科技發展的前沿，華人的身份總是在國內受到額外的關注。

　　比如大家會關注OpenAI的華人工程師，關注馬斯克超過三分之一的華人團隊，關注時代周刊“全球百大AI人物”榜單中的華人入圍數量。

　　雖然華人在世界科技發展的前沿占據重要的地位，也做出過許多不可磨滅的貢獻，但到目前為止，引領世界科技浪潮的華人角色仍然屈指可數。

　　但這一次不同，如果行為克隆（BL）成為打開人形機器人大門的鑰匙，那華人也將站在世界科技變革的中心。

　　作為一款家政機器人，Mobile ALOHA由斯坦福大學的華人團隊研發，其核心成員包括Zipeng Fu、Tony Z.Zhao和他們的導師Chelsea Finn。其中Zipeng Fu是項目共同負責人，他是斯坦福人工智能實驗室計算機學博士生，也是谷歌Deep Mind學生研究員。Tony Z. Zhao則是斯坦福大學的計算機科學博士生。

　　▲Mobile ALOHA主創團隊

　　雖然我們前面在討論人形機器人，并認為Mobile ALOHA能夠為人形機器人的訓練帶來變革，但從外觀上講，Mobile ALOHA和“人形”幾乎毫不相關。

　　Mobile ALOHA的構造極其簡單，1個移動底座（AgileX Tracer AGV）；兩只手臂（ViperX 300），配有2個腕部攝像頭和1個頂部攝像頭，然后在底座上搭配有機載電源和計算設備。

　　它的實物長這樣：

　　▲Mobile ALOHA樣機

　　Mobile ALOHA的操作模式分為兩種，一種是真人遙控操作，另一種是全自動操作。

　　在遙控模式下，操控者可以將自己的腰部和底座連接，通過扭動腰部直接驅動輪子實現移動控制，同時，操作人員可以通過后端的機械臂控制前端的機械臂。而在自動模式下，這一切都由計算機在統一操控。

　　和特斯拉Optimus Gen 2的演示視頻并非機器人獨立操作的一樣，X平臺上廣泛流傳的Mobile ALOHA的演示視頻也并非由機器人獨立完成，而更多是兩種模式混合下的操作結果。

　　▲X平臺截圖

　　但即便如此，Mobile ALOHA的操作，也給機器人訓練帶來巨大的突破。比如像炒個蝦仁、擦拭酒瓶、沖洗盤子等簡單的動作，只需要操作員手把手帶著機器人重復50次，機器人就能夠學會并自主操作。

　　這個過程，就類似小時候，媽媽手把手帶著我們握筆和寫字一樣。但模仿學習的過程對于人類來說，其實并不容易，對機器人來說就更是如此了。

　　2018年，波士頓動力一段機器人翻跟頭、跨越障礙的視頻在網絡上走紅，成為國內對人形機器人最早的科普。大家當時普遍驚訝于波士頓動力的機器狗，對于特技動作的控制能力，但實際上，對于機器人來說，實現翻跟頭、跳躍、鞠躬，要比實現做家務簡單多了。

　　這種現象有一個專有名詞——“莫拉維克悖論”。

　　這個概念是人工智能和機器人學領域的先驅漢斯·莫拉維克提出的，它描述了在計算機和機器人系統中一個有趣且非直觀的現象：對于人類來說簡單的感知和運動任務，對計算機和機器人而言卻異常困難；而相反，人類認為復雜的邏輯和抽象思維任務，對計算機來說卻相對容易。

　　Mobile ALOHA之所以能夠如此輕松地完成一些簡單動作，關鍵在于斯坦福團隊在機器人模仿學習能力上的突破。

　　模仿學習有幾個“難啃”的骨頭。

　　比如復雜的感知能力和環境適應能力，模仿學習要求機器人需要高度發達的感知能力，包括視覺、聽覺、觸覺等多種感官輸入的綜合處理，以理解和模仿人類行為。

　　比如精確的動作復制能力，人類的動作細微且流暢，機器人如果要精確復制，不僅需要復雜的機械結構，還需要高度精確動作控制算法。

　　最后還有機器人的多樣性和泛化能力，人類可以將學過的技能在多種不同場景中復用，但對于機器人來說，每一個新的場景都是一次新的學習。

　　為了應對這些難題，機器學習領域開發了各種不同的模仿學習方法，其中主流的方法有三個，包括行為克隆（BL）、逆強化學習（IRL）和生成對抗模仿學習（GAIL）。

　　對于Mobile ALOHA，它的目標只是為了完成簡單動作，泛化要求低，且希望在短期內看到效果。所以他們選擇了行為克隆（BL）的方法。

　　簡單來說，行為克隆是一種將觀察映射到行動的方法。比如我們看到有人舉著手向你迎面走來，你可能會下意識地擊掌，比如在你打電話的時候，別人給你任何東西，你都會下意識地接住。

　　行為克隆就是利用這個原理，將一部分場景與機器人的行為進行對應。確定了模仿學習的路徑后，Mobile ALOHA其實還有一些問題需要解決。

　　首先是移動問題。在傳統的行為克隆學習方法里，機器人可以學習各種原始技能，比如簡單的“拾取”和“放置”，但是在現實生活中，更多場景需要機器人具備調動全身運動的靈活性，比如煎完蝦滑后，需要機器人移步到身后的餐桌，將蝦滑倒入碗中，這就要求機器人會舉起鍋、移步、轉身、反手倒入等。

　　Mobile ALOHA通過將其安裝在輪式底座上，擴展了原始ALOHA的功能，即低成本、靈巧的雙手操縱木偶裝置。

　　其次是如何在短時間內實現高效率數據搜集的問題。Mobile ALOHA通過執行監督行為克隆，與現有靜態ALOHA數據集的聯合訓練，可以提高移動操作任務的能力。

　　最后則是復合性誤差的問題。前面提到行為克隆模仿學習將“狀態”和“行為”深度綁定，所以一旦機器人的“行為”產生誤差，就可能改變預期的狀態，從而下一個行為產生偏差。

　　為了解決這一問題，斯坦福團隊從神經科學獲得靈感，將獨立的動作組合成一個單元，簡單地說，就是將一系列“狀態”進行打包，以單元為單位執行所有“動作”，這樣就大大降低了誤差，提升執行效率。

　　這一套方法叫做ACT算法（Action Chunking with Transformers，簡稱ACT），它的核心思想是將復雜的決策過程分解成更小、更易管理的“行動塊”（action chunks），從而提高決策的效率和質量。

　　Mobile ALOHA不僅讓大眾享受了一場機器人做飯的視覺“盛宴”，更酷的是它讓機器人的模仿學習能力又上了一個臺階，它在數據和算法層面的創新，為機器人迎來“ChatGPT時刻”帶來更多可能性。

　　人形機器人，走到爆發前夜？

　　2018年，從波士頓動力依靠機器狗火出圈之后，機器人賽道就開始被更多行業所關注。2022年10月，特斯拉首款人形機器人在AI Day上初次亮相，將這個賽道徹底推向高潮。

　　從此之后，從太平洋的東岸到西岸，各類機器人創業公司層出不窮。

　　一直以來，機器人賽道都在快速發展，且從來不缺競爭者。

　　比如特斯拉的人形機器人，2022年登上AI Day的舞臺時，它還如一個老人步履蹣跚，需要人扶著；但到了2023年，Optimus Gen 2就已經能夠和人類揮手致意，甚至90度彎腰屈伸。

　　1月底，Magic Lab人形機器人“翻跟斗”的視頻在網上爆火，這是一家中國的人形機器人公司，因為跳躍、后空翻等場景的優秀表現，被網友稱為波士頓動力的挑戰者。

　　▲Magic Lab人形機器人

　　這樣的機器人，甚至還會制作咖啡“拉花”。

　　▲Magic Lab人形機器人的咖啡拉花

　　再往前看，2023年8月，宇樹科技發布H1人形機器人，它的行走速度超過1.5m/s，潛在的運動性能可以達到5m/s以上。

　　▲宇樹科技人形機器人

　　2023年12月底，國內人形機器人公司優必選在港交所上市，被稱為“人形機器人第一股”。按照規劃，優必選的人形機器人主要聚焦在工業制造、商用服務和家庭陪伴等三大場景。

　　而回顧整個2023年，機器人的技術進步和產業發展也被市場普遍認為是除了AI和商業航天之外，全球范圍內最重要的技術發展。

　　所以盡管如今人形機器人還處在起步階段，但其中蘊藏的巨大潛力卻早已經掩蓋不住。

　　根據IFR和中國電子學會數據，參照其他電子產品滲透率超過20%后將爆發式增長，2023—2030年，按年均復合增長率30%測算，預計到2030年，我國人形機器人市場規模有望達約8700億元。

　　▲圖源：中商產業研究院

　　在這樣的背景下，人形機器人及配件相關的投融資活動也相當活躍。

　　根據中商產業研究院最新統計數據顯示，“截至2023年11月底，中國智能機器人行業投資事件數量達139件，投資金額達844.62億元，投資領域包括人形機器人、智能仿生機器人、智能機械手、智能協作機器人等。”

　　到了2024年，雖然時間過去還不到一個月，人形機器人賽道卻已經產生了2筆大額融資。

　　先是國內人形機器人研發公司“星動紀元”宣布獲得由聯想創投領投，金鼎資本、清控天誠跟投，老股東世紀金源超額追投的超億元天使輪融資。不久之后，來自挪威的人形機器人初創企業1X Technologies（簡稱：1X）也宣布完成了1億美元的B輪融資。1X在2023年就曾獲得由OpenAI創業基金領投的2350萬美元融資，成為OpenAI投資的第一家硬件公司。

　　資本市場對人形機器人青睞有加，因為人形機器人賽道落地不僅會改變生產和生活方式，其眾多零部件組建的上下游生態，也會形成一個巨大的配件生態供應鏈市場。

　　根據阿里云《中國機器人產業圖譜及云上發展研究報告》顯示，機器人產業鏈主要分為上游核心零部件研發與生產、中游本體制造和系統集成， 以及下游各行各業的具體應用等三方面 ，每一個環節都充斥著配件市場的新機遇。

　　▲圖源：行行查研究中心

　　2023年10月，國家工業和信息化部印發《人形機器人創新發展指導意見》（簡稱《意見》）。《意見》的第一句話就開宗明義：“人形機器人集成人工智能、高端制造、新材料等先進技術，有望成為繼計算機、智能手機、新能源汽車后的顛覆性產品，將深刻變革人類生產生活方式，重塑全球產業發展格局。”

　　機器人將帶動整個工業制造轉型升級、可能成為新的支柱型產業已經成為一個可以預見的未來。

　　1972年，早稻田大學加藤實驗室發明了世界上第一臺人形機器人WABOT-1，它每走一步需要45秒，但它的第一步跨出人類人形機器人歷史性的一刻。

　　52年后，載著大模型和多樣化的技術路線，人形機器人或許也將迎來它的“ChatGPT時刻”。

（聲明：本文僅代表作者觀點，不代表新浪網立場。）