人类,误读机器人形态百年

2021 年 12 月 24 日 机器之心
机器之心报道
机器之心编辑部
机器人改变社会的起点,可能会从出行领域开始。
1956 年,约翰 · 麦卡锡(John McCarthy)曾在达特矛斯会议(Dartmouth Conference)上提出:「人工智能就是要让机器的行为看起来像人所表现出的智能行为一样。」
 


这一概念在后来被定义为弱人工智能,机器不会拥有自主意识,但可以通过特定的程序,主动制定决策、采取行动,而不仅仅是实施简单的机械性动作。

目前,主流科研普遍集中在弱人工智能上,已有不少科技巨头将基于此实现的智能机器人,视作未来技术发展的制高点。 同时,智能机器人的商业化探索也从未停止,不仅有协助或取代人类工作的传统工业机器人,还有改善生活体验、与更多种类工具相结合的新探索。

「机器人」时代已至

仅仅在最近一个月内,我们就见到了数例令人印象深刻的机器人相关新闻。其中,来自英国公司 Engineered Arts 的人形机器人「Ameca」,能展示极度逼真自然的表情和动作,像极了拥有真实的生命。
 


而美国佛蒙特大学和塔夫茨大学的研究者,则利用青蛙的表皮细胞和心肌细胞,造出了全球首批活体机器人「Xenobot」,形似豆子的它们,竟然能够实现自我「繁殖」。
 


而由苏黎世联邦理工学院的衍生公司 Swiss-Mile 生产的四足机器人,不仅平衡性极高,速度还很快,甚至公开与一辆特斯拉 Model 3 飙了回车。
 


可以看出,机器人的形态可以有千差万别,从满足幻想的人形仿生、到工具或单纯科研用途,机器人的成果几乎成为了展示 AI 科技进度的终极载体。

科技巨头们在机器人领域的布局与探索从未停止,其中比较突出的亚马逊与谷歌,在发展步调上也比较接近。
 


2012 年,亚马逊就以 7.75 亿美元现金收购了机器人公司 Kiva Systems,该公司最初的 DU 1000 机器人具有 1000 磅起重能力,用于搬动仓库内装满货物的货架。 在被收购后,Kiva 更名为 Amazon Robotics,产品线至今已覆盖从仓库拣选到末端配送的机器人。

与亚马逊的工业机器人研发路线不同,谷歌同时还布局有仿生机器人。到 2013 年底,谷歌母公司 Alphabet 已收购了波士顿动力、Industrial Perception、Schaf 等 8 家机器人公司。
 


其中,最知名的当属波士顿动力, 其产品包括能在恶劣环境下执行任务的机器狗 Spot、SpotMini、可以快速奔跑的猎豹机器人,以及身高近 1.5 米、能做三连跳、原地 360° 旋转、翻跟头、搬运工作的人形机器人 Atlas。
 


值得注意的是,尽管 Alphabet 认为波士顿动力难以商业化,可其产品概念却从不缺乏效仿者。例如小米就在今年发布了四足仿生机器狗——CyberDog,并被雷军称为「铁蛋」。虽然仍未及成熟量产阶段,但这也显示出小米对机器人领域的探索与重视。
 


还令人有点意外的是,特斯拉在今年的 AI DAY 上,也发布了人型机器人 Bot。 马斯克表示,未来它也可以用在特斯拉的自动驾驶汽车上,可以学会驾车时的所有操作。 不过显然,这还只是个概念。

这里的问题在于,与仿生或工业机器人相比,汽车做到全自动化运行难度更大,不仅要做到更多类智能的集合,还要处理难以计数的 Corner case。 不过,若能实现汽车的「机器人」化,也意味着将可以把驾驶员从如此复杂的工作中解脱,甚至还能通过 AI 提供更多服务,带来革命性的使用体验。
 


而且,在解放驾驶员获得的价值之外,应用规模也是技术价值的另一个关键要素。仅国内市场,2020 年的机动车保有量就已达到 3.72 亿辆,市场需求远非其它方向可比。

事实上,智能汽车与机器人并没有本质区别,汽车的动作就是机器人的动作,其感知、决策系统也与机器人如出一辙,仅是终端的执行机构有所差异,而智能座舱的交互体验,也正是亚马逊 Astro、三星 Bot Handy 等诸多科技企业追求的方向之一。

在 2021 年世界互联网大会,百度首次展出了未来汽车形态的概念产品「汽车机器人」 ,其能够通过三重能力服务于人:L5 级自动驾驶能力、多模交互能力,和自我学习能力。
 


目前,汽车机器人的路线也已逐渐得到业界共识。例如已经开启泰坦项目多年的苹果 CEO 库克曾提出 「自动驾驶汽车是机器人,能达到高度自动化」 的言论。

中国工程院院士、指挥自动化和人工智能专家李德毅也曾表示: 「未来汽车将是『轮式机器人』,不仅会开车,还会学习、会交互,有个性,有悟性。」

汽车正在被重新定义

如果打消机器人等于仿生体的刻板印象,就会发现汽车机器人并非突然被提出。已出现较长时间的 ADAS 系统、语音识别等配置,都可以被视作向机器人发展的迹象,只是能力还不够强。
 


去年 10 月,谷歌旗下自动驾驶子公司 Waymo 宣布将在凤凰城菲尼克斯向公众开放没有安全员的无人驾驶出租车服务, 通过单车智能做到无人自动驾驶,实现汽车机器人最重要的基础功能之一无人驾驶。

但是,「自动驾驶」只是汽车机器人的基本功能,如果是单纯认路、会跑的 Robotaxi,也未必就是「机器人」的最终形态。

在「汽车机器人」的概念刚被提出时,许多人将其与高度自动驾驶直接关联。但要知道的事, 自动驾驶只是其中一个属性,而机器人可拓展的功能,是在解放双手之后的无限场景的扩充,而这也正是百度所提出的汽车机器人连接技术与场景。
 


不难发现的是,许多种类的机器人研发思路,都指向了「类人化」、「场景化」。因为只有更懂人类、更会共情、更擅长学习的机器人,才能拓展到更多场景,进而才能真正解决出行当中的刚需、痛点和高频问题。

例如,特斯拉今年发布的 Tesla Bot 是由 FSD 车载计算机和视觉感知系统,以及 40 个微型电机组成,明明打上了一系列汽车软硬件的标签,却是人形的呈现方式。比起它究竟能做到什么,我们看到的更多还是从「交通工具」拓展到懂得陪伴、交流的出行伙伴。 就像李彦宏所说的,汽车机器人除了会自动驾驶,更要成为贴心的智能助手。

马斯克也曾在多个场合强调,特斯拉是一家人工智能机器人公司:「大家看我们只是在造车,但其实我们也是全球最大的机器人公司。 因为特斯拉的车就像是轮子上的机器人,所以我们就造了真正的机器人 。」

这种想法,苹果公司的库克也曾经表达过。他曾公开表示, 未来的智能汽车,一定会转变为机器人的性质
 


车企之中, 集度汽车是首个确定要量产真正意义上汽车机器人的公司,计划在 2023 年交付 ,其智能驾驶负责人王伟宝曾表示:「汽车机器人我们认为要有三个主要能力,自由移动、自然交流和自我成长。」其中, 自由移动是指 L4 级自动驾驶,自然交流是做到与人自然对话的语音能力,自我成长是基于 AI、大数据的自我学习迭代

这种趋势下,汽车的本质已在开始改变。机械时代的汽车无论豪华与否,最主要的用途仍是代步工具。但在智能化时代,因为大算力芯片、智能系统的出现,汽车也被提出了更多额外的需求。

这里最核心的一点是, 汽车要从被动驾驶的工具,变成主动服务的智能机器人,而且要拓展至更多场景,完成更多「交通运输」之外的工作

例如,在港口、矿山等封闭作业场景,有专注于厂区物流的驭势科技,也有百度 Apollo 这样全领域布局的公司。后者已与华能伊敏煤电有限公司合作,推出特种作业机器人、智慧矿山解决方案华能伊敏自动驾驶矿卡。

而在出行领域,百度今年 8 月发布的前瞻构想汽车机器人也能预示未来座舱的智慧水准:它不仅具备语音、人脸识别等多模交互能力,还能分析用户潜在需求,主动提供服务。更重要的是,它还具备自我学习和不断升级的能力,堪称服务多场景的智慧体。

产业需求迎来风口

如今,「汽车机器人」已经成为业界共识,走在前面的百度、Waymo、Cruise、苹果等科技巨头,已经开始进入到商业化探索阶段。而且值得注意的是,由于「汽车机器人」彻底改变产品形态,也在因此而催生出新的产业需求:末端配送、厂区物流等无人化服务。
 


不过,移动出行领域仍是自动驾驶公司的主要竞争方向。美国方舟投资在《2021 年大想法》报告中指出, 目前网约车市场在全球交易规模达到了 1500 亿美元,在表现优异的城市,利润率高达 50%
 


如此夸张的市场规模和利润率,意味着自动驾驶公司若能将无人车队投入商业化运营,将获得更加夸张的收益率。方舟投资预测, 到 2025 年,自动驾驶平台运营商的企业价值可能会扩大到 3.8 万亿美元 。当前,萝卜快跑、Waymo、Cruise 已进入到 Robotaxi 的商业化收费运营阶段。

除率先在北京亦庄开展自动驾驶商业化收费运营外,百度自动驾驶出行平台萝卜快跑已在北京、上海、广州、重庆、长沙、沧州六地开放常态化运营。在今年三季度,「萝卜快跑」订单量更达到了 11.5 万单。
 


货运机器人则是近些年更被重视的领域,相比在开放道路环境,干线、仓库、场区的环境更加单一,如果以自动驾驶车辆替代有人驾驶,将在这种高频且固定的应用场景下,发挥出更大的经济效益。

以干线物流为例,通过自动驾驶系统完成高速公路路段的驾驶任务,将给物流行业在安全性、运营效率、人员成本方面带来巨大改变。 目前,百度 Apollo、图森未来、嬴彻科技、智加科技等公司已逐渐形成先发优势,商业化路线也正在清晰。
 


比较有代表性的是,百度生态公司 DeepWay 在确定两年后量产首款 L3 级智能重卡之外,还提出了 H2H(Hub to Hub)干线物流模式,通过货箱与车头分离的运输方案,将高速路段的驾驶任务交给 DeepWay 自动驾驶牵引车头

另外,长期占用大量人力的快递配送、零售等末端物流场景,也在往「机器人」化转向。尤其在新冠疫情期间,以生活服务为核心的低速无人物流需求被进一步凸显。在今年夏天的广州疫情期间,百度 Apollo 调配载重 500kg 的物流配送无人车、熟食配送无人车赶往疫情前线,提供全天候、无接触配送服务。

无论机器人的形态、功能有何差异,落到最终应用的时候都是殊途同归——为人类服务。无论是陪伴、劳动、创作,娱乐还是辅助,当机器人融入现实社会时,其意义根源都是要进一步改善人类生活,汽车机器人受到重视的原因也是如此。

趋势已不可逆,机器人与人类、乃至整个社会的关系只会越来越紧密,而汽车机器人必将是其中最为重要的角色之一,也是率先能让消费者体会到高端机器人功能的先驱者。

因为汽车机器人的发展趋势不仅代表了基本出行层面的需求,也体现了消费者对人性化服务功能的需求,更是代表了 AI 产业对多场景无人化服务及商业化模式的探索。在汽车未来的职能中,或许「运输」和「交通」只是个附加值,其可实现的功能和影响,可能远超过大家的想象。


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:content@jiqizhixin.com

登录查看更多
0

相关内容

机器人(英语:Robot)包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗,机器猫等)。狭义上对机器人的定义还有很多分类法及争议,有些电脑程序甚至也被称为机器人。在当代工业中,机器人指能自动运行任务的人造机器设备,用以取代或协助人类工作,一般会是机电设备,由计算机程序或是电子电路控制。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
「计算机视觉」2022 年 5 大趋势
专知会员服务
73+阅读 · 2022年3月27日
【PAISS 2021 教程】概率散度与生成式模型,92页ppt
专知会员服务
33+阅读 · 2021年11月30日
专知会员服务
38+阅读 · 2021年9月7日
人工智能药物发现,讲述AI与药物交叉应用研究
专知会员服务
155+阅读 · 2021年1月28日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
25+阅读 · 2019年11月19日
波士顿动力玩转CES,Spot机器狗走进元宇宙!
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
1+阅读 · 2022年4月18日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
Arxiv
17+阅读 · 2021年1月21日
Arxiv
102+阅读 · 2020年3月4日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
VIP会员
相关VIP内容
「计算机视觉」2022 年 5 大趋势
专知会员服务
73+阅读 · 2022年3月27日
【PAISS 2021 教程】概率散度与生成式模型,92页ppt
专知会员服务
33+阅读 · 2021年11月30日
专知会员服务
38+阅读 · 2021年9月7日
人工智能药物发现,讲述AI与药物交叉应用研究
专知会员服务
155+阅读 · 2021年1月28日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
25+阅读 · 2019年11月19日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
1+阅读 · 2022年4月18日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
Arxiv
17+阅读 · 2021年1月21日
Arxiv
102+阅读 · 2020年3月4日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Top
微信扫码咨询专知VIP会员