當AI遇上人形機器人,產業化元年正式开啓?

2024-02-20 18:40:15    編輯: robot
導讀 回望2023年,人形機器人賽道好不熱鬧,受政策支持、AI技術突破、投資熱潮等利好因素共同影響,衆多玩家紛紛入局加碼發力。在整個賽道持續爆炒之下,行業也迅速站上了產業風口。 其實,從很多方面來看,機器...

回望2023年,人形機器人賽道好不熱鬧,受政策支持、AI技術突破、投資熱潮等利好因素共同影響,衆多玩家紛紛入局加碼發力。在整個賽道持續爆炒之下,行業也迅速站上了產業風口。

其實,從很多方面來看,機器人行業站上風口並非偶然,而是多年來行業內外各種技術成熟帶來的必然結果。

配圖來自Canva可畫

人形機器人迎來AI產業東風

早在1973年,日本早稻田大學加藤一郎,就帶領團隊研發出了世界第一台真人大小的人形智能機器人—WABOT-1。然而,到今天爲止半個世紀過去了,事關機器人的商業化依然遙遙無期,究其根本,成本、性能這些仍是最基本的核心阻力。具體來看,機器人由運動模塊、傳感模塊和人工智能模塊,三個關鍵技術模塊組成。

對於一般的傳統機器人來說,只需要其中一種技術往往就已經具備使用價值了。比如,工業機器人主要側重於運動控制技術,掃地機器人則側重於導航傳感技術。相比之下,人形機器人的通用性要求則更高,其在應用上超越了以往機器人僅僅適用於特定場景的局限,而被更多應用於其他場景之中。如此一來,其技術的復雜性就开始指數級倍增,其不僅需要強大的數據建模,還要對語言和指令有強大的理解力。但AI大模型的突破,讓這些從前看似不可能解決的問題,逐漸有了全新的解法。

大模型從之前的Transformer再到GPT-4,隨着模型的參數量不斷呈現指數級躍遷,大模型也從之前的文本,逐漸走到語音、視覺等多模態融合的通用AI方向發展,這也讓人形機器人與語音、視覺、決策和控制等融合起來,以提升人形機器人的能力值成爲可能。其實放在整個行業來看,這只是AI助力機器人行業核心技術加快突破的一個方面,其更多體現在AI助力機器人具形化。

首先,是通過強調AI的泛化能力,基於對人類動作的模仿,使得人形機器人具備自主決策、自主學習升級的能力,以提升任務的完整性和連貫性。其次,是末端執行能力。強調靈巧機器手的操作精度,在中央分析器“大腦”的運算決策下,人形機器人的動作輸出應精准、降低失誤率,提升任務完成的正確性和准確性。最後,基於感知的運動控制能力:強調底盤的全地形移動能力,類似自動駕駛,人形機器人應基於對周圍環境的感知實現,對自身的運動控制,增強全移動操作能力,提升任務完成的時效性。

總之,借助AI技術,傳統困擾人形機器人發展的諸多困難,逐漸得到一一破解。

新問題接踵而至

從行業來看,底層技術的高速進化,讓外界开始重新審視這個陌生又熟悉的賽道。但就人形機器人的真正產業化進程來看,其距離真正進入千家萬戶還有一段路要走。

首先,是對人形機器人智能化起至關重要的數據,仍存在局限。ChatGPT之所以能夠在短時間內快速迭代,是因爲互聯網上已經沉澱了大量公域的數據,可供其直接抓取使用,人形機器人則不然,現實中的機器人保有量本就很少,可用於收集數據的機器人就更少了,這樣人形機器人的數據採集,自然就成了問題。特別是考慮到各個機器人廠商之間爲了保護自家數據,互設壁壘、自建圍牆,這種各自爲战的狀態,無疑又加大了數據獲取的難度,進而影響到各家機器人的迭代。

?事實上,目前匯集全球34個機器人實驗室的60多個現有數據集,就包含從22種機器人上採集的超過15萬個任務的上百萬條數據,谷歌开源的機器人訓練數據集Open X-Embodiment,可以說是機器人模型領域的一面旗幟,但該數據集主要針對的仍是一些常規操作,在全身肢體協調、行走平衡等方面依然會有所欠缺。

其次,受到算力的制約,目前人形機器人根本無法實時響應命令。通用人形機器人在控制周期上,需要達到500Hz的水平,而目前谷歌研發的RT-2模型,在機器人控制周期上只能達到3Hz,差了兩個數量級還多。最後也是最重要的,就是成本,現在動不動幾萬美金的售價,根本不支持在C端大面積普及。以此來看,人形機器人目前的進展仍然非常有限。

國產替代按下加速鍵

事實上,隨着國內市場的火熱,國內人形機器人產業加速替代的風潮,更是一浪賽過一浪,國產化替代正式按下加速鍵。

首先,從需求端來看,隨着國內人力成本的逐漸攀升,國內對機器人的需求逐漸上升,這在一定程度上激發了企業參與機器人的熱情。縱觀主要發達國家的情況不難發現,自上世紀90年代以來,隨着發達國家勞動力成本不斷攀升,機器人產業曾經有過一段比較快速的發展。但隨着主要發展中國家加入WTO,其人口紅利逐漸釋放,全球產業迎來巨大的發展。

但如今隨着主要發展中國家如中國,勞動力成本的逐漸提升,世界範圍內圍繞機器人的產業革新,正逐漸成爲一種趨勢。畢竟,客觀上來看,中國國內的產業鏈轉移不可避免,但放眼全世界,能夠像中國這樣擁有大量高素質勞動力群體的國家並不多,更找不到這樣高度穩定的社會環境。最近幾年,雖然中國的部分低端產業轉移到了東南亞,但實際效果不及預期。在這種情況下,寄希望於留在中國的供應商,紛紛將主要精力放在了機器人上,這客觀上助推了中國機器人產業的發展。

其次,從技術與產業來看,國內有足夠多的優質潛力供應商和應用場景,這是國內實現國產替代的核心關鍵。從人形機器人的具體構成來看,其主要涉及到減速器、伺服、控制器等,其合計佔工業機器人成本的70%,考慮到機器人關節和自由度更多,其實際的佔比可能會更高。

而在這些方向上,國產供應商也已經嶄露頭角,比如減速器領域,就有大族傳動、來福諧波、

同川科技、中大力德、綠的諧波等衆多上市公司,其中綠的諧波已經形成良性循環,作爲一家制造企業,其淨利潤率已經做到了30%以上堪稱奇跡。伺服領域,匯川技術的預期較高,其一家就在國內伺服領域佔據21.5%的市佔率。控制器領域,目前雖然未形成強勢供應商企業,但產業中並不乏替代者。應用場景方面,國內人口規模巨大、制造業發達,不管是B端還是C端消費,機器人都有巨大的應用場景,這是人形機器人在國內國產替代的先天機遇。

總之,在各方面因素的推動下,人形機器人的國產替代也進入加速期。

2024,人形機器人春天已到?

在行業快速發展之下,業內不時傳來2024是機器人元年的說法。不過,從行業現狀來看,2024年只能算是人形機器人小規模落地的一年,距離真正的產業元年還有差距。

首先,從行業來看人形機器人所涉及的技術面非常復雜,沒辦法一蹴而就。在業內人士看來,過去一年的確是行業變化較快的一年,但行業距離真正的爆發卻仍然有不少差距,因爲到目前爲止,行業內也並沒有太多的本質變化,這主要是因爲人形機器人,涉及到了高端制造、人工智能等諸多領域,其技術廣度和深度都非同一般。

別的且不說,就說剛剛上市的機器人公司優必選,其從2012年發展至今已經有10多年了,但其無論是在核心技術還是在產業化方面,仍在持續投入。對於當下的行業來說,更重要的是利用巨大的關注,沉下心來做好技術和產業的迭代,將更多資源投在一些核心技術研發,以及卡脖子的關鍵研究上去,真正實現從研發到產品,再到應用、服務的整個商業閉環。

其次,就是涉及到人形機器人具身智能的數據、硬件成本等問題,仍需要時間去解決。具體到大模型方面來說,前文提到目前適用於各種智能的數據都很少,而且無論是雲端還是邊緣側,都涉及到巨大的算力消耗,各種適用於各類場景的泛化理解的解決,也需要時間來完成。

另外,從驅動器、減速器、關節、靈巧手等,企業都需要成熟的供應商磨合,去迭代和控制成本,這在目前都不成熟。

而在具體的技術上,機器人行業的問題集中在硬件的標准化,以及操作算法的範式上。在可預見的未來,硬件的標准化或將成爲推動行業降本的核心抓手。盡管當下來看,人類關於機器人的理想與現實,早已經變得視线模糊了,但理想與現實終究還是有着一线之隔,這種糾葛決定了機器人產業化之路,並不能非常快的在產業內完成。

       原文標題 : 當AI遇上人形機器人,產業化元年正式开啓?



標題:當AI遇上人形機器人,產業化元年正式开啓?

地址:https://www.utechfun.com/post/334421.html

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。

猜你喜歡