宇樹科技董事王其鑫：AGI不是夢，具身智能技術(shù)路線要分三步走

每經(jīng)記者｜趙李南    每經(jīng)編輯｜魏官紅    

4月29日，第八屆數(shù)字中國建設(shè)峰會開幕。

由國家數(shù)據(jù)局主辦，國家數(shù)據(jù)發(fā)展研究院、國家發(fā)展改革委城市和小城鎮(zhèn)改革發(fā)展中心、中國信息通信研究院等承辦的數(shù)字中國建設(shè)峰會數(shù)字經(jīng)濟(jì)分論壇在同日舉行。

杭州宇樹科技有限公司（以下簡稱宇樹科技）董事王其鑫發(fā)表了主題演講。王其鑫表示，2024年國內(nèi)的具身/人形項目融資突破100億元，在可展望的未來，人形機(jī)器人會走進(jìn)千家萬戶。

王其鑫認(rèn)為，以人形機(jī)器人實現(xiàn)具身智能在技術(shù)路線上的發(fā)展可分為三步。第一，建立第一視角下靈活的具身認(rèn)知系統(tǒng)；第二，實現(xiàn)高度自主的決策規(guī)劃能力；第三，實現(xiàn)目標(biāo)驅(qū)動與物理世界的精確運動交互。

AGI的實現(xiàn)是非常有可能的

王其鑫介紹稱，目前宇樹科技的產(chǎn)品分為消費級和行業(yè)級的機(jī)器人。

“消費級的機(jī)器人就是普通消費者可以買回去（使用），比如幫你取外賣、取快遞，跑步幫你背個水，買菜幫你背包，做一些簡單的事情，售價也會比較便宜，在天貓、京東就可以直接下單購買。”王其鑫表示。

王其鑫稱，宇樹科技主要的銷售來源其實是工業(yè)端。“我們工業(yè)級的四足機(jī)器人，它可以在電力巡檢、消防救援、園區(qū)安防等領(lǐng)域提供服務(wù)。一般應(yīng)用場景都是一些有毒氣、輻射或者是特別惡劣的環(huán)境里，為人類減輕負(fù)擔(dān)。”王其鑫稱。

對于目前AI（人工智能）的發(fā)展，王其鑫認(rèn)為會分成三個階段。“首先是弱AI階段，指的是只能做一些單一領(lǐng)域工作的人工智能系統(tǒng)，比如谷歌的阿爾法狗（即AlphaGo）圍棋系統(tǒng)。”

“下一個階段是強(qiáng)AI，但是目前還沒有達(dá)到強(qiáng)AI階段，強(qiáng)AI除了在特定領(lǐng)域有一些應(yīng)用，可以做到很智能的程度，同時具備一定的學(xué)習(xí)能力，具備比較廣泛的智能能力。雖然說現(xiàn)在沒有達(dá)到強(qiáng)AI階段，但是我們看到這兩年AI大模型發(fā)展得比較火熱，AI大模型的非提前預(yù)設(shè)‘涌現(xiàn)能力’，是我們邁向強(qiáng)AI的一個重要的發(fā)展階段。”王其鑫稱。

王其鑫繼續(xù)說道：“最后一個階段就是AGI——通用人工智能，是指AI能夠完全模仿人類的智能行為，比如說它可以實現(xiàn)自我學(xué)習(xí)、自我改進(jìn)、自我調(diào)整等，目前來看只能在一些科幻作品里面看到這樣的概念，但是AGI的實現(xiàn)是非常有可能的，實現(xiàn)它的途徑之一必然是具身智能。”

王其鑫解釋，具身智能是融合了身體感知、環(huán)境交互和運動能力的綜合性概念。具身智能非常強(qiáng)調(diào)身體在智能行為當(dāng)中的重要性，即必須要有一個智能體通過身體來感知周圍的環(huán)境，比如具有視覺、嗅覺、聽覺等，獲取到了環(huán)境信息之后，再做出一些決策和改變，進(jìn)一步跟環(huán)境進(jìn)行交互，從而進(jìn)行學(xué)習(xí)。

“具身智能在生活里面有很多應(yīng)用案例，只不過（目前）都比較初級。”王其鑫舉例稱，比如醫(yī)療機(jī)器人，它可以縫合一個生雞蛋，它是在感知到包裹蛋液的非常脆弱的外皮之后，還可以完美地把它縫合起來。

“比如說服務(wù)機(jī)器人，我們宇樹的機(jī)器人去年在泰山清運垃圾。比如說工業(yè)機(jī)器人，我們看到汽車工廠里有很多機(jī)械臂，可以幫助（人類）減輕工作負(fù)擔(dān)，這都屬于具身智能的范疇。自動駕駛汽車同樣屬于這個領(lǐng)域，比如說它現(xiàn)在已經(jīng)有非常強(qiáng)的感知能力，能夠適應(yīng)道路的變換、識別人行馬路等，這些其實都是具身智能的應(yīng)用案例，只不過目前還不是特別高級的具身智能。”王其鑫表示。

實現(xiàn)具身智能分三步走

“（業(yè)內(nèi)）大家有一個共識，就是我們（國家）在具身智能領(lǐng)域其實是并不弱于發(fā)達(dá)國家，因為我們有非常完善的產(chǎn)業(yè)鏈，所以說我們在這一方面其實并不差。尤其是美國硅谷精英，他們并不太愿意去做硬件產(chǎn)品，他們更喜歡做軟件，這就是我們的機(jī)會。”王其鑫表示。

“其實國內(nèi)在具身智能領(lǐng)域已經(jīng)有很多新公司涌現(xiàn)出來了，比如，僅2024年就有百億元的融資，要知道這里面大部分的公司其實都是初創(chuàng)企業(yè)。”王其鑫表示。

圖片來源：每經(jīng)記者 趙李南 攝

王其鑫認(rèn)為，人形機(jī)器人應(yīng)該是具身智能最好的形態(tài)之一。如果想要用人形機(jī)器人實現(xiàn)具身智能，要分三步走。

“第一步先要產(chǎn)生認(rèn)知。舉一個例子，國外一個研究團(tuán)隊基于宇樹的人形機(jī)器人做的一個全身（實時控制）的遙控操作系統(tǒng)，這個技術(shù)方案我們也已經(jīng)開源了一部分，它可以幫助機(jī)器人迅速認(rèn)識我們周圍的環(huán)境。”王其鑫表示。

“第二步是讓機(jī)器人具有決策能力。卡內(nèi)基梅隆大學(xué)基于宇樹提出WoCoCo框架，解決了人形機(jī)器人順序接觸任務(wù)執(zhí)行難題。這個框架可以有效幫助機(jī)器人迅速完成決策，比如，機(jī)器人可以在跳箱子的過程中自動決策自己的路線。”王其鑫表示。

王其鑫繼續(xù)說道：“第三步就是交互。斯坦福大學(xué)基于我們?nèi)诵螜C(jī)器人發(fā)表的一篇論文是（關(guān)于）跟蹤和模仿人類，可以看到我們的機(jī)器人可以認(rèn)知到很多細(xì)節(jié)問題。比如在開柜門的時候，它可以拉到柜門的門把手；在疊衣服的時候，它可以準(zhǔn)確地交互到衣角、衣袖，完成疊衣服的過程。”

王其鑫也介紹了宇樹科技的技術(shù)路線。“我們首先會基于人類的行為視頻，或者是動作捕捉數(shù)據(jù)等，來構(gòu)建我們?nèi)诵螜C(jī)器人（所需要的）海量行為數(shù)據(jù)庫，通過并行仿真和訓(xùn)練平臺可以很好地實現(xiàn)基于強(qiáng)化學(xué)習(xí)的端到端的運動控制技術(shù)，這都是要基于我們數(shù)據(jù)平臺來實現(xiàn)的。”王其鑫表示。

展望未來，王其鑫認(rèn)為，具身智能的實現(xiàn)需要兩到三個階段。

“第一個階段是可能會先應(yīng)用在工業(yè)領(lǐng)域，比如一些特種行業(yè)、制造行業(yè)等，讓機(jī)器人去做一些復(fù)雜、沉重的事情。在邁向民用階段之前可能還會有一個商業(yè)階段，比如零售業(yè)、康養(yǎng)業(yè)可能會讓機(jī)器人先做一些工作，最終我們一定是希望人形機(jī)器人進(jìn)入千家萬戶，來為我們每一個人提供幫助。”王其鑫表示。

封面圖片來源：視覺中國-VCG31N2203664811