大曉機(jī)器人王曉剛：現(xiàn)有技術(shù)路線存在缺陷，期待擁有更強(qiáng)的“大腦”去理解世界

近一年來(lái)，人形機(jī)器人持續(xù)火熱。不過(guò)，當(dāng)下人形機(jī)器人仍依賴人類遙控，普遍缺乏擁有自主決策能力的機(jī)器人“大腦”，因此也頻遭外界質(zhì)疑。

12月18日，大曉機(jī)器人召開(kāi)發(fā)布會(huì)，推出開(kāi)悟世界模型3.0（Kairos 3.0）。據(jù)悉，大曉機(jī)器人由商湯科技聯(lián)合創(chuàng)始人、首席科學(xué)家王曉剛創(chuàng)立，由澳大利亞科學(xué)院院士陶大程擔(dān)任首席科學(xué)家，該公司主要研究方向?yàn)闄C(jī)器人“大腦”及軟硬件協(xié)同。

欲攻克機(jī)器人“大腦”難題

目前，國(guó)內(nèi)人形機(jī)器人廠商大多聚焦于機(jī)器人本體及小腦，機(jī)器人大腦的研究相對(duì)匱乏。而大曉機(jī)器人主研方向正是機(jī)器人大腦。

王曉剛接受《每日經(jīng)濟(jì)新聞》記者采訪時(shí)表示：“大曉機(jī)器人在產(chǎn)品化落地方面，輸出的是軟硬一體的方案，針對(duì)各個(gè)場(chǎng)景。”

從大曉機(jī)器人研發(fā)團(tuán)隊(duì)也可以看出，更加偏向“大腦”的研發(fā)，而并非機(jī)器人本體。

據(jù)悉，陶大程曾獲IEEE計(jì)算機(jī)學(xué)會(huì)技術(shù)成就獎(jiǎng)，也曾出任京東探索研究院創(chuàng)始院長(zhǎng)、優(yōu)必選人工智能首席科學(xué)家。此外，大曉機(jī)器人匯集來(lái)自南洋理工大學(xué)、香港大學(xué)和香港中文大學(xué)的全球稀缺的AI領(lǐng)域前沿科學(xué)家呂健勤、李鴻升、劉子緯、潘新鋼、趙恒爽、劉希慧。

大曉機(jī)器人核心科學(xué)家團(tuán)隊(duì) 圖片來(lái)源：大曉機(jī)器人供圖

王曉剛表示：“我們團(tuán)隊(duì)強(qiáng)在‘大腦’和軟件。同時(shí)，在過(guò)去兩年時(shí)間，商湯也投資了一系列本體和零部件公司。然而，在實(shí)際場(chǎng)景中，現(xiàn)有的本體硬件與實(shí)際需求仍存在較大差距。因此，大曉會(huì)根據(jù)場(chǎng)景需求進(jìn)行軟硬件聯(lián)合優(yōu)化，協(xié)同供應(yīng)鏈生態(tài)伙伴，重新設(shè)計(jì)硬件，使產(chǎn)品更符合客戶需求。”

機(jī)器人“大腦”為何仍不盡人意？

王曉剛表示：“具身智能被期待擁有一個(gè)強(qiáng)大的大腦，這源于過(guò)去幾年在大語(yǔ)言模型和多模態(tài)模型上取得的突破，大家期待將這種語(yǔ)言模型的能力賦予機(jī)器人，以實(shí)現(xiàn)通用化能力。”

那么，為何當(dāng)下機(jī)器人“大腦”仍然不盡人意？

王曉剛認(rèn)為：“現(xiàn)有技術(shù)路線有明顯缺陷。VLA（視覺(jué)、語(yǔ)言、動(dòng)作）模型是以機(jī)器為中心的，通過(guò)輸入指令、圖像和視頻，直接輸出動(dòng)作，它不太需要去理解真實(shí)的物理世界和物理規(guī)律。我們期待將來(lái)有一個(gè)更強(qiáng)的‘大腦’能去理解世界，這就是我們提出的世界模型。與之伴隨的是我們提出的ACE環(huán)境式采集范式。”

其具體解釋稱：“以前以機(jī)器為中心，基于不同物理結(jié)構(gòu)的本體采集真機(jī)數(shù)據(jù)，很難綜合得到一個(gè)比較通用化的‘大腦’。現(xiàn)在環(huán)境式采集是‘以人為中心’，通過(guò)第一視角、第三視角和多模態(tài)數(shù)據(jù)，更好地對(duì)人和物理世界的交互進(jìn)行建模，并利用這些數(shù)據(jù)訓(xùn)練我們的世界模型。簡(jiǎn)單粗暴地使用端到端或VLA并不能解決具身智能對(duì)‘大腦’的期望。”

此前，有行業(yè)人士認(rèn)為，汽車自動(dòng)駕駛尚未完全實(shí)現(xiàn)，而具身智能更加復(fù)雜。對(duì)此，王曉剛告訴每經(jīng)記者：“汽車自動(dòng)駕駛與人形機(jī)器人應(yīng)用場(chǎng)景不太一樣，不能說(shuō)汽車自動(dòng)駕駛的場(chǎng)景更加簡(jiǎn)單。這是因?yàn)樽詣?dòng)駕駛過(guò)程中，車速通常非常快，因而對(duì)乘客體驗(yàn)及安全性要求都非常高。”

其補(bǔ)充表示：“如果我們想象的場(chǎng)景是人形機(jī)器人在家庭中能夠完全取代人、完成各種長(zhǎng)程復(fù)雜的任務(wù)，并且保證安全性，這確實(shí)需要在未來(lái)的五年甚至更長(zhǎng)的時(shí)間才能達(dá)到。但這并不妨礙機(jī)器人在各種場(chǎng)景中逐漸落地。”