E244|机器人走错路了?与苏度韩铮聊聊具身智能的 3D 数据、路径分野与硅谷竞赛
硅谷101
Jul 16
E244|机器人走错路了?与苏度韩铮聊聊具身智能的 3D 数据、路径分野与硅谷竞赛
E244|机器人走错路了?与苏度韩铮聊聊具身智能的 3D 数据、路径分野与硅谷竞赛

硅谷101
Jul 16
本期播客探讨了机器人从运动控制到物体操作的巨大跨越,苏度科技 CEO 韩铮分享了其公司如何通过软硬件协同设计与 Sim-to-Real 技术,让机器人实现接近 100% 的零样本通用抓取成功率,并预测上下分层架构将重回主流。
苏度科技走了一条与硅谷主流不同的技术路线:软硬件全栈自研,采用上下分层架构,上层负责环境理解与任务规划,下层专注物体操作。其核心训练范式 Sim-to-Real 让机器人在虚拟世界中经历数百万年进化,再迁移到现实,实现了对从未见过物体的零样本抓取,单次成功率近 98%。韩铮指出,物体操作比运动控制难 2 到 3 个数量级,因为需要理解物理世界。他预测,被硅谷抛弃的上下分层架构将在下半年重回主流。公司商业模式类比智能手机生态,提供硬件 + 底层模型 + API,让开发者构建应用。韩铮最看好 DeepMind 与波士顿动力 Atlas 的组合,认为其软硬件整合能力最强。
00:01
00:01
无法仅凭 Demo 判断公司优劣
03:17
03:17
核心专注手部操作而非运动控制
09:06
09:06
3D 数据集建设者远少于 2D 和语言领域
12:59
12:59
早期数据集 ShapeNet 标注物体不足 3000 个
13:29
13:29
3D 数据集提供亚毫米级精度,互联网视频精度不足
16:33
16:33
先在虚拟世界训练机器人再迁移到现实是技术难点
20:13
20:13
大模型的出现是核心驱动力
21:41
21:41
仿真器基于经典物理法则和 3D 数据,通过强化学习实现零样本通用操作能力
26:19
26:19
数据质量比规模更重要
29:57
29:57
零样本通用抓取,单次成功率近 98%
32:12
32:12
无需预先收集数据,专注于基础操作的高成功率
34:22
34:22
短操作成功率是核心关键
35:45
35:45
灵巧手虽通用但成本高、稳定性不足
40:30
40:30
机器人商业模式更接近智能手机
41:23
41:23
开源方法过于简化,无法满足实际需求
44:04
44:04
观察人类操作可引导机器人更高效地学习
44:57
44:57
操作物体比运动控制难两到三个数量级
47:29
47:29
模型并非黑盒,而是可解释的
51:12
51:12
预训练融入物理常识,实现零样本通用操作
53:27
53:27
机器人缺乏海量真实数据,必须通过仿真环境进行数据冷启动
55:38
55:38
分层结构将重回主流并成为商业化最终方案
59:09
59:09
上层推理是硅谷优势,下层物体操作需软硬件强结合
1:02:32
1:02:32
泛化性不足是当前人形机器人的核心瓶颈
1:05:41
1:05:41
波士顿动力电动版 Atlas 与 DeepMind 的组合是机器人领域最具潜力的方向
1:09:01
1:09:01
亚马逊投入最多,但主要集中于仓储物流场景
1:10:02
1:10:02
硅谷更注重通用性和泛化性,而中国公司常因商业化压力退回到垂直场景
1:14:40
1:14:40
成为机器人时代的 iOS + 硬件