scripod.com

人形≠通用≠落地:人形机器人的真问题| S9E15

人形机器人正从科幻走向现实,成为科技领域的热点话题。随着特斯拉推出 Optimus 等人形机器人项目,国内外资本和技术力量纷纷投入这一赛道。本期节目邀请了峰瑞资本执行董事刘鹏琦和人大高瓴人工智能学院副教授胡迪,共同探讨人形机器人的技术挑战、商业前景以及未来可能的发展路径。
节目围绕人形机器人及其背后的具身智能展开讨论。首先分析了人形机器人热潮的起源,包括硬件进步和大模型应用的推动作用,但也对通用人形机器人的必要性提出了质疑。随后,嘉宾们深入探讨了通用机器人所需的泛化能力,指出学术界与产业界的关注点不同,并强调了机器人末端控制的技术局限。此外,硬件瓶颈如触觉感知、力反馈等仍是发展的主要障碍。在软件领域,VLA 端到端模型与模块化控制路径的竞争体现了技术路线的分歧,而训练数据来源则涉及仿真、真机和互联网模仿学习的权衡。最后,嘉宾们提到人形机器人落地面临 “不可能三角” 问题 —— 成功率、通用性和成本之间的取舍,并预测其实际应用可能晚于量子计算和可控核聚变,需长期投入才能实现商业化目标。
03:04
03:04
具身智能火爆的主要原因是多学科融合与技术突破
06:45
06:45
大模型增强了机器人对外部环境的感知、理解和推理能力
12:20
12:20
人类造机器人如同想成为造物主,希望造出像自己的存在
20:54
20:54
机器人交互涉及三维信息,触觉和力反馈等数据来源未知
30:48
30:48
触觉传感器近一年发展显著,但仍缺乏泛化性
42:28
42:28
端到端模型虽结构简单,但成功率和行业目标仍有差距
48:33
48:33
不同类型数据对机器人能力提升的影响不同
58:04
58:04
机器人发展可能比可控核聚变、量子芯片更接近现实,但仍需技术突破
59:14
59:14
人形机器人可能需依赖可控核聚变和量子计算才能实现通用功能