人形机器人跳舞是预先编程

寂静回声

4月18日，在“第19届中国投资年会·年度峰会”上，国内头部人形机器人创企【北京银河通用机器人有限公司】（以下简称“银河通用”）创始人及CTO王鹤发表了题为“开启人形机器人的生产力时代”的主题演讲。

演讲中，王鹤教授提到：人形机器人正在经历由中国企业引领的运动时代，在运动时代，人形机器人从简单地形到复杂地形，到跑步，到拟人舞蹈，到一系列武术动作；同时提到，虽然当下人形机器人能够完成跳舞、跑马拉松等动作，但离真正的劳动力时代还有些距离。并进一步揭露这类动作的本质，人形机器人的跳舞、跑步，都没有用到视觉传感器，比如马拉松是背后有人在用遥控器遥控，让它往前跑；跳舞是这支舞蹈已经编好了舞，上台以后是不用看的，所有机器人各司其职；但这样的技术跟现在讲的生产力时代还不是一回事，毕竟没有活是闭着眼睛干的。并表示，我们真正发展的应该是手眼脑的协调，这一点是推进人形机器人迅速赋能千行百业的关键。

人形机器人最终可用，要做到四个可达：第一，移动可达，想让它去哪里就去哪里，包括避障；第二，操作可达，能抓什么就可以抓什么，或者把一个物品放在指定位置；第三，语义可达，比如拿苹果是为了榨；第四，价值和智慧可达。


国内人形机器人企业似乎陷入“炫技”死循环，贡献了诸多“炫技”明场面，前空翻、后空翻、720度回旋踢、表演功夫等，对于运动能力的展示，企业皆乐此不疲，但这种炫技似乎和商业化落地场景关系却不大；与实际工作相关的双手抓取、泛化等能力决口不提。
[波士顿动力]创始人Marc Raibert在2024WRC大会上，曾表示：工业机器人已经非常成熟，而且能够商业化，目前人形机器人“在某种程度上是一种炫耀，而不是一种生产力”。
王鹤（教授）同时表示：未来，人形机器人即将开启生产力时代；而在从运动时代迭代到生产力时代的过程中，最先要发展的就是手眼脑的协调，这一点是推进人形机器人迅速赋能千行百业的关键；而这背后很关键的技术是一个实时视觉输入，闭环反馈的端到端的具身大模型（机器人“大脑”）。
图灵奖得主、Meta首席AI科学家杨立昆之前也提出类似观点，他表示：“过去一两年里，成立了很多机器人公司，他们制造人形机器人和类似的技术；很多人形机器人演示令人印象深刻，但实际很蠢；它们不能做人类能做的事情，不是因为它们缺乏身体能力，而是因为它们根本不够聪明（没有聪明的机器人“大脑”），无法驾驭现实世界的复杂性。
人工智能、大模型技术突破性进展催生了本身具身智能浪潮，但同时大模型发展瓶颈也同样是人形机器人商业化核心壁垒；相较于上游机器人核心零部件基本成熟，软件算法进步将是推动人形机器人功能提升和应用场景拓展的关键。大模型的通识理解能力、多级推理能力赋予人形机器人具身智能的核心；嵌入在大模型中的庞大先验知识库&强大的通识理解能力让机器人更好理解泛化任务，且基于思维链的多级推理能力，让人形机器人实现了具身智能。



目前大多数人形本体初创公司在AI层面投入极少，仅依靠科技大厂大模型赋能，这也是为什么国内绝大多数创企优先选择教育、科研、数据采集场景落地，其次是展示、表演场景，而非工业场景；科研院校和科技公司采购人形机器人更多出于科研和场景训练，对泛化能力要求不高，相对于整体硬件出售，院校或者AI企业进行算法层面研发，而本体公司并没有产生真正技术层面突破，后续市场可持续性较差，当然展示、表演场景也同样道理。
目前国内已有很多家人形机器人本体企业已宣布完成交付或者即将百台交付，如优必选、乐聚机器人、宇树科技、傅利叶、魔法原子、众擎机器人、松延动力、零次方等等，但深究交付或者预交付场景，皆是以教育、科研、数据采集场景为主，其次是展示、表演场景，落地工业制造场景的进展极少部分。