北京亦庄的人形机器人半程马拉松刚落下帷幕，赛事中机器人的“摸爬滚打”，成为人形机器人从“3岁小孩”迈向成人的成长注脚。
如何解决人形机器人摔倒等问题，成为接下来业内的重点。此外，此次半程马拉松允许途中更换电池或更换机器人，如何让机器人未来较为连续地跑完半马，也是值得思考的问题。
在业内看来，“摔倒”是一个复杂问题，不仅涉及算法鲁棒性，还与机器人系统设计挑战有关。第一财经记者了解到，为了解决摔倒等问题、加快行业迈向标准化，人形机器人硬件产业链近期有所行动。
机器人摔倒背后
半程马拉松中，来自北京人形机器人创新中心的天工Ultra 用时2小时40分钟率先完赛。比赛中机器人摔倒、摔倒后爬起并不罕见。天工Ultra在赛程过半后也一度摔倒，并在技术人员维修后继续出发。“机器人中途有一次摔跤，是电池失效时出现的故障。”北京人形机器人创新中心CTO唐剑对第一财经表示。
除了电池失效故障，记者从业内人士了解到，人形机器人稳定站立和行走一直是业界难题，摔倒背后还有一些更系统性的原因，例如，系统延迟也可能导致机器人摔倒。
“传统（具身智能）的大脑和小脑分开，甚至用的芯片系统可能都不一样，彼此间通信、协作有系统级别的延迟。” 英特尔中国边缘计算事业部行业解决方案高级总监李岩告诉记者，他从一些客户了解到，由于系统间的通信延迟，会造成机器人摔倒。
具体而言，所谓大小脑分开可理解为大脑和小脑采用不同芯片。这种大小脑分开的设计源于具身智能演进过程中的算力需求增长，又因为大小脑运行工作负载存在差异，而被认为是一种现阶段可被接受的设计，但其弊端也逐渐凸显。
据英特尔技术专家介绍，目前主流计算架构中，小脑部分以x86（一种CPU主流架构）芯片为主，如英特尔12、13代酷睿，大脑部分方案以其他厂商的产品为主。有技术人员告诉记者，人形机器人在推理侧不仅有CPU（中央处理器）+GPU（图形处理器）的方案，还有CPU+NPU（神经网络处理器）的方案。
以上多芯片组合背后，是算力需求不断增长。有技术人员告诉记者，大语言模型和视觉模型增强了具身智能的泛化能力，自去年下半年起，业界还试图用统一的大模型解决所有问题，将动作、操作和运动等维度的数据纳入训练，催生出了端到端的视觉动作大模型和视觉语言动作大模型。这个过程中，算法由人工设计算法逐渐转向由数据驱动模型，由此带来的算力需求增长，让计算平台由CPU转向CPU、GPU并重乃至云端辅助。
大小脑要解决的问题不同，为避免计算负载过大导致运动协调问题，人为将大脑和小脑分开也成为一种现实选择。英特尔中国边缘计算事业部机器人产品资深架构师杨洪告诉记者，小脑通常运行底层操作系统、底层实时运动控制等，要求反应快，大脑主要工作负载则是接收并处理传感器数据、生成运动规划和决策。“当机身移动或周围环境变化较大时，峰值计算负载可能比较大。”杨洪说，为应对这个挑战，业内形成将大脑和小脑划分为两个不同系统的主流做法。
然而，大小脑分开的弊端逐渐凸显，机器人容易因延迟而摔倒便成为业界不得不面对的问题。杨洪说，大脑和小脑两套系统进行大量数据传递时，容易出现数据传递延迟。
在大小脑分开的架构下，解决数据传输延迟的问题并不容易。浙江人形机器人创新中心首席科学家熊蓉告诉记者，大小脑硬件上的分开，让多种传感器融合变得困难，“现在小脑不纯粹是执行控制，我们还希望它能对作业对象形成控制。如果大小脑分开，一些传感器放在大脑上，往下传递信息会出现信息量过大的情况。”
具体至灵巧手运动，熊蓉向记者举例，灵巧手有触、力、视觉传感器，大小脑分开的情况下，为保证灵巧手实时控制，就需要把触觉放到底层。然而，大脑决策规划也要用到触觉信息。如果触觉信息要从小脑传到大脑，视觉信息要从大脑传到小脑，期间就存在延迟。
熊蓉表示，加大网络带宽可以应对信息传输量过大、出现延迟的挑战。然而，要通过增加网络带宽来加快数据传输并不容易。信步科技副总经理叶志辉告诉记者，大小脑可以认为是两台独立的机器，两者之间目前只能通过网络通信，而网络传输非常麻烦，“因为涉及数据打包、解析，需要上到10G乃至100G网络带宽。100G网络在机器人系统中非常不好处理，会造成空间和成本的巨大开支。”
硬件产业链行动起来
人形机器人大小脑系统分开不仅导致了延迟问题，还可能导致系统设计复杂等一系列问题。有技术人员向记者解释，双系统导致研发过程需要维护两套开发环境、两套系统，带来研发成本上升，双系统也限制了计算平台的功耗、尺寸和结构，“双系统下，控制代码可能跑在ARM架构的CPU上，也可能跑在x86架构的CPU上，AI算法则跑在GPU等其他芯片上，软件架构和代码维护都不一样。”
“追求大小脑融合的原因，一是将大小脑两台机器合二为一，提升机器人设计空间，二是降低成本，三是解决数据延迟。”叶志辉表示。
记者了解到，近期业内有一些统一计算平台的尝试。信步科技近期推出了新的具身智能开发平台HB03，将CPU与GPU/NPU集成于一块主板。英特尔今年年初推出第二代酷睿Ultra处理器，将CPU、GPU和NPU封装在一个SoC（系统级芯片）中，并于近期基于该产品线推出一套具身智能解决方案。据介绍，英特尔酷睿Ultra 200H的CPU AI算力90TOPS，后续产品算力还将提高，如下一代Panther Lake可达180 TOPS。
此外，业界也看到了人形机器人续航时间较短的问题。唐剑表示，天工Ultra在半程马拉松中换了三次电池，使用的电池是15安时，如果容量增加就能减少换电次数，但同时也会增加机器人重量、影响跑步速度。
就续航问题的解决途径，熊蓉告诉记者，模型最好能压缩、蒸馏和剪枝，从而降低对算力的要求，计算设备则需要小型化、轻量化、易散热，以降低对电池的要求。因此，增加续航时间主要依靠三个方面：电池技术提升、设备功耗降低、算法对算力的需求降低。
叶志辉则看到硬件设计上的其他问题。他表示，开发具身智能控制器面临诸多困难，包括标准问题。他的公司新发布的开发平台连接器采用非标准设计，这是因为目前尚无适用标准。“具身智能不像工业控制拥有数十年成熟的应用场景，因此形态尚未统一。这确实带来一个问题：行业有特殊要求，例如常用的USB接口可能不便于使用，但目前许多客户仍不得不使用USB或Type-C接口。”叶志辉称。
叶志辉还注意到，传统USB标准接口和RJ45水晶头在运动时容易脱落，且有线缆过粗、不易整理等问题，这些问题困扰着行业，他的办法是将对外接口进行加固。
人形机器人要稳定地运行，另有一些技术挑战需要解决。有技术人员告诉记者，目前端到端算法成功率仍较低，机器人动作数据在不同构型机器人之间的迁移性不足，3D表征也尚未达成共识，此外，如何将多种传感器的数据编码并输入端到端大模型中，目前还没有明确答案。
“现在机器人大脑和身体都处于初级阶段，两者在握手、建立连接，就像身心交融的过程，但身体和心都需要进一步发展。”熊蓉向记者表示。
从跑跳到进工厂
业界通过半程马拉松检验人形机器人运动能力的同时，实际场景落地也在加速。
今年1月，智元机器人第1000台通用具身机器人量产下线，该公司计划今年机器人出货数千台。
记者了解到，近日具身智能公司智平方也启动自有产线建设，计划2028年实现万台场景应用，2033年扩展至百万台规模。智平方的通用智能机器人AlphaBot已进入汽车制造场景，并在吉利科技旗下的晶能微科技电子半导体生产基地执行上下料等任务，该公司近日还与华熙生物合作，计划让机器人执行物料协同转运等任务，降低微生物污染的风险。
唐剑告诉记者，就人形机器人这一垂直细分领域来看，几十台的量已经被视作是相对较大规模的应用了，例如天工的股东之一优必选就有约20台左右的机器人在工厂打工。他透露，天工2.0机器人将很快实现小批量的量产并出货。
“我们从一二十家人形机器人客户了解情况，今年春节后有终端客户老板下KPI，要求在自己的制造业工厂中应用DeepSeek和人形机器人。具身智能和人形机器人将首先在工业领域落地，例如特斯拉，国内也主要集中在制造业。”英特尔中国边缘计算事业部高级产品经理瞿好聪表示。
工业成为一些人形机器人公司最先选择的落地场景。但从另一方面看，要真正在工业中大规模应用，挑战还不少。
高工机器人产业研究院数据显示，2024年中国市场大约销售2400台人形机器人。“根据我们与客户的访谈，去年售出的人形机器人主要用于院校、科研机构以及接待表演等场景，真正进入具体场景解决实际问题，各方仍在探索。” 瞿好聪表示，经过去年，今年机构对中国人形机器人的销售预测有所下调，预计2030年销量为16.2万台，2035年约200万台。
“挑战方面，大家看到很多视频中机器人完成跑跳等动作，很多都是（为）拍摄（设置）的。我们也购买了一套设备进行模仿学习，使用网上采集的数据训练，发现成功率很低，例如双臂机器人模仿人类插笔套的成功率很低。”瞿好聪表示，客户希望解决的也不是跑跳能解决的问题，而是产线难题，如3C行业的贴膜、撕膜。
“业界存在这样的声音：当机器人能跑能跳时，还难以稳定地站立操作。”熊蓉表示，目前能实际作业的人形机器人还不多，特斯拉作业很大程度上依赖远程操控，波士顿动力的可靠性和鲁棒性也存在问题。除了通用性挑战，工业精度和效率也是重点，此前机器人通过专家编程可以实现高精度、高效率的离线作业，而随着智能技术引入，现在面临的问题变成了泛化性提升、精度效率下降，后续要解决如何兼顾泛化性和精度的问题。
工业中机器人的形态也仍待探讨。一些在工厂中使用的人形机器人目前没有人类一般的双腿，例如智平方的AlphaBot2采用腰腿升降结构，搭配可移动的底盘，优艾智合等厂商采用轮式、履带式结构。瞿好聪表示，机器人形态不一定是双腿行走，核心技术是具身智能和AI，而不是硬件上完全的人类形态。
从近段时间人形机器人的出货量级看，叶志辉向记者表示，完全人形的机器人产品出货量可能不会很大，但在技术驱动下，相关技术有望应用于更广泛的领域，例如轮式机器人、双臂机器人等。
主题测试文章，只做测试使用。发布者：北方经济网，转转请注明出处：https://www.hujinzicha.net/16811.html
