就像當(dāng)年馬斯克的機(jī)器人最初被質(zhì)疑成“人工cosplay”一樣，在國內(nèi)，何小鵬的機(jī)器人也在這兩天遭遇了類似的拷問——他們不得不立刻“解剖”了一臺，以證清白。

小鵬新展示的機(jī)器人丨小鵬官網(wǎng)

即使是在首臺家用機(jī)器人已經(jīng)開啟預(yù)售的今天，人們對于人形機(jī)器人的疑惑依然是巨大的。

花了200美金下定號稱全球首款家用機(jī)器人（NEO）之后，琳琳（化名）在逛小紅書的時候發(fā)現(xiàn)，NEO居然還需要人工遠(yuǎn)程操作，NEO現(xiàn)在能干一些基本的家務(wù)活，但是遇到他搞不定的情況，就需要呼叫總部的人工，通過攝像頭看看家里情況，讓后人工操作一下。

在知道自己很可能要花2萬美金買到一個“機(jī)器皮影人”之后，琳琳倒是想得很開：反正也都會有用戶數(shù)據(jù)隱私協(xié)議，而且現(xiàn)在到處都是攝像頭。

“科技進(jìn)步總是需要用戶支持的，就當(dāng)支持一下�！�

琳琳說的沒錯，從零到一的科技投入使用的時候總是需要極大的包容的。

就比如，最近市場給特斯拉的包容。

前幾天，特斯拉再次推遲了 Optimus 的量產(chǎn)計劃，這已經(jīng)是這個機(jī)器人第三次“被推遲”了。不過特斯拉的股價幾乎沒有收到影響，到現(xiàn)在已經(jīng)破了1.5萬億美金�？梢�人形機(jī)器人不只有用戶的包容，還有投資人的包容。

但如果我們知道特斯拉為什么量產(chǎn)不了機(jī)器人，又會陷入沉思——原因既不是“不夠聰明”，也不是“腿腳不便”，而是一個更反直覺的難題：手。

人的手有 27 塊骨頭、數(shù)量眾多的神經(jīng)和實時反饋系統(tǒng)，能“知道”自己該用多少力、該從哪個角度握、應(yīng)該怎樣微調(diào)。而機(jī)器人手必須靠微型電機(jī)、減速器、傳感器和算法一層層堆出來，力量、穩(wěn)定性和柔性控制缺一都不行。

做出“能動的手”不難，做出“像人一樣不出錯的手”極難。

這不僅是特斯拉的難題。幾乎所有人形機(jī)器人企業(yè)，都卡在了這只手上。于是，一個被反復(fù)提出但從未真正回答的問題又浮上來——既然酒店機(jī)器人、清潔機(jī)器人、物流機(jī)器人都已經(jīng)能跑通商業(yè)化，為什么我們還要執(zhí)著于一個連手都要和人一樣的機(jī)器人？

哆啦A夢呢？人家過得不也挺好的？

越像人，越難產(chǎn)

剛剛過去的這個萬圣節(jié)，跟你玩“treat or trick”的甚至可以是機(jī)器人了。

這兩天如果你足夠幸運(yùn)，走過紐約街頭的時候就會看到特斯拉的擎天柱在街頭給行人派送糖果，他們從一攬子糖果里抓上一個送給路過的行人，有的時候糖果掉在地上他們還會彎腰拾起重新交到行人的手里。

Tesla Optimus丨Tesla 官網(wǎng)

不要小瞧這個看起來沒什么意義的動作，讓機(jī)器人站上街頭發(fā)糖果，特斯拉就用了近五年的時間。

2021 年，在特斯拉的 AI Day 上，馬斯克第一次把“人形機(jī)器人”搬到大屏幕上。只是當(dāng)時機(jī)器人并不真的存在在物理世界，馬斯克安排了一位穿著白色機(jī)器人服裝的演員上臺跳了一支舞，當(dāng)時這個安排還大受嘲諷，不過這個發(fā)布會表達(dá)了馬斯克對機(jī)器人這個概念的最初愿景：特斯拉要做的從來不是只能重復(fù)一個機(jī)械性動作的機(jī)器，而是一個能理解世界運(yùn)作的智能體。

一年后，第一版真正的 Optimus 亮相了。

它能走路，動作有些笨拙，像一只剛學(xué)站立的長頸，小心翼翼、搖搖晃晃�？伤囊饬x非常大，這只機(jī)器人由電驅(qū)動，不依賴液壓結(jié)構(gòu)，這意味著未來可量產(chǎn)、可降本、可以安全進(jìn)入人類生活場景。

到了 2023 年，Optimus 開始變“聰明”，特斯拉給它接上了與自動駕駛同源的視覺識別系統(tǒng) + 神經(jīng)網(wǎng)絡(luò)模型。它能自己識別物體，分辨不同形狀的物品、執(zhí)行“放穩(wěn)、夾取、移動”的基本操作。

Optimus 還當(dāng)眾表演了一個折衣服，這個需要柔性操控 + 力控制 + 實時視覺反饋的超復(fù)雜動作也是此前傳統(tǒng)工業(yè)機(jī)器人無法想象的。

形勢一片大好，Optimus 也傳來量產(chǎn)計劃，結(jié)果，機(jī)器人開始“難產(chǎn)”。

Optimus 的量產(chǎn)計劃已經(jīng)出現(xiàn)了三次推遲的節(jié)點(diǎn)：

第一次是在 2023 年，Optimus 原計劃在 2024 年實現(xiàn)“首批出貨”，但由于基礎(chǔ)運(yùn)動控制算法未達(dá)標(biāo)，被推遲一年；

第二次是在 2024 年底，量產(chǎn)目標(biāo)被下調(diào)至 2025 年試產(chǎn)數(shù)千臺；

第三次是現(xiàn)在——特斯拉再次被爆出暫停Optimus的量產(chǎn)。

在三季度的財報會議上，馬斯特也沒有避諱聊起了量產(chǎn)機(jī)器人的難題：我們沒有現(xiàn)成的供應(yīng)鏈。

就拿造車和造機(jī)器人來對比，如果你走進(jìn)一家造車工廠，你會看到一種高度協(xié)同的分工景象：電機(jī)、傳感器、車燈、線束、座椅……所有零件都有成熟的供應(yīng)商、有標(biāo)準(zhǔn)化接口、有替換方案、有成本曲線。

但是人形機(jī)器人沒有一條這樣的成熟的生產(chǎn)線。汽車有整車標(biāo)準(zhǔn)、零件標(biāo)準(zhǔn)、維修換件標(biāo)準(zhǔn)，而人形機(jī)器人幾乎每家長得都不一樣，關(guān)節(jié)布局不同，傳感器位置不同，動作模型也不同。這意味著沒有標(biāo)準(zhǔn)化接口，沒有共用件，成本沒法降，制造沒法規(guī)�；�。換句話說，想要做一百萬臺人形機(jī)器人，就得先搭建一個能做一百萬臺機(jī)器人的產(chǎn)業(yè)鏈。

這邊供應(yīng)鏈還沒健全，那邊機(jī)器人高層也傳來變動的消息。

前段時間特斯拉機(jī)器人項目負(fù)責(zé)人 Milan Kovac 離職，這位出身波士頓動力、主導(dǎo) Optimus 系統(tǒng)架構(gòu)的核心人物，在特斯拉內(nèi)部被視為“最懂機(jī)器人運(yùn)動控制的人”。他的離開一度引發(fā)團(tuán)隊重組。據(jù)多家外媒報道，馬斯克隨后親自接手項目方向，研發(fā)匯報線從自動駕駛部門并入 AI 芯片團(tuán)隊。

“手”是真正的難題

機(jī)器人身上最難做的就是“手”。

“這么說吧，機(jī)器人的靈巧手量產(chǎn)難度甚至超過機(jī)器人全身的量產(chǎn)難度”在北大專門做機(jī)器人研究的博士林武（化名）是這樣形容靈巧手的制造難度的。

要知道手為什么難，得先看看人類手本身有多離譜。

我們的手由 27 塊骨頭、數(shù)十個肌肉群、數(shù)量眾多的神經(jīng)末梢共同協(xié)作，手掌上分布密集的觸覺感受點(diǎn)，這就讓人類的手指可以輕輕捏起米粒，也能抓住手提箱；能夠感知玻璃杯溫度的細(xì)微變化，也能憑經(jīng)驗判斷一顆葡萄是不是熟透。

這種精細(xì)控制是連續(xù)的、實時的、生物級別的反饋回路：力量從前臂肌肉傳來，手指關(guān)節(jié)協(xié)同控制，皮膚觸覺提供反饋，大腦在幾十毫秒內(nèi)做出微調(diào)。

再沒有更好的主意之前，目前機(jī)器人對于人手的復(fù)刻，就是把關(guān)鍵的元素全部用機(jī)器替代一遍。

人的手指肌腱被微型電機(jī)替代，關(guān)節(jié)靠減速器與傳動線驅(qū)動，骨骼變成輕量化支架，觸覺感受器變成力/壓力/溫度傳感器陣列，而大腦執(zhí)行的動作預(yù)測和反饋控制則交由實時運(yùn)動模型與 AI 決策系統(tǒng)完成。

這只是第一步，靈巧手真正的問題在于——力量、準(zhǔn)確和持久。

可是，手的物理空間太小了。

這就導(dǎo)致每一個關(guān)節(jié)安置的電機(jī)、傳感器、減速器對精密制造的要求都更高，而更小的物理空間代表著更小的電機(jī)，更小的電機(jī)代表著更低的電池密度，也代表了靈巧手的抓力不夠。

“現(xiàn)在六七十公斤的機(jī)器人只能抓取十公斤左右的重物”，這位博士透露道，“這和我們對機(jī)器人的期許相差甚遠(yuǎn)”。

解決抓力這個問題有兩種主流方式，一種是做“仿生肌肉”。通過電動肌纖維、氣動人工肌或液壓微管來模擬人體肌腱，使手指能夠像人一樣柔性彎曲。這種方式在實驗室里動作優(yōu)美，但難點(diǎn)是力量放大和長期耐用性，距離量產(chǎn)還比較遠(yuǎn)。

另一種是和人類一樣，把力量“外包”到前臂。特斯拉、波士頓動力、Figure 都是這條路線。它們將驅(qū)動力電機(jī)放在前臂，手指通過細(xì)傳動線來控制關(guān)節(jié)，這樣做可以讓機(jī)器人整體力量夠大、結(jié)構(gòu)可控，但是結(jié)構(gòu)復(fù)雜、維護(hù)成本高。

“準(zhǔn)確”是另一個難題。

對于人類來說，要拿起眼前的一個杯子是一件根本不需要思考的無意識行為但實際上，這背后發(fā)生的是一個高度復(fù)雜的生物協(xié)作系統(tǒng)。

眼睛首先識別出物體，判斷它的形狀、大小、材質(zhì)；大腦快速估算杯子離手的距離、手臂伸展的軌跡，并在一瞬間決定“應(yīng)該用幾根手指，以多大力度，從哪個方向夾住它”；等手指碰到杯身，皮膚上的壓力感受器又會實時告訴我們“用力還不夠”或“太用力快要擠碎了”，于是手會自然而然地進(jìn)行微調(diào)。這整個過程看似不經(jīng)意，實際上涉及到視覺系統(tǒng)、運(yùn)動皮層、小腦、軀體感覺系統(tǒng)和肌肉系統(tǒng)的同步工作，每一步都快得讓我們來不及意識。

但是機(jī)器人沒有“無意識經(jīng)驗”。

在機(jī)器人世界里，拿起同樣的杯子，要分成五個部分一步一步來：首先，它得“看見”杯子是什么，這需要攝像頭和深度傳感器來進(jìn)行物體識別。

接著，它得算清楚杯子在三維空間中的位置，確定手要往哪兒伸、伸多遠(yuǎn)。它還要推斷該從哪里抓，抓得太靠上會滑，太靠下可能會打翻。

接下來，是最難的一步，決定使用多大的力量。玻璃杯、塑料杯、紙杯需要完全不同的抓力，否則要么碎掉、要么滑掉、要么直接變形。

最后，當(dāng)手指真正接觸杯子時，機(jī)器人還得進(jìn)行實時微調(diào)——這需要觸覺傳感器和反饋算法的精準(zhǔn)配合。

聽上去和人類做的步驟差不多，但關(guān)鍵差別在于人類是在行動之前就“已經(jīng)知道”怎么做，機(jī)器人是在“做的過程中”努力推測、修正、再修正。

所以機(jī)器人的準(zhǔn)確性就成了一個難題，林武就講了自己在實驗室碰到的問題：“我們給機(jī)器人下達(dá)一個任務(wù)，抓取眼前物體的時候，遇到過這樣的事情，它要先決定一下最佳路徑，用右手還是左手，或者眼前物體有一定距離的時候是要先往右走還是往左走，在探索這個最佳路徑的過程中它可能滿屋子亂跑。當(dāng)然抓碎草莓、掉落玻璃杯的事情也是有發(fā)生的�！�

這些畫面腦補(bǔ)起來好像問題不大甚至有些可愛，但是如果這是一臺售價幾十萬的在企業(yè)流水線上做生產(chǎn)的機(jī)器人，就一點(diǎn)也不可愛，甚至可能造成極大損失了。

為了解決準(zhǔn)確性，有一部分派系就開始思考，不能總是死磕硬件，可以用 AI 模型讓機(jī)器人的大腦變得更聰明一點(diǎn)，比如說如果靈巧手還沒有靈巧到可以輕輕捏起一顆葡萄，就讓葡萄滾到手掌中間。

特斯拉、Figure、Agility、DeepMind 都在嘗試這個路徑，他們收集大量工廠工人手部、臂部、身體操作視頻 ，讓模型學(xué)習(xí)每種動作背后的意圖，把動作拆解為機(jī)器人可以執(zhí)行的指令讓機(jī)器人在環(huán)境中反復(fù)試錯和微調(diào) ，讓大模型逐漸“悟出”如何完成任務(wù)。

只是解決“靈活”就已經(jīng)困難重重，要做到量產(chǎn)，靈巧手還需要解決“持久”，就是壽命問題。晚點(diǎn)就報道過因為散熱不足、零部件壽命短等問題 Optimus 靈巧手使用壽命不超過兩個月。

馬斯克也說過：特斯拉在帕洛阿爾托總部已有 Optimus 在全天候行走，“如果你讓他給你帶路去參加一個會議，他甚至可以給你帶路，但關(guān)鍵的問題是手�！�

“我不是人！還不行么！”——不行

既然手這么難，不做人形機(jī)器人不就可以了。

事實上，如果你稍微留心，就會發(fā)現(xiàn)，機(jī)器人其實已經(jīng)悄悄進(jìn)入了我們的生活，不過它們大多數(shù)都不像人。

酒店里送水、送牙刷、送外賣的服務(wù)機(jī)器人，長得更像一臺“帶貨梯的桶”。它們靠激光雷達(dá)和閾值導(dǎo)航，以毫米級精度穿行在走廊里，不會跑、不需要學(xué)，只負(fù)責(zé)從點(diǎn) A 到點(diǎn) B，穩(wěn)穩(wěn)停下、開蓋、嘟一聲。

商場里的清潔機(jī)器人也是同理。本質(zhì)上是“工業(yè)增強(qiáng)版掃地機(jī)”——路徑規(guī)劃 + 吸水刮地 + 避障。關(guān)鍵在于耐力穩(wěn)定，不會偷懶。你讓一個人夜里拖 5 小時地，她會累；機(jī)器人不會。

而最“反人類直覺”的，是倉庫里的物流機(jī)器人。京東、亞馬遜的智能倉庫里，成百上千臺“小烏龜”在地面穿梭，把貨架送到分揀員面前——它們不是學(xué)人搬東西，而是讓人不再走路。這不是模仿人類，而是繞過人類身體的限制，把效率推到極致。

2024 年中國酒店服務(wù)機(jī)器人出貨量接近 50 萬臺，清潔機(jī)器人全球市場規(guī)模超過 80 億美元，而倉儲物流機(jī)器人更是成為亞馬遜、京東供應(yīng)鏈降本的核心力量。

這些機(jī)器人的共同點(diǎn)是：任務(wù)單一、場景可控并且不需要像人一樣思考。所以它們跑通了商業(yè)化。甚至在部分場景里，它們的成功恰恰在于放棄模仿人類，而是成為比人類更貼近場景需求的“最優(yōu)解”。比如清潔：人類的胳膊長度、關(guān)節(jié)角度和體力，天生無法覆蓋大空間，而清潔機(jī)器人天生就是“為地板而生”。

那問題來了，既然非人形機(jī)器人已經(jīng)能完成很多工作，為什么我們還要執(zhí)著做一個昂貴、難做、量產(chǎn)慢、還可能“笨手笨腳”的人形機(jī)器人？

何小鵬在剛剛結(jié)束的小鵬科技日上給出了自己的答案——他最開始也是堅定的“四足”機(jī)器人派。但是在研發(fā)過程中有兩個問題完全改變了他的看法：

四足機(jī)器人沒有部位能裝一個手，“你去問大家一個問題，現(xiàn)在你是一個戰(zhàn)場的士兵，你周圍有個炸彈要爆炸，你要極限選擇，失去手還是失去腳，絕大部分人都選失去腳�！焙涡※i舉了個例子來說明“手”的重要性。

小鵬機(jī)器人丨小鵬官網(wǎng)

于是乎小鵬就嘗試在各種奇怪的部位，比如“大象機(jī)器人的鼻子”甚至“馬形狀機(jī)器人的屁股”的位置加上一只手，由于效果太過詭異最終放棄。

另一個問題是，中國家庭大部分是在100平方米或者以下，任何不是人形的四足機(jī)器人轉(zhuǎn)彎都是個大問題，畢竟機(jī)器人不像寵物那種柔軟又有皮毛，所以每次轉(zhuǎn)彎都得傷著自己或者其他家具。

因此，小鵬團(tuán)隊最終決定，機(jī)器人，必須得像人。

其實小鵬的機(jī)器人進(jìn)化可以高度概括為什么一定要研發(fā)人形機(jī)器人：答案比我們想的更單純，因為今天我們生活的日常環(huán)境，都是為了“人”設(shè)計的。

我們所有的門把手、貨架高度、桌子寬度、樓梯跨度、電梯尺寸、操作臺距離、工具手柄直徑……都是“以人手的握距、手臂的長度、軀干的重心”為標(biāo)準(zhǔn)設(shè)計的。

換句話說，世界是人形接口，工具是人形操作器，而工作流程是圍繞人類身體建立的。人形機(jī)器人追求的本質(zhì)，是通用性。

要想讓一種機(jī)器人無縫進(jìn)入人類世界的各個場景，最現(xiàn)成的辦法就是做成人類的樣子。

一個通用的人形機(jī)器人，代替的并不是一個場景的工作，而是要補(bǔ)充未來可能出現(xiàn)極大缺口的勞動力。

到 2030 年，日本勞動人口可能再減 15%、中國勞動力很有可能在 2035 年達(dá)到峰值后出現(xiàn)回落，美國制造業(yè)勞動力缺口已經(jīng)超過 800 萬人，越來越多的年輕人不再愿意做護(hù)工、清潔、倉庫搬運(yùn)等工作。

總有一天，我們必須面對一個無論什么領(lǐng)域有需要各種機(jī)器人能頂上的世界。

到時候，當(dāng)機(jī)器人再跟你擺爛，說“別拿我當(dāng)人！我不是個人！還不行么？”你就只能告訴他：不行。

作者：沙拉醬

編輯：臥蟲

封面圖來源：Giphy