<mark id="oztn4"></mark>
0
大模型一聲炮響，掀起了機器人的革命浪潮。
這一變革率先發生在人機交互上。以ChatGPT為代表的LLM模型第一次在人與機器間建立起高效的溝通方式，從根本上打破人機之間的語義隔離，進而賦予機器人快速向人類學習的能力，使其以更快地速度學習并執行相關任務。
傳統的人機交互模式，機器人只能機械地執行人類設定好的程序。這一模式局限性非常大。比如，需要有專業的工程師將知識“翻譯”給機器人，機器人才能執行具體任務，溝通效率低且人力成本極高，限制了機器人的落地應用。
在大模型強大的理解能力加持下，機器人能更智能地“聽懂人話”。人機交互不再需要專業的知識門檻，可以用自然語言、肢體動作等類人行為進行交流，大幅降低人類使用機器人的門檻，進而使得機器人的廣泛落地變成可能。
“機器人融入大模型是發展趨勢。”全國機器人標準化技術委員會委員趙勇表示。
作為AI技術的進階態，大模型強大的泛化能力，讓機器人在“類人”的道路上更進一步。如果把機器人視為一個智能體，大模型則是這個智能體的技術底座，為機器人走向「具身智能」奠定了基礎。
如今，大模型在機器人領域的應用正在不斷拓展，各行各業正面臨一次“重鑄”。其中，工業機器人作為應用較為廣泛的品類，也迎來了一次深刻技術與范式蝶變。微億智造CTO趙何博士以具身智能理論作為指導，將成熟的工業機器人與新興的人工智能技術融合，首次提出了“具身智能工業機器人”（Embodied Intelligent Industrial Robots, EIIR）這一概念。至此，EIIR正式走上了歷史舞臺。
理解EIIR之前，首先要搞清楚，什么是具身智能，以及什么是具身智能機器人。
具身智能理論根源于“具身認知”，其主張智能體的認知能力由其自身結構決定，這種認知又直接反過來影響智能體的高級心理活動，諸如：推理，決策等。并且，智能體根據自身的軀體結構來構建自己的世界模型，從認知產生的機制到智能體決策依賴的世界模型，均受制于智能體具體的物質形態。
比如，嬰兒早期的學習行為，例如爬、抓取、行走等，本質上是智能體在主動探索周邊環境，來形成對外界的認知，并構建基礎的世界模型，形成了一套普適的方法論。
智能體的認知過程遵循"探索﹣利用"( exploration - exploitation ）的范式，通過自己的"軀體"與外界環境進行互動，從外界對智能體的動作產生反饋獲取信息，建立起自身的認知模式。
在具體系統構成方面，智能體核心包括三部分：感知系統、運動系統和世界模型。與傳統認知不同，感知和運動系統并不孤立，二者同樣參與認知過程，世界模型則是智能體基于自身結構特點而構建，用于解釋世界的認知框架。
如果將這一理論應用到機器人行業，理論與技術相結合，便產生了具身智能機器人（EIR）。可以預見，未來所有機器人都將面臨一次「范式變革」。從第一性原理出發，具身智能機器人存在諸多共性，主要體現為五大能力，分別是——
1、多模態環境認知、交互能力；
2、智能的任務學習和理解能力；
3、高度自主的智能決策能力；
4、智能高效的單任務執行能力；
5、多任務切換能力。
這些能力構成了具身智能機器人的基礎。在具身智能理論框架下，“智能體”和“環境”是矛盾的兩個方面，它們之間的對立統產生了智能體的認知，孵化了智能。因此，從一開始設計機器人時，不能把機器人從任務環境中剝離出來。
當這一理論被應用于工業，具身智能工業機器人（EIIR）便呼之欲出了。作為EIR在工業場景下的外延，EIIR的生存環境，無容置疑就是工業生產環境。
過去幾年，AI技術的應用，從某種程度上推動了工業機器人的智能化提升。
比如，圖像識別技術在圖像分類、目標檢測和圖像生成方面取得的長足進步，使得計算機對圖像的識別理解能力已經超越了人類，對應的技術被應用到工業質檢這一環節中，大幅提高了企業生產制造的質檢效率和質量。
又比如，Slam算法被用于機器人導航，通過計算機視覺和機器視覺等技術，從而提高工業AGV/AMR的靈活度，最終提高運輸效率，降低人力成本。
而今，在以大模型為代表的AI技術賦能下，具身智能工業機器人（EIIR）成為工業機器人的新方向。
“EIIR可以理解為EIR在工業場景的外延，但形態并非是人形。”微億智造CTO趙何博士表示。
EIIR的生存環境就是工業生產環境。相對于自然環境，生產環境是一個閉合、簡單的環境。從邏輯上講，“人形”作為開放環境下的產物天然不會是閉合環境最佳的軀體形態。而且，人在很多工業場景存在天然的“缺陷”，在靈活度、精準度上，很難與機器相提并論。如果可以由機器自主完成而不需要人的參與，那么對應的生產環境可以設計成對機器更加友好，而完全不用考慮人類體形的局限，從而讓生產過程更加高效可靠。
EIIR需要替代的是人在生產過程中被異化后的投影，不是人的本質，更不是人的外形。將人類從生產活動中解放出來，必然存在多種形態。因此，“EIIR和人形機器人并不能直接劃等號”。
EIIR本質上，目的是“超越人”和“解放人”。相比精確的自動化控制，EIIR可以更好的實現真正的無人化生產。
原因主要有三點——
一是生產場景的不確定性。整個工業環境，場景非常多樣化，存在諸多不確定性，屬于定量開放環境，需要有EIIR這類具備靈活智能能力的機器人來應對。
二是生產環境閉合邊界不一。不同生產任務都有與之對應確定的生產環境，它們之間閉合邊界不具備一致性。這就要求足夠高的智能水平或在少量人類幫助下，完成這種環境的切換和適應。
三是標準產品具有標準智能。使得標準的EIIR產品具有一定水平的標準智能，不僅能減少 EIIR 從制造到應用的成本，并盡可能的適用于不同生產場景、適配具體任務，使其大規模應用成為可能。
一言以蔽之，EIIR的出現是市場環境與技術迭代共同作用的結果，又將反過來解決市場痛點。在這個相互作用的過程中，機器人能夠實現“自我進化”，成為新的生產工具，進一步推動社會生產力的發展。
作為具身智能的實體表現形式之一，EIIR必然遵循具身智能的一般規律，整個智能體由感知系統、運動系統和世界模型三部分組成。
感知系統
EIIR 的感知系統是一個多模態泛傳感器系統。該系統配備多種傳感器，具備比人類感知器官更精準的信息收集能力。這些信息相互補充、交叉驗證，為EIIR的決策提供輸入信息。并且，感知系統除了對周邊環境進行連續動態檢測以外，還要對自身進行不間斷地狀態感知，為EIIR的決策、與環境的互動提供感知基礎。
例如，在工業質檢領域，傳統的機器質檢雖然能夠大幅提高檢測效率，但模型依賴于工程師的不斷調優，柔性較差，部署成本也比較高。而EIIR則能夠識別和分析對象的姿態和特征，自主生成檢測序列，以高精度的圖像傳感器追蹤形態不定、位置不定的缺陷，實現柔性的、超越人類的缺陷檢測能力。
通過“感知系統”，對環境及自身持續采樣，并基于聯合認知進行決策
運動系統
EIIR 的運動系統首先是一個閉環控制系統，其一般原理是通過反饋環路，比較被控狀態量的實際值和設定值之間的誤差，作為輸入送到控制器進行計算，控制器的輸出控制執行器動作，直到被控量的實際值達到設定值為止。EIIR 的運動系統會包含很多個這樣的閉環控制系統，這些系統必須共同協作才能滿足 EIIR 靈活、精準、快速的要求。
以“關節電機”為例，其“視覺伺服”系統由多個控制器、按層級嵌套組合而成，每一層都有自身需要優化的控制指標與對象。只有從整體到局部逐層細化，才能實現閉環控制。EIIR能夠根據控制系統，實時地結合動力學、運動學算法，計算時間和狀態最優的運動軌跡，并以毫秒級速度閉環運動控制、使用圖像模型，完成閉環運動規劃。
通過“視覺伺服”，實現感知系統與運動系統的閉環控制
世界模型
世界模型是智能體根據自身結構特點構建起來、用于解釋世界的認知框架，會隨著智能體與環境的互動而動態變化。該模型由以大模型技術為主的“基礎模型”疊加智能體在面臨具體任務時的知識形成，二者通過“探索-利用”的范式構建起一個服務于具體任務的世界模型。
更具體一點，“基礎模型”賦予了EIIR強大的理解能力，能夠通過人類習慣的模式與人類進行信息交換。人類只需輸入自然語言、圖片、視頻、動作示教等知識，就可與EIIR建立起“示教-學習-反饋”的互動模式，將知識進行傳遞。如此一來，EIIR在基礎模型和具體任務知識的訓練下，通過不斷地自我學習和進化，便能實現獨立運行。
通過“基礎世界模型”，建立“示教-學習-反饋”的互動模式
“具身智能工業機器人（EIIR）是現代制造業的杰出代表，它們通過高度的自動化和智能化，極大地提升了生產效率和質量。”中國信通院華東分院、人工智能與大數據事業部主任陳俊琰表示，“隨著多模態大模型、人機自然交互等技術的進步，EIIR夠適應更復雜的工作環境，進行自我學習和優化，是“人工智能+”的積極探索實踐，也為工業生產帶來革命性的變化。”
EIIR 的發展將是一個循序漸進的過程，將主要分三個階段——
前期。EIIR 和人類共處在同一個生產環境下，人機協同是 EIIR 需要重點解決的問題。
中期。在新技術的賦能下，EIIR的人機交互水平提高，人機協作更加高效智能。但在這個階段，EIIR 本質上還是附屬于人類的智能機器。
后期。EIIR 的智能化程度越來越高，能夠獨立完成任務，人類逐漸淡出生產環境，“無人工廠”將得以實現。
這也將會是一個漫長的過程，但技術已經點亮了勝利的火焰。雷峰網(公眾號：雷峰網)雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
