2个月不见，人形机器人Walker S会叠衣服了
机器之能报道
编辑：吴昕
国内版的人形机器人+大模型组队，首次完成叠衣服这类复杂柔性材料的操作任务。
随着融合了 OpenAI 多模态大模型的 Figure 01 揭开神秘面纱, 国内同行的相关进展一直备受关注。
就在昨天，国内“人形机器人第一股”优必选发布了人形机器人 Walker S 深入融合百度文心大模型后的首个 Demo，展示了一些有趣的新功能。
现在，得到百度文心大模型能力加持的 Walker S 是这个样子的。
和 Figure 01 一样，Walker S 没有走动，而是站在桌子后面完成一系列任务。它可以听从人类的命令，折叠衣物。
完成任务后，你还可以和它聊天。比如问询这件黑色上衣搭配什么比较合适？机器人依然记得你要出差这件事，建议搭配深色裤子更适合正式场合。
它还会将桌子上的各种开关归置到盘子里。
即使被干扰，比如归置好的开关又被扔回桌子上，或者眼看就要拿到手的插座又被移开了，Walker S 都能实时调整工作状态，根据新情况完成归置任务。
2 月，在新能源车厂实训时, Walker S 就已展现出多模态感知与运动控制能力。
此次，通过与文心大模型的深度融合，Walker S 的认知和操控能力再上台阶，不仅获得了高级意图理解和细粒度任务规划能力，更首次完成了叠衣服这类复杂柔性材料操作任务。
文心大模型系文心产业级知识增强大模型，具备跨模态、跨语言的深度语义理解与生成能力，还有知识推理、任务规划等能力。通过将这些能力移植到人形机器人，可以让机器人像人一样对衣物的材质、形状、褶皱等属性进行分析和理解，并根据过往经验推理出最佳的叠衣方式和顺序。在实际叠衣过程中,机器人会实时分析衣物的状态变化，并相应地调整自己的动作策略。
在物体干扰分拣任务中, Walker S 也充分发挥了"AI 大模型+机器人"的协同优势。首先，通过端侧的多模态感知模型获取物体的空间定位和语义信息，再将这些信息交由大模型进行智能处理，后者凭借其出色的任务拆解和逻辑推理能力为 Walker S 快速构建出最优的任务规划和执行路径。Walker S 则将这套方案映射到机械臂和灵巧手的实际操控中，最终流畅完成整套复杂任务。
此举也是国内同行类似能力的首秀，其创新应用和实现难度在全球范围内也属于行业第一梯队水平。“在很多展示中，包括 Figure 与 OpenAI 合作、我们与百度的合作，目前可以实现端到端。” 优必选管理层在昨晚的业绩回顾与展望会上向第一财经记者表示。
“我们利用了百度的大模型对任务的拆解、对自然语言的理解和顺序逻辑排列等。除了公司去年基于开源模型训练构建的基于端侧的多模态大模型外，我们认为未来人形机器人市场竞争越来越激烈的情况下，强强联合才能实现1+1＞2。”优必选管理层解释这次合作时称，“国外特斯拉有大模型能力，有 OpenAI、英伟达与 Figure 的结合等，可以看到合作能为人形机器人落地提供强大技术支撑。”
不过，通过对比 OpenAI 的视频，我们发现被赋能后的 Walker S 仍然与 Figure 01 存在差距。
最明显的是动作速度。另外在指令内容上，Walker S 所接收的指令通常比较明确和具体，Figure 01 则能根据更加抽象的指令，借由常识推理将其转化为合理可行的具体操作。
此外，Figure 01 能一边干活一边闲聊（尤其是解释自己的操作），并具备短期记忆能力，可根据之前的对话内容来合理规划当前的行动。
随着生成式 AI 竞争的日趋激烈，以及研究重点从长文本、多模态延伸到具身智能，我们有理由相信未来的人形机器人将不再局限于感知静态数据，而是能够在虚拟乃至真实的三维世界中自由行动、与环境互动。这也标志着 AI 将实现从简单的机器学习到复杂类人任务执行的重大跨越。
事实上，人形机器人赛道在过去半年已呈现出异常火热的势头,国内外原型机频频亮相,初创公司融资活跃。2 月优必选曝光 Walker S 在蔚来新能源汽车工厂试用的视频，机器人可以流畅完成安全带检测、车标贴附等工作。优必选股价也曾于 3 月初两天暴涨 200%。
不过，目前全球人形机器人仍处在试点阶段，规模化放量仍需时间。毕竟 ，demo 和实际应用的差别非常大，后者更要通盘考虑可靠性、稳定性、成本等一系列要素。优必选方面表示，AI 大模型与人形机器人的结合，将极大提升后者的智能化水平和多场景任务适应能力，加快其产业化进程。创始人周剑也公开表示，希望今年年底完成第一批人形机器人在工厂的落地，通过测试并为 2025 年人形机器人形成批量爆发做准备。此外，今年年底优必选计划推出第一代家庭端情感陪护人形机器人，该机器人将搭载大模型，能与用户互动并形成短期、长期记忆。
参考链接
https://www.stcn.com/article/detail/1164967.html
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：content@jiqizhixin.com
