人形机器人什么时候成为通用平台,自动驾驶给了一条观察线索
王兴兴昨天在世界机器人大会上给具身智能的 ChatGPT 时刻定了一个很具体的标准，一台机器人进入大约80%的陌生环境，只靠语音或文字指令完成大约80%的任务，快的话还要2到3年，慢的话可能要5到10年。机器人在一个固定场景里采够数据、反复训练，任务成功率可以接近100%，物品或环境稍微一变，成功率就会明显下降；大方向通常没有理解错，真正让任务失败的往往是最后几厘米甚至几毫米，感知和动作的误差在真实世界里一点点累积，最后那个零件没有装进去，杯子也没有稳稳放下来。这个标准给了我一个终点，思考也稍微多了些。等机器人已经能在大部分陌生环境里干活，我们当然知道通用平台出现了，眼下真正需要找的是它会怎样从固定场景接近100%，一步步走到陌生场景也能保持足够高的成功率。我最初一直拿大语言模型作参照，后来发现自动驾驶其实更加合适作为参照。汽车同样要在物理世界里行动，换一条路、换一种天气、换一个城市以后，成功率和安全性都不能掉下去，它过去20多年走过的过程，可能比一个突然出现的 ChatGPT 时刻更适合观察机器人。自动驾驶从一条路开始
2004年，美国国防高级研究计划局办了第1届无人车挑战赛，15支进入决赛的队伍没有一辆跑完指定路线；1年以后，5支队伍完成了132英里的沙漠赛道，冠军用了6小时53分钟。这次进步很大，证明的仍然是一辆车可以在一条事先划定的沙漠路线里完成任务。后来自动驾驶行业越来越重视系统能在什么范围内工作，美国监管机构把这件事写得很具体，包括道路类型、地域、速度、白天还是夜间、能不能遇到雨雪，超出这个范围以后由人接管或者让车安全停下来。自动驾驶没有等到一辆车可以在全世界所有道路、所有天气里自由行驶才开始落地，它先把能工作的范围划清楚，在范围里面提高安全性，再一点点把道路、城市和天气往外扩。有的路线先覆盖更多道路，把长尾情况交给随时准备接管的人；有的路线把范围限制在少数城市和经过验证的区域里，车内不再放安全员。两条路到今天都没有走到全场景自动驾驶，它们已经跨过了只能在一条固定路线里完成一次任务的阶段。从一条路到换一座城市
Waymo 在2021年介绍自己的技术时提到，亚利桑那州无人驾驶运营积累的经验可以带到新城市，感知、预测、规划、仿真、测试和安全验证共用一套底座，各座城市的道路细节会变，训练和部署的方法不再从零重建。到2025年，Waymo 披露的公共道路经验超过1亿英里，业务已经进入5个以上美国大城市，它认为系统进入新城市的速度正在加快。新城市依然需要新增地图、测试、标定和运营准备，Waymo 的说法也要继续用安全数据与真实运营验证。研究这段历史真正有用的地方，是看这些新增工作有没有随着城市增加而减少，前一座城市积累的经验能不能更多地留到下一座城市。这里想问的是，每次把系统能工作的范围往外扩，还要新增多少数据、代码、标定、测试、驻场工程和人工接管。换一个场景以后，过去学会的东西还能剩下多少，要不要再从头来一遍。这些新增工作量如果持续下降，旧经验能留得越来越多，系统才有机会从一个个定制项目长成平台；如果新城市、新工厂和新任务每次都要重新采数、重新调试、重新派一群工程师驻场，再高的单点成功率也只是在不断增加新的定制项目。这里我还没有想到一个很好的词来描述这个曲线，我现在暂时称为场景扩展效率。机器人更难
自动驾驶能够先走到今天，与汽车本身更窄有关。车辆的核心任务一直是从一个地点安全移动到另一个地点，方向盘、油门和刹车相对标准，道路、车道线、红绿灯和交通规则又提前把世界整理了一遍，几百万辆车还可以在日常行驶中不断产生新数据。系统暂时处理不了的长尾情况，可以用驾驶员接管或限定运营区域收住风险。人形机器人面对的世界复杂得多。搬箱子、插零件、叠衣服和收拾桌面需要不同的动作，同一个杯子的材质、重量、摆放角度和摩擦力发生变化，手指接触物体的方式也要跟着变；汽车主要避开障碍物，机器人为了干活必须主动接触物体，动作一旦做错，还可能把零件碰坏或者让整条产线停下来。王兴兴提到的最后几厘米和几毫米，正好落在这里。语言模型输入和输出都在数字世界里，机器人要把模型输出变成关节、手指和物体之间的真实接触，每一次感知、判断和执行都会带来一点误差。自动驾驶的路线可以给机器人一个观察方法，它没有替机器人解决触觉、力控、长任务误差和数据稀缺这些更难的问题，也不能把汽车走过的20年直接换算成机器人还要几年。第2项任务
Figure 和 BMW 这条线刚好走到了一个可以继续观察的位置。Figure 02 在 BMW 工厂的第1项钣金上料任务里累计运行超过1250小时，随后 Figure 03 开始尝试第2项物流排序任务，客户愿意继续给新任务，说明机器人已经从一次演示往正常使用和任务扩展走了一步。Figure 02 和 Figure 03 属于两代硬件，两项任务也不同，公开信息还不能证明第1项任务积累的能力已经迁移过去。第2项任务用了多少新数据、改了多少程序、做了多久现场适配、安排了多少人接管，才决定过去的经验到底留下了多少；以后同样的任务换到第2条产线、第2座工厂时，这些新增工作如果继续下降，机器人的工作范围才在真正扩大。人形机器人走向通用平台可能会经过一个逐步扩大的过程，先在一个工厂里把一项任务做稳定，再把同一项任务带到新的产线，然后在同一位客户那里接住第2项任务，最后把感知、控制、数据和部署经验带到新的客户。每往外走一步，成功率没有大幅下降，需要人重新补的东西反而更少。今天的公开信息其实还没看到 Figure 03 比 Figure 02 少做了多少适配，行业也没有一套可以横向比较这些变化的数字，所以我还不敢给人形机器人通用平台定一个年份，也不知道最后跨过去的力量会来自世界模型、视觉语言动作模型、触觉传感器，还是几条路线一起成熟。下一次再看到一家机器人公司宣布进入新工厂或者拿到新任务，我会多问一句，这一次有没有少从头来一遍。等这个答案连续变好，双80%也许还没有到，通用平台已经开始长出来了。你会把哪一步当成更重要的信号，同一项任务复制到第2座工厂，还是同一套能力接住第2项任务？欢迎在评论区一起补充。如果今天这段思考对你理解人形机器人有一点点启发，欢迎点个赞、点个在看，也可以转给同样在关注这个方向的朋友。我们接着往下看。
10个月宝宝每天需要喝多少奶粉？