我要投稿

人形机器人进厂实训，从1到N成绩几何？

发布日期：2024-09-10 07:08:21 浏览次数： 2892

作者：虎嗅智库服务

微信搜一搜，关注“虎嗅智库服务”

逐际动力CL-1全尺寸人形机器人在多重货架中全程连续无间断地做搬运、身高1.7米的优必选工业版人形机器人Walker S有条不紊地为汽车进行智能质检、北京具身智能机器人创新中心的“天工”与其他机器人紧密协作完成了工业流水线的物料分拣与上下料.....

2023年，GPT等AI大模型的出现有望作为人类与机器人沟通桥梁，提升“具身人工智能”最佳载体的人形机器人自主规划、决策、行动能力。当下正值人形机器人从“0”到“1”的萌芽期，1-3年中短期商业化落地成为可能，当前阶段处于进厂实训阶段，工作的模式以人机交互、机器与机器交互为主。人形机器人跨入从“1”到“N”的前提是解决通用性和成本问题，以及做好安全和道德风险防范。

人形机器人面对在电站、工厂、矿场，以及应急救援、消防侦查等复杂多样的工业场景的应用还存在诸多挑战，如何通过其独特的柔性切线能力，提高工业生产运营效率，成为业界关注的焦点。本文将深入探讨人形机器人的优先试用场景、应用落地的逻辑以及面临的挑战与应对策略。

关于具身智能的更多话题，9月20日，在北京，虎嗅总部，大鲸AI闭门会将围绕具身智能场景需求，与100+标杆企业的CEO/CIO/顶级专家们，一起解读具身智能落地的方方面面，欢迎你一起来聊聊。

大会邀请制，仅少量席位开放，先到先得。

工业制造有望成为人形机器人大规模应用的首个领域

业内普遍共识工业领域将是人形机器人优先落地的场景，主要是因为工厂环境相对固定，任务执行流程和任务具有高度规则性，这使得机器人可以通过编程和训练来高效完成重复性高、强度大的任务。

相比之下，家庭和商用环境对机器人的泛化性和通用性要求更高。因为这些场景下的任务更加多样化和不可预测，需要机器人具备更高级的自主决策能力和适应性，而这些能力目前的人形机器人尚未完全达到。因此，在工业领域，人形机器人的应用更容易实现标准化和规模化，从而降低成本并提高效率。

在工业场景中，人形机器人又将优先替代人类不愿意干的脏活、累活、枯燥、危险的工作任务，如搬运重物、化学品操作、螺丝拧紧、零件安装、质量检测、矿井作业、电力巡检、安防边检等，同时这些场景也是技术发展和市场需求的交汇点。

在世界机器人大会上，北京具身智能机器人创新中心、优必选、宇树科技、智元机器人、银河通用、傅利叶智能等全技术栈型公司带着它们最新一代的人形机器人，为观众们演示了在工业、仓储物流、商用等场景中的应用。在商业化落地战略层面，工业场景普遍被人形机器人技术商放在了第一的位置。

制图：虎嗅智库，排名不分先后

资料来源：公司官网等公开资料

人形机器人技术的飞速发展正在推动着工业自动化向自主化升级。人形机器人技术的应用促进了复杂系统和原有高端机械装备的升级，提高了工业生产的效率和灵活性。此外，这些机器人不仅能够执行自动化任务，还具有一定程度的自主化能力，能够自主做出决策并适应变化。北京具身智能机器人创新中心大模型负责人鞠笑竹的观点进一步强调了这一趋势，预示着未来工业自动化领域将向更高层次的智能化迈进。

图片来源：北京具身智能机器人创新中心

1-3年内效率或接近人类的30%，人形机器人进厂打工未来可期

人形机器人在工业领域应用具有显著的优势，这些优势包括它们能够不受疲劳影响，不受疲劳影响，保证生产效率和质量的稳定性。它们还具备强大的感知能力，能够准确识别工作环境和任务需求；记忆力强，可以存储大量操作数据和经验，实现精准重复；以及高度的标准化执行能力，确保每一个操作步骤都能达到预设的标准。这些特性使得人形机器人成为提高工业生产效率和安全性的理想选择。

为了有效地将人形机器人集成到工业生产中，工作形式通常是将人形机器人的系统与企业自身的工业源相连接，替代人工点位的工作。实施这一过程的步骤首先是理清人工与人形机器人系统的交互和协作规则，确保机器人能够无缝融入现有的工作流程。随后，进行技术对接，将人形机器人系统与甲方企业的工业系统进行整合，使机器人能够接收生产指令并自主执行任务。

以优必选工业版人形机器人Walker S系列为例，Walker S 系列人形机器人能够与工人、AGV、无人物流车以及智能制造管理系统协同，加速信息流通，提供稳定、可靠、安全、实用的作业和服务，提升工业制造的智能化和柔性化水平。

在智能搬运任务中，Walker S系列能自主将零部件箱从仓库地板搬运至传送带，并实时记录数据，与智慧工厂仓库系统无缝对接，提升任务执行透明度与效率。在智能分拣任务中，Walker S系列通过最大约177厘米的臂展以及12个主动自由度的灵巧双手，协同进行精准操作，并在10秒内抓取和放置2种组件。在智能质检任务中，人形机器人可以与工厂自动化控制系统无缝集成对接，并将检查结果进行实时可视化的反馈，使其能够精准、高效地执行复杂任务。

图片来源：优必选

值得一提的是，优必选训练了面向工业制造场景的人形机器人规划大模型，可以进行子任务拆解和推理，配合端侧多模态感知模型实现精确识别定位、泛化抓取以及异常处理，确保Walker S系列的分拣任务在受到干扰的情况下仍然能够顺利实施。

经过多方调研，虎嗅智库认为，人形机器人在工业领域的应用，对甲方企业的效能提升不仅体现在生产效率和成本控制，还包括了产品质量、安全、创新和可持续发展等多个层面。

根据虎嗅智库对多家人形机器人企业的调研，1-3年人形机器人的工作效率可能达到成熟人工的30%左右。而当下，一个人形机器人的价格约等于一个在特殊场景极端工作岗位人员的1.5~2年的工资。虎嗅智库认为，这对于智能化工厂降本增效的创新尝试来说，可谓是一个良好的应用开端。

数据采集、多模态感知和自主决策是人形机器人面临的三大技术挑战

人形机器人技术在工业领域的应用虽然已经起步，但目前还处于发展的初级阶段，面临诸多挑战。优必选人形机器人技术专家秦文龙博士指出了实现应用从概念到广泛落地过程中需要克服的关键问题：安全性、稳定性、可靠性和实用性。他强调，为了在多个场景中实现人形机器人的有效应用，必须进行深入的多场景共性技能挖掘、泛化的技能模型开发、高效的数据采集与训练、便捷的模型部署等工作。

在刚刚结束的世界机器人大会现场，人形机器人生硬的“表演 ”也随处可见。比如有的人形机器人目前仅能展示垂直领域的单点任务，在分拣这个场景中只能在特定范围内抓取某一样物品。而且，移动的速度非常缓慢，完成一个只需要移动20厘米的抓取动作，需要近40秒。另外，还有机器人存在难以站稳、分拣任务识别不清等问题。

尽管人形机器人在工业领域可能已经实现了在同一场景下的全链条环节工作，但是要实现跨场景的应用仍面临获取场景真实数据的反哺、多模态大模型应用成熟度、机器人的强泛化能力等挑战。

首先，数据采集与处理问题最为核心：高质量的数据是训练人形机器人系统的关键，但在工业环境中获取这些数据存在难度和周期长的问题。目前还需要人工摇操控制机器人本体取采集真实场景数据，并大量应用仿真数据和工业互联网积累数据进行训练，当然服务商们也可采取开发自动化数据收集和标注工具，或与第三方数据服务商合作等获取数据。

其次，大模型与人形机器人的融合也很关键：人形机器人需要大模型提供高级的规划和推理能力，但目前大模型在实际工业应用中的表现有限，需要持续研发，通过技术进步降低大模型对算力和能源的消耗，改进模型架构和范式，开发专用芯片提升智能密度。

最后，本体感知能力也相当重要：人形机器人需要通过触觉、视觉等多模态感知能力来更好地理解环境，但目前这些技术在精确度和泛化能力上存在挑战，未来，需要加强传感器技术的研发，提高数据采集和处理的能力，通过仿真和生成数据来训练人形机器人体。

另外，在应用层面亦存在一些较为实际的问题。将人形机器人系统与现有的工业设备和流程集成，需要解决兼容性和接口问题；人形机器人系统的高成本、以及员工需要学习新的技能以适应变化，都可能阻碍其在工业领域的广泛应用；工业人形机器人更加需要在各种环境下稳定运行，保证生产安全。

针对以上的挑战和落地难题，虎嗅智库建议，乙方人形机器人厂商应根据客户需求提供定制化解决方案，并不断自研或者与甲方及其他技术供应商共建新技术，提高基础智能的通用和泛化能力，从而提高产品的性能和可靠性。

甲方应用方则需要从价格、稳定性、做任务的成功率以及落地节奏等方面对人形机器人技术进行全面评估，确保其符合生产需求，并且制定风险管理计划，包括技术失败和市场变化的风险，以减少不必要的损失。

总结

人形机器人商业化落地的成功与否取决于多个关键因素，包括场景数据的采集、机器人的性能与功能、制造成本、模型的泛化能力、机器人自身的稳定性以及续航能力等。技术层面上，机器人需要具备跨越不同场景应用的能力，包括多任务、跨场景的泛化能力等。

当前，人形机器人正处于初期发展阶段，满足下游场景的实际应用需求尚未得到确定性验证。现阶段，人形机器人的技术商们也奋力探索各自的应用场景，毕竟深耕一个细分场景，积累足够多数据，才有可能继续拓展新领域，最终走向通用化。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业