體重28kg，身高1.2m，加上雙手，全身上下34個自由度

編者按：本文來自微信公眾號 量子位（ID：QbitAI），作者：衡宇，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載

(相關(guān)資料圖)

這年頭，人形機器人都有清華的學士帽戴！

這位走出清華二校門的機器人，簡直要把門口參加暑期研習營的小孩們饞哭了。

不僅擁有清華紫學士帽，在剛剛結(jié)束的WAIC“具身通用人工智能”論壇上，這個名叫小星的人形機器人，還和圖靈獎得主、中國科學院院士姚期智合影貼貼。

是誰羨慕了？我不說。

小星這“人”，出自清華大學交叉信息研究院（IIIS）陳建宇團隊，整機結(jié)構(gòu)、電機、減速器、驅(qū)動器、步態(tài)算法等機器人軟硬件將通通自研。

陳建宇，31歲的清華叉院助理教授，28歲時，就已經(jīng)以叉院博導的身份走在從教之路上。

博士畢業(yè)于UC伯克利，本科就讀于清華大學精密儀器系，研究領(lǐng)域包括機器人學、強化學習、自動駕駛等。

人形機器人小星

一起來認識一下，這位青年博導“教”出來的人形機器人——

體重28kg，身高1.2m，加上雙手后，全身上下具有34個自由度。

在行走方面，小星在不同類型的地面上都可以穩(wěn)步前進，比如落滿枯葉的林間小道：

或者是公園花壇旁的水泥上坡路：

腳下的地皮換成草坪，也不妨礙它踏步前進：

總之就走得還挺穩(wěn)的，速度也還不錯。

與此同時，它還能利用雙手提供一些服務功能，遞個燒烤、端杯咖啡什么的：

在液壓驅(qū)動和電機驅(qū)動二者之間，小星采用了成本優(yōu)勢更高的后者。

為了研發(fā)高性能、低成本的人形機器人，團隊堅持最新一代的準直驅(qū)力控方案，用高扭矩密度電機搭配低減速比減速器，用電流環(huán)直接力控搭配動態(tài)雙足行走算法。

這種方案對電機扭矩要求極高，因此團隊也一直在探究新的電機設(shè)計方案。

目前所研制的電機扭矩密度已達到了30Nm/kg，是TQ電機（目前工業(yè)界最強）的兩倍以上。

如此一來，無論是行走還是擺臂動作，小星都能保持在一個比較靈活的狀態(tài)。

不過，陳建宇也坦然表示，目前小星機器人硬件上搭載的算法智能性還不夠高，小星的現(xiàn)階段表現(xiàn)，還沒有發(fā)揮硬件可以支持的極限。

因此，團隊的另一項主要工作就是推進前沿的機器人智能算法，目前走的是動力學模型+優(yōu)化控制和物理仿真+強化學習這兩條機器人領(lǐng)域最前沿的路徑。

相比于傳統(tǒng)的機器人算法，二者都更為通用，并且可以更多地利用動力學來提高性能。

這兩大方法也是陳建宇博士期間的主攻研究方向。

2017年，陳建宇提出了一系列實時軌跡優(yōu)化算法并成功應用于無人車上。

從2018年起，陳建宇的研究重點轉(zhuǎn)向了更為前瞻的方法——深度強化學習算法。在這一階段，他做出了領(lǐng)域內(nèi)較早的幾個基于自學習方法的復雜道路環(huán)境自動駕駛工作。

“從數(shù)學上來說，無人車也是一類機器人，我們研究的算法對于無人車和機器人來說都是通用的?！?陳建宇表示，在無人車時期關(guān)于強化學習的經(jīng)驗，不少都可以遷移到人形機器人的研究上，“當然，無人車和人形機器人的關(guān)注點不全相同，比如無人車在底層控制方面相對簡單，而對上層的決策規(guī)劃和交互等關(guān)注較多”。

通過強化學習結(jié)合人體運動數(shù)據(jù)，小星在高精度物理仿真中學會了高度擬人的步態(tài)行走：

還能挖掘出硬件的極限性能，達到4m/s的奔跑速度：

除了靈活的雙腿，小星的雙手也很靈巧。

通過大規(guī)模并行仿真強化學習訓練，小星學會操控其二十多個自由度的雙臂靈巧手來完成各類任務。

此外，為了協(xié)調(diào)小星手腳之間的協(xié)同工作，團隊還提出了一種分布式技能學習算法。

“我想，人形機器人是所有機器人學家的夢想！”從本科起，陳建宇就開始關(guān)注雙足步態(tài)算法，他的本科畢業(yè)設(shè)計，做的就是雙足機器人落腳點規(guī)劃。

2020年畢業(yè)回國，在探索過無人車、機械臂、機器狗后，于2021年底開始構(gòu)思籌劃研發(fā)自己的人形機器人。

籌備了半年，想通了技術(shù)路徑，也就是去年春夏之交，陳建宇開啟了自己的新目標：

打造人形通用機器人，以及搭載在上面的“通用智能”。

具身通用人工智能

目前人形機器人存在的技術(shù)難題是什么？陳建宇總結(jié)了最受關(guān)注的三個方面：

首先，由于人形機器人具備高度集成性和復雜性，硬件本體構(gòu)建具有較高挑戰(zhàn)性；

其次是運動小腦的構(gòu)建，如何控制雙腿行走和操控雙臂完成各種任務，還未被很好解決；

最后是人形機器人的“大腦”，如何將目前只有語言功能的大模型拓展到物理世界，并讓其進行行為決策，是實現(xiàn)具身通用智能體至關(guān)重要的一環(huán)。

——這就引出近期最火的技術(shù)話題之一，具身智能。

5月的ITF World 2023半導體大會上，黃仁勛在演講中明確表態(tài)，下一波AI浪潮就是具身智能（Embodied Intelligence）。

所謂具身智能，就是能夠理解、推理并與物理世界互動的智能系統(tǒng)，可以理解為有身體，并支持物理交互的AI智能體。

而具身智能的終極目標，就是具身通用人工智能。以ChatGPT為代表的通用人工智能雖然帶來了極大的轟動，但其只有語言與文本處理的能力。未來我們一定需要更加有用的具身的通用人工智能。

7月WAIC的具身通用人工智能論壇，邀請了包括姚期智先生、Sergey Levine、Anca Dragan、Koushil Sreenath、Jiajun Wu等國內(nèi)外知名大咖學者一起探討具身AGI的未來，內(nèi)容涵蓋決策控制、感知認知、本體構(gòu)建、算力支持、大模型理論等。

小星也在論壇上進行了現(xiàn)場首秀，獲得了大量關(guān)注。

國際上，一些團隊已在這個方向上有了初步的成果：

今年年初，谷歌推出5620億參數(shù)的多模態(tài)具身視覺語言模型PaLM-E，可以執(zhí)行各種復雜的機器人指令而無需重新訓練。

哪怕受到干擾，也能完成“幫忙從抽屜里拿薯片”的指令。

李飛飛團隊也新近發(fā)布了具身智能最新成果，大模型接入機器人，把復雜指令轉(zhuǎn)化成具體行動規(guī)劃，無需額外數(shù)據(jù)和訓練。

人類可以很隨意地用自然語言給機器人下達指令，如“打開上面的抽屜，小心花瓶！”

陳建宇團隊也在推進這方面的研究工作。

并且做出了世界上第一篇大模型結(jié)合人形機器人的學術(shù)工作。

他們用大模型來指導小星的上層任務規(guī)劃，用強化學習來獲取小星的底層控制器。

與此同時，還提出了一套新的框架來解決上層規(guī)劃和下層執(zhí)行之間的對齊問題，以確保下層控制能很好地執(zhí)行上層規(guī)劃的任務。

“我們發(fā)現(xiàn)，一些簡單的操作場景，接入13B的開源模型就比較夠用了?！标惤ㄓ罘窒砹藢嶒炦^程中的發(fā)現(xiàn)，“作為定位家庭服務的機器人，對數(shù)理邏輯、推演等功能的要求并不太高?！?/p>

緊接著，量子位又把“大模型幻覺在具身智能身上的解決思路”這個問題拋給了陳建宇。

比起網(wǎng)絡(luò)世界里的胡說八道，現(xiàn)實世界人形機器人受到帶有幻覺的指令，似乎是一件更為嚴肅、需要正視的事情。

思考片刻后，陳建宇給出了他的答案，那就是可能需要兩手解決方案，一方面是大模型產(chǎn)品本身對幻覺的控制，另一方面，在底層的控制也要加強。

關(guān)鍵詞：