稚暉君表示，原因就在于「從第一性原理出發(fā)，人形雙足機(jī)器人是人類環(huán)境中最為通用的終極形態(tài)！<-span>」<-span><-section>我們生活的物理世界中各種場景、設(shè)備、任務(wù)、工具，都是為人體形態(tài)量身打造的。只有機(jī)器人像人，具備類似的身體結(jié)構(gòu)和能力，才能夠幫助機(jī)器人更好地融入人類的生活和工作環(huán)境，并且無需對機(jī)器人做任何改造。如果機(jī)器人像人，它就可以做到人機(jī)交互、情感陪伴，甚至發(fā)揮在危險(xiǎn)環(huán)境中替代人的巨大價(jià)值。
當(dāng)然了，稚暉君表示，針對特定的結(jié)構(gòu)化場景，其他形態(tài)的機(jī)器人也會帶來實(shí)際價(jià)值。
然而，讓機(jī)器人模仿人類行為，進(jìn)行精細(xì)的運(yùn)動控制和協(xié)調(diào)，是世界性的難題，需要我們在機(jī)械設(shè)計(jì)、運(yùn)動控制、感知反饋各方面取得技術(shù)突破。著名的莫拉維克悖論告訴我們：讓機(jī)器人像人類大師一般下棋，是相對容易的，但是要讓機(jī)器有如1歲孩子般的感知和行動能力，卻是相當(dāng)困難的。而對于智元來說，若想攻克難題，還需要從機(jī)器人本體硬件設(shè)計(jì)、算法積累去實(shí)現(xiàn)突破。
硬件設(shè)計(jì)
在遠(yuǎn)征A1本體硬件設(shè)計(jì)上，全身共有49+自由度，搭載了諧波一體關(guān)節(jié)、直線推桿、無刷行星伺服、空閑杯電機(jī)等驅(qū)各類執(zhí)行器。這些執(zhí)行器就像人類關(guān)節(jié)一樣，決定了人做各種動作的靈活性，機(jī)器人也是一樣。
核心關(guān)節(jié)
對于人形機(jī)器人，最重要的是腿部的關(guān)節(jié)器，也就是電機(jī)。在此，智元也實(shí)現(xiàn)了核心關(guān)節(jié)的自研——PowerFlow關(guān)節(jié)電機(jī)。一個(gè)靈敏的機(jī)器人，其關(guān)節(jié)需要涵蓋以下特點(diǎn)，做到體積小，重量輕、功率密度足夠高、能量利用效率高、高響應(yīng)帶寬等一系列特性。這與傳統(tǒng)的輪式電機(jī)，要求是不一樣的。機(jī)器人的核心關(guān)節(jié)，是未來實(shí)現(xiàn)規(guī)模量產(chǎn)、低成本制造的重要門檻之一。通過算法控制設(shè)計(jì)，和各種參數(shù)的正向分析，得到了每個(gè)關(guān)節(jié)所需的力矩轉(zhuǎn)數(shù)曲線。有了參數(shù)基礎(chǔ)之后，基于此自研設(shè)計(jì)了PowerFlow關(guān)節(jié)電機(jī)，有了一系列創(chuàng)新和優(yōu)化，采用了徑向磁通的外轉(zhuǎn)子電機(jī)方案，未來也會有軸向磁通的版本。為了達(dá)到更高功率密度，關(guān)節(jié)模型組在如此小的提集中，創(chuàng)新性集成了液冷循環(huán)散熱系統(tǒng)。搭配一一體化自研的矢量控制驅(qū)動器，整體的控制扭矩可以容易地超過350Nm。在水冷散熱的加持下，能夠保持更長時(shí)間的控制扭矩輸出。另外，我們也看到遠(yuǎn)征A1并不像人類一樣，膝蓋向前彎曲，而是采用了「反關(guān)節(jié)設(shè)計(jì)」。稚暉君解釋道，這款機(jī)器人設(shè)計(jì)的初衷，就是為了應(yīng)用于各種真實(shí)的任務(wù)場景中。因?yàn)楝F(xiàn)在的機(jī)器人關(guān)節(jié)自由度不夠高，反關(guān)節(jié)的設(shè)計(jì)可以擁有更大的空間，更適用于干活。因?yàn)橹窃哪繕?biāo)是讓機(jī)器人參與各種生產(chǎn)力場景，另外一個(gè)重要的核心零部件，就是「靈巧手」。這款自研「靈巧手」，擁有12個(gè)主動自由度，5個(gè)被動自由度，而且所有驅(qū)動都是內(nèi)置的。因?yàn)樗糜诰苤圃?，團(tuán)隊(duì)在它的指尖集成了基于視覺的指尖傳感器，可以分辨操作物的顏色、形狀、材質(zhì)。而且，它還可以基于算法的數(shù)據(jù)融合，做到近似觸覺的壓力傳感器的效果。同時(shí)，通過創(chuàng)新的指尖傳感器視覺閉環(huán)的設(shè)計(jì)，降低了對于整機(jī)電機(jī)的精度需求，因?yàn)榭梢詫?shí)現(xiàn)末端的視覺閉環(huán)。除了以上提到了一些元部件之外，遠(yuǎn)征A1還搭載了一系列感知元件、算力系統(tǒng)、以及配套的具身智能框架。所以這些部件的高效組合，使它成為智慧高超、肢體強(qiáng)健的機(jī)器人開發(fā)平臺。
模塊化設(shè)計(jì)
除了本體的硬件參數(shù)，團(tuán)隊(duì)在整機(jī)的設(shè)計(jì)中，還包括了模塊化設(shè)計(jì)的理念。機(jī)器人不止是足式的，還可以是輪式的底盤，可以自由搭配不同形態(tài)，甚至未來還會有輪足款。說到這里，稚暉君表示，知道大家非常關(guān)心哪吒的進(jìn)展，稍后會給大家展示相關(guān)視頻。而且，除了上下身的組合，末端的靈巧手，也是支持自主更換的。在某些場景下，它可能更適合各種專用的工具，比如螺絲刀、電鉆。總之，每個(gè)關(guān)鍵部件都能進(jìn)行單獨(dú)使用和搭配使用，合是一個(gè)機(jī)器人，分是無數(shù)個(gè)AI機(jī)械工具。
運(yùn)控算法
有了優(yōu)秀的硬件平臺作為基礎(chǔ)，再者，就是核心的運(yùn)控算法。在6個(gè)月的研發(fā)時(shí)間中，算法已經(jīng)快速迭代了三版運(yùn)控算法，從最初的IQP，到CMPC、線性MPC，再到最近使用的非線性的NMPC。以及，目前基于各種學(xué)習(xí)下開發(fā)的強(qiáng)化學(xué)習(xí)算法。可以說，智元現(xiàn)在擁有業(yè)界一梯隊(duì)算法研發(fā)能力。同時(shí)，智元也在搭建離線軌跡優(yōu)化平臺。國外頂級機(jī)器人團(tuán)隊(duì)，比如波士頓動力狗，能夠?qū)崿F(xiàn)跳舞、跑酷等一系列高難度動作。這對于智元來說，也不是高難度的問題。稚暉君表示，與其他團(tuán)隊(duì)不同的是，實(shí)現(xiàn)這些能力之前，我們希望讓機(jī)器人成本控制在20萬以內(nèi)，擁有真正落地可能。所以，如何讓通用機(jī)器人實(shí)現(xiàn)量產(chǎn)？還得回到最初所說的「具身智能技術(shù)」。智元認(rèn)為，硬件本體是前置條件，更重要的是背后機(jī)器人的「AI大腦」。正是大語言模型技術(shù)的飛速發(fā)展，使得機(jī)器人能夠自主感知環(huán)境、理解任務(wù)、動作編排等自主完成一套流程成為可能。所以，稚暉君表示，「現(xiàn)在，我們不止需要ChatGPT，還需要WorkGPT?！?/span>
WorkGPT
我們知道，基于超大規(guī)模的數(shù)據(jù)預(yù)訓(xùn)練的語言和圖像大模型，具備強(qiáng)大的語義理解、邏輯推理、圖像識別、代碼生成能力。這些能力對于需要在真實(shí)物理世界中執(zhí)行各種復(fù)雜任務(wù)的通用機(jī)器人，是非常重要的。但是如何利用多模態(tài)大模型的能力，來賦能機(jī)器人的細(xì)微動作編排呢？這也是目前非常熱點(diǎn)的研究方向。團(tuán)隊(duì)實(shí)現(xiàn)了自然語言端到端到機(jī)器人的映射，可以用自然語言讓機(jī)器人編排整個(gè)任務(wù)，還能動態(tài)調(diào)整任務(wù)。智元對于機(jī)器人和大模型結(jié)合的基本認(rèn)知是，即語言和圖像大模型對于機(jī)器人領(lǐng)域應(yīng)用最大的價(jià)值：首先是嵌入在大模型中，龐大的先驗(yàn)知識庫&強(qiáng)大的通識理解能力。比如，讓機(jī)器人把桌上垃圾扔到垃圾桶里，不再需要告訴它垃圾是什么、垃圾桶是什么，所有的知識都是預(yù)訓(xùn)練GPT模型，具有先驗(yàn)知識。所以，大模型的出現(xiàn)，能夠讓機(jī)器人更好地把原有的能力泛化到更通用的場景中。第二點(diǎn)，就是大模型具有的復(fù)雜語義多級推理能力，也即所謂的「思維鏈」。比如視頻右邊，需要讓機(jī)器人對方塊進(jìn)行一系列操作。讓它把藍(lán)色方塊放到紅色方塊上面，非常簡單。但如果讓它把藍(lán)色方塊放到紅色方塊下面，就復(fù)雜了。它需要理解重力是什么回事，東西不會飄在空中，怎樣通過多級操作完成這個(gè)任務(wù)？這就是一個(gè)典型的多級推理思維鏈的過程。稚暉君表示，隨著大模型時(shí)代的到來，通過利用大模型的通識能力和舉一反三的推理能力，我們可以看到走向通用機(jī)器人的一道曙光。
El Brain框架
機(jī)器人的El Brain框架可以分為云端超腦、大腦、小腦、腦干。大腦提供AI輔助的抽象思維能力，如邏輯推理，思考能力，完成機(jī)器人任務(wù)級和技能級的調(diào)度。比如規(guī)劃任務(wù)「去看看門口是否有快遞」，然后具體完成規(guī)劃路徑，開門關(guān)門，抓取釋放物體等動作的調(diào)度。如果端側(cè)部署的模型泛化能力不夠，還可再配合上云端超腦，在線解鎖更復(fù)雜的任務(wù)調(diào)度能力。小腦負(fù)責(zé)的是產(chǎn)生運(yùn)動控制指令生成。就如同人走路，大腦只發(fā)出宏觀的指令，比如前進(jìn)后退，需要小腦控制平衡，運(yùn)動學(xué)動力學(xué)。對于機(jī)器人來說，小腦主要是進(jìn)行指令級的控制，設(shè)置上身姿態(tài)，控制指關(guān)節(jié)運(yùn)動，控制頭部姿態(tài)等。腦干這一層級主要是解決底層的運(yùn)動控制能力的問題。比如，所有的電機(jī)的控制，電流環(huán)，速度環(huán)，位置環(huán)的控制。在技能級這個(gè)模型層面，團(tuán)隊(duì)定義了一系列的語言操作，叫做Meta Skill。Meta Skill的發(fā)展類似于智能駕駛中從L1到L5的整個(gè)過程，如果要實(shí)現(xiàn)全場景通用的機(jī)器人，也不可能是一步到位的過程。在語言操作庫限定的有限范圍內(nèi)，機(jī)器人可以實(shí)現(xiàn)自主的推理決策，完成端到端的任務(wù)編排。隨著語言操作能力庫的不斷擴(kuò)充，機(jī)器人能夠勝任的任務(wù)空間能夠成指數(shù)級的增長。在交互過程中不斷成長，最終實(shí)現(xiàn)全場景任務(wù)覆蓋。
商業(yè)落地
稚暉君表示，智元機(jī)器人不但是最酷的機(jī)器人，而且也會是最實(shí)用的機(jī)器人。此外，團(tuán)隊(duì)一開始就是奔著商用落地去的，因此方向上主要瞄準(zhǔn)工業(yè)制造領(lǐng)域，比如3C制造，汽車制造等等，快速推進(jìn)產(chǎn)業(yè)化。<-span><-span><-section>目前，已經(jīng)和國內(nèi)相關(guān)行業(yè)龍頭企業(yè)進(jìn)行了對接。
生態(tài)搭建
生態(tài)環(huán)境的搭建包括基礎(chǔ)設(shè)施和開發(fā)者激勵。團(tuán)隊(duì)除了會向開發(fā)者提供整個(gè)機(jī)器人的開發(fā)套件、HDK、SDK外，還會提供基礎(chǔ)預(yù)訓(xùn)練大模型，AgiROS仿生平臺，以及低成本的教育版硬件，供開發(fā)者進(jìn)行二次開發(fā)。與此同時(shí)，還會開啟一個(gè)智元遠(yuǎn)征啟航的人才計(jì)劃，吸納人才。
2月底成立公司，項(xiàng)目立項(xiàng)、組建團(tuán)隊(duì)。半年時(shí)間從0到1，實(shí)現(xiàn)了完整樣機(jī)的研發(fā)流程。稚暉君表示，如此之高的研發(fā)效，哪怕放在整個(gè)機(jī)器人行業(yè)里，也是相當(dāng)炸裂的！其中，在這半年的時(shí)間里，團(tuán)隊(duì)挑戰(zhàn)了傳統(tǒng)思維，打破了各種框架，嘗試了許多前所未有的創(chuàng)新方案，每一步都是全新的探索。下面這些圖，記錄著團(tuán)隊(duì)這半年過程中的點(diǎn)點(diǎn)滴滴。發(fā)布會結(jié)束前，稚暉君向所有人分享了自己的個(gè)人感想：「人因夢想而偉大」。他希望有一天，真正能夠?qū)崿F(xiàn)像科幻電影中智能的機(jī)器人。這些機(jī)器人不再是簡單的自主裝置，而是擁有自我思考能力的智能伙伴，能夠感知和理解我們的世界，與人類進(jìn)行深入的溝通和合作。而遠(yuǎn)征A1的發(fā)布，是智元追求卓越的起點(diǎn)，標(biāo)志著在人工智能機(jī)器人領(lǐng)域邁出的重要一步。
首頁
