王坚对话波士顿动力创始人雷伯特：机器人进家庭是最终一步，至少还需10年｜2024 T-EDGE
12月6日-7日，2024 T-EDGE立异大会暨钛媒体财经年会在北京市大兴区举行，以“ALL-in on Globalization ，ALL-in on AI”为主题，会聚全球科技和商业领导者，一起评论人工智能对全球各行业的巨大影响，以及企业全球化添加新格局新趋势。作为钛媒体集团每年年终举行的科技和财经范畴的尖端盛会，T-EDGE一向代表了钛媒体在科技与经济前瞻性，以及推进国际立异沟通上的高质量寻求。
12月7日T-EDGE 全球AI论坛：All-in On AI会议上，人工智能研讨所履行董事、波士顿动力机器人创始人马克·雷伯特（Marc Raibert），我国工程院院士、之江试验室主任、阿里云创始人王坚，环绕机器人范畴的开展与 AI 赋能机器人运用等论题打开深度对话。
这是在国内中美AI与机器人范畴顶尖立异者的初次评论沟通，在当时变局环境下极为可贵。
本年75岁的雷伯特，是Boston Dynamics（波士顿动力机器人）创始人。在此之前，他曾任麻省理工学院计算机科学和电子工程系教授，以及卡内基·梅隆大学计算机科学和机器人学副教授。在卡内基·梅隆大学，雷伯特创立了一间研讨动力机器人科学根据的试验室，并研宣布第一款能自己平衡的跳动机器人。
雷伯特在圆桌对话中表明，AI 与机器人现已是一个穿插性学科体系，AI 技能关于机器人范畴的开展起到重要推进作用。现在，人形机器人概念风行全球，全球有逾越50家人形机器人企业，我国不仅占比很高，并且还有许多的机器人范畴优秀人才。可是，假如考虑机器人的商业化，未来2-5年，人形机器人会依然在做货品的转移，进入家庭完结商业化仍是十分困难。
在美国有一种说法：“假如它看起来像鸭子，走路像鸭子，叫声像鸭子，那它便是鸭子。”可在机器人范畴不适用。咱们可以让人形机器人走路像人类，跳舞像人类，看起来像人类，但它的履行安排、操控办法、感知体系、乃至品德和野心都与人类不相同。人形外形不等于人形内涵，人们需求更明晰地考虑自己的方针。所以，咱们有必要考虑机器人未来能开展成什么，机器人的开展就像是登珠峰相同（难）。”雷伯特猜测，未来十年，全球可以会产生一个有用但非全功能的机器人，协助人类做更多使命。
而有着心理学研讨布景的王坚则对机器人有着不同视点的考虑，他表明：“我见过一些用户，他们买一个类人的机器人放在客厅，便是为了和它对话，而不需求它真的像人类相同干活，这让我实在遭到了牵动。当咱们期望一个机器人看着像人的时分，咱们的潜意识实践上是期望和它沟通的。这样AI就成了要害，这现已超出传统机器人技能的范畴，更像是产品规划问题：怎么规划一个人们喜爱与之互动的机器人产品。因而，我对当下的技能倍感振奋，由于机器人和AI的技能现已满足好，可以做出实在好的产品，但应战是怎么规划这样的产品。”
王坚也以为，未来5-10年，咱们家庭中会呈现相似机器人的产品，就像电视、洗衣机相同，会有新的陪同式 AI 机器人硬件产品进入家庭。
以下是波士顿动力创始人Marc Raibert、王坚院士在钛媒体2024T-EDGE上的特别对话编译和收拾：
特别对话嘉宾：
- 马克·雷伯特（Marc Raibert）：人工智能研讨所履行董事、波士顿动力机器人创始人；
- 王坚：我国工程院院士、之江试验室主任、阿里云创始人；
- 主持人Craig Smith：美国闻名媒体人、钛媒体驻美国特约作者、Eye-on.AI创始人
Craig Smith：可以见到在AI范畴享誉全球的王坚真是太令人激动了，今日还能见到我一向以来就想见的Marc，也很快乐见到你。
咱们今日要评论的论题是我长期以来都很重视并常感困扰的一个问题，即大众对机器人与AI（人工智能）的混杂。它们是天壤之别的学科范畴，尽管两者的确存在堆叠，并且这种堆叠还在不断添加。但每逢我看到一篇关于AI的报导却配上机器人的图片时，我都会有些不舒服。这正是我想先谈谈的一个点：差异机器人与AI。Marc，你在波士顿动力（Boston Dynamics）一向在做机器人相关的作业，或许你可以解释一下现有机器人中到底有多少是AI驱动的，又有多少是传统操控理论（人工规划的操控办法）的产品？
然后还有一个延伸问题是：传统操控理论式的工程规划，现在能在多大程度上被大型言语模型（LLM）所完结？换句话说，那些实践编程的作业能否由这些新式的生成模型来承当？
Marc Raibert：我十分附和您所说的，机器人并不等同于AI。最近我一向想用更广泛的思路去界说什么是机器人、什么是AI，但许多人会相提并论。不过回到你的问题：你在波士顿动力看到的许多机器人行为，很大程度上是所谓的传统操控办法的成果。这些传统操控办法是来自研讨机器作业原理、安排作业、视觉体系作业办法的专家们规划和开发的。现在的操控变得越来越杂乱，假如你是做机器人技能的人，你或许知道MPC（模型猜测操控）在这些演示中起了很大作用。但强化学习（Reinforcement Learning）也已近在眼前，我以为强化学习与传统技能专家相结合，将在机器人才能上取得重大打破。
不过我也以为人们对“学习驱动”的办法存在过度达观的倾向，这种达观现在还没有彻底被证明是合理的。许多人信任，或许是由于言语模型的成功，以为不久之后机器人操控就能悉数依托自我学习，乃至是端到端的全自学。但我觉得定论还不决。在我的研讨所，咱们的确有一些人致力于这种极点的端到端数据驱动办法，一起也有一些人持续研讨理论和传统办法。我深信未来最好的处理计划会来自不同技能办法的穿插交融。
另一点是，这一切还要看时刻尺度。在未来的某个时刻点，或许学习型办法会全面占优。但假如你想在当下，或许未来几年，乃至5到7年内，在产品中做出有用的东西，传统办法依然会发挥巨大作用。我乃至不太喜爱用“传统”这个词来称号这些办法，由于与曩昔两年的新趋势比较，它们才算“传统”。
Craig Smith：像Atlas这样的机器人在做跳动或翻筋斗等动作时，这些程序规划现在有多少是能用LLM类型的代码生成器完结的呢？纷歧定非要是LLM，也可以是其它生成式或根底模型。
Marc Raibert：我想越来越多的编程会凭借这些模型来完结。我展现过的Spot和一些人形机器人仿真作业也都执政这个方向推进。我信任在某些动作上，咱们能用这些办法到达传统MPC或操控办法无法完结的作用。但我依然以为，这是一种混合。傍边那些有操控理论布景并实践建立过硬件的人才仍是推进这一范畴行进的重要因素。
我对纯学习范畴的一点诉苦是：他们对行为规范的要求十分宽松，并非在做高功能又困难的使命，而是更重视“机器人在所给使命上的改善”而非“高水平完结有用的使命”。
Craig Smith：我想问问王坚，现在我国在这个范畴处于何种方位？我国要么是抢先，要么是紧紧跟随，很难分辩。就像网络视频里，有些令人惊叹的机器，他们在杭州也有相似公司。请谈谈我国在这个范畴的整体状况吧。
王坚：是的，就像Marc在展现中说到的，他列出的一家公司宇树科技就在杭州。我以为这不仅是我国，在美国以及全国际范围内，人们都在探究这一激动人心的论题。Marc在他的研讨中提及了两个重要概念。你说到两种类型的智能，这给了咱们一些有启发性的考虑方向，让咱们从头考虑咱们所在的方位和怎么举动。
我以为应战不只是存在于我国，而是遍及的。这就像你问机器人和AI的联系。对我来说，这就像20、30年前心理学中的一个基本问题，即“心智与身体”的问题。对当下的机器人和AI而言，也是一种“心智与身体”的联系问题。健康的心智有必要依托于健康的躯体，没有身体就没有健康的心智。这是咱们一向在寻求的方针。
现在，咱们评论的是怎么让“心智”与“身体”作为同一个体系协同运作，就像人类相同。不过我会在机器人或AI前面加上一个定语，我想着重人类智能与机器智能是有差异的，人类的身体与机器的身体也是不同的，尽管架构看似相似，但实质或许有底子差异。这是我信任的。正由于如此，在我国咱们具有满足的资源去探究不同的途径，这十分令人振奋。
Marc Raibert：我想弥补一点：除了它们的差异之外，这些差异还意味着咱们有改善AI的时机，比方用更少的数据完结更好的功能。“一次性学习”（one-shot learning）是许多人在尽力的方针。现在这些言语模型现已很强壮了，但并非结尾。我信任未来还会有许多新办法呈现，或许有些来自对人类的研讨，或许有些来自全新的构思。
王坚：没错，以中文来了解“人工智能”这个词，听起来和英文的Artificial Intelligence并不彻底相同，更像是“模仿人类智能”的意思。尽管机器和人类不同，但当机器在某些方面体现优于人类时，并不能简略说它“打败”了人类，这与人类智力与机器智力的比照是不同层面的。今日的技能前进现已使咱们逾越了1950年代时将AI直接与人类做1对1比较的阶段。咱们现在应该考虑怎么将技能提升到新层次，而不是只是比较谁更强。
Craig Smith： Marc，你开端是以一条腿跳动的“绷簧高跷”式机器人开端的，这并不像我见过的任何动物。你后来又开展出类动物或人形的机器人。有一个让我形象深化的是你们在仓库里用吸盘抓取盒子的机器人。展望未来，你以为进入经济范畴的机器人会更倾向于人形？仍是相似动物形状？或是彻底不同，比方一个有吸盘手臂的机械设备（自然界中并没有相似的生物）？
Marc Raibert：这是一个十分好的问题，尤其是现在全国际至少有50家以上的公司在做相似人形机器人的项目，或许还不止50家。在我国，我在北京的国际机器人大会上看到27家公司展出人形机器人。北美也有六七家，我信任不断有新公司呈现。欧洲也是如此。
我以为这要看你的时刻预期。假如你想在未来2到5年内就想让机器人盈余，完结一个高功能的特定使命，那么你不应该寻求通用形状的机器人，而要针对性规划能出色完结特定使命的机器人。比方咱们那个只用来转移纸箱的机器人，它只能搬纸箱，却做得很好。有些人想，已然人类什么都能做，那么做个人形机器人也就能什么都做。或许将来有一天会完结，但还需求很长的路要走。
还有一句话，在美国有一种说法：“假如它看起来像鸭子，走路像鸭子，叫声像鸭子，那它便是鸭子。”可在机器人范畴不适用。咱们可以让人形机器人走路像人类，跳舞像人类，看起来像人类，但它的履行安排、操控办法、感知体系、乃至品德和野心都与人类不相同。人形外形不等于人形内涵，人们需求更明晰地考虑自己的方针。
我个人喜爱人形机器人，由于那是像攀爬珠穆朗玛峰相同的应战，但我并不是为了下一年就挣钱才去做它们的。
Craig Smith：在我国，许多人形机器人公司都在呈现。你觉得这背面有某种大志吗？比方在日本，我知道他们由于老龄化社会而投入许多资源于机器人，期望有朝一日能呈现一支人形机器人部队协助护理白叟。我国也面临老龄化问题，这会不会成为我国的重视点？
王坚：是的，这在我国也是一个论题。人们评论机器人协助照料白叟，但我以为这并不是仅有的焦点。放在更大图景里看，即使在今日的生成式AI呈现之前，人形机器人就已是个大热门，我国有许多公司在做。在问我国有多少公司在做机器人时，很难计算，由于十分多。
我见过一些用户，他们买一个类人的机器人放在客厅，便是为了和它对话，而不需求它真的像人类相同干活，这让我实在遭到了牵动。当咱们期望一个机器人看着像人的时分，咱们的潜意识实践上是期望和它沟通的。这样AI就成了要害，这现已超出传统机器人技能的范畴，更像是产品规划问题：怎么规划一个人们喜爱与之互动的机器人产品。因而，我对当下的技能倍感振奋，由于机器人和AI的技能现已满足好，可以做出实在好的产品，但应战是怎么规划这样的产品。
Craig Smith：对，我也觉得在家中摆放一个可以攀谈的人形机器人很有价值。以色列有家公司在做一个“桌面头部”机器人，尽管不像人头，但专门用来和白叟谈天陪同。
Marc Raibert：还有许多公司在做所谓的宠物机器人、陪同机器人，这些纷歧定像人。有的人乃至想做可以了解实在宠物意思的AI，不管怎样，人们遍及觉得需求陪同。宠物是一种陪同办法，或许机器人也是一种。不过说到商业化，我以为家庭是最困难的当地，由于安全问题、家庭环境的非结构化、多样化、本钱要求都很严苛，在工厂和仓库里完结投入产出比要简略得多。
Craig Smith：对，在家中让一个人形机器人坐在沙发上，假如它站起来或许存在安全危险。我想到Sony的Aibo机器狗，当年停产时还引发了日本用户的极度哀痛，人们像失掉家人相同。
Marc Raibert：那是个文明现象。我当年与索尼协作Aibo时，在东京做过一个面临Aibo爱好者的讲演。台下许多人戴着Aibo吊坠，有人乃至举行过Aibo婚礼。Aibo是一种文明现象。
Craig Smith：或许在未来的商场里，会呈现一条分界线：一种是人形或陪同型机器人用于家庭，另一种则是工业或军用机器人适合在杂乱环境中作业。说到学习才能的问题：咱们昨夜谈过在机器人中融入强化学习。现在在研讨将强化学习用于现有机器人练习。你以为要多久才能让机器人像生成式模型那样，从环境中自主学习并体现出超出规划者预期的行为？
Marc Raibert：我知道丰田也在测验经过行为克隆等办法，让人类先长途操作搜集数据，再让机器人用这些数据自行完结使命。许多人在寻求这一方向。与言语模型从网络抓取文本数据不同，机器人需求对触觉、实在视觉进行数据搜集，这种数据很难像文字那样容易取得。现在已有一些公司专门为此搜集这类数据。
我以为有一个连续光谱：从彻底由人类规划到彻底由机器人自学。从曩昔直到现在，咱们一向有人类在回路中——由工程师经过机器人搜集的数据来改善规划，实在的端到端全自学或许是最难的阶段。我以为在很长一段时刻内，人类对机器的结构性规划仍旧重要。或许终有一日某些问题能完结端到端自学，但那是比较长远的作业。
王坚：谈到机器人和人的互动，咱们方才说到了陪同机器狗，咱们特别喜爱这个陪同机器狗，由于它可以陪同，其实这触及人机交互，人们会抚摸它，与它互动。这些触觉数据和交互数据对机器学习也很重要。今日许多人都想要彻底自主的机器人，但我不确定这种主意是否过于狭隘，是否约束了咱们对其他办法的探究。就像今日的LLM很成功，但这并不意味着只需LLM一种根底模型办法，还有许多道路可以探究。
Craig Smith：咱们日常运用的轿车实质上也是一种机器人，自主驾驭体系适当于在这个机器人里装上“大脑”。在无人驾驭方面，我国的布置速度也很快，这让我觉得我国乐意承当更多危险。
王坚：是的，我国很大，但不只是是一个大商场，更是一个能验证和锻炼技能的场所。大商场意味着你有时机将技能投入实践运用，验证老练度与可行性，而不只是出售。当技能没有老练时，我国宽广的环境供给了快速迭代和验证的时机。因而我国的确供给了一个测验技能老练度的舞台。
Marc Raibert：当然，我国的机器人开展，我的确看到商场上有十分多有才智的人，他们是十分认可这个范畴的。关于任何一个公司来讲，假如想要成功，就需求有人才库，需求有这样的一些人才，这必定是一个十分令人敬仰的人才储藏。
王坚：是的，我彻底附和Marc的观点。当有许多年轻人对这项技能充满热情，就能推进技能不断行进。有了这种酷爱与热情，未来就有期望。
Marc Raibert：我有时都觉得自己有点走运，我能从事自己酷爱的作业，每天上班都不是担负，还有人付我薪酬。我以为关于任何一位能从事自己酷爱范畴的人来说，这都是再好不过的境况。
Craig Smith：回到将AI“大脑”与机器人“身体”结合的问题：无论是经过操控理论仍是极点的神经网络计划，这种交融开展怎么？现在有多少机器人具有AI大脑来辅佐操控并答应与人类的交互？
Marc Raibert：我以为跟着对硬件和软件两边的深化了解，以及团队之间的严密协作，开展会更快。在前期模仿中，假如模仿开发者有硬件经历，模仿的作用和对软件的协助就更大。假如只懂软件而不了解硬件，成效就差点。我有些忧虑美国硅谷的软件派以为只需软件满足智能，随意什么硬件都行。我并不认同。即使现在软件能推进硬件开展，但终有一天硬件会再次成为瓶颈，到时钟摆又会回到硬件这边。
Craig Smith：我注意到美国AI机器人试验室里运用的机器人手臂大多是简略的夹爪结构，这是适当粗糙的硬件。在我国状况怎么？我国的AI机器人研讨是不是也大多用这种简略硬件，仍是有人测验更杂乱的人形或其他先进硬件？
王坚：我信任即使没有特定硬件，咱们也能运用AI做许多作业，究竟有满足的算力就行。但假如有了好的硬件合作AI，就或许完结更冷艳的打破。许多我国公司都在测验，由于他们信任在硬件、软件与AI才能的结合上有巨大的潜力。深圳便是一座硬件之都，可以快速低本钱地制造出各种原型，这对探究各种形状的机器人十分有利。还有许多城市里许多的工程师一起测验不同方向，这种规模化工程与研讨会加快技能堆集与前进。
Marc Raibert：回到方才说到的主动驾驭轿车，我想举这样一个比如，在旧金山有一个事端，其间有人死亡了。这个事端傍边，有主动驾驭轿车，但其实我觉得是人类驾驭的轿车，是人过错驾驭轿车的职责，但由于这个事端里有主动驾驭轿车的参加，所以引起了很大的评论。其实我觉得，主动轿车会比人类驾驭的轿车更为安全，就像机器人相同，咱们会把机器人送去工厂，但或许会呈现人受伤的状况，一旦呈现了事端，人们或许就会不再运用机器人了。
王坚：即使运用了机器人，其实工人的安全反而可以得到更好的保证，不管是在旧金山、我国或许是欧洲。我觉得不同的文明差异，或许会带来不同的主意。我想到几天前，我也评论过这个问题，就像最开端人们会说X光对身体是有害的，可是后来人们会意识到X光其实是可以给人类带来协助的，现在又到了这么一个阶段，咱们以为AI机器人有很大的力气，但咱们还不知道它可以做什么。
就像你从家开车到机场，你在路上产生事端的或许性要比你坐飞机出事端的或许性要高得多。许多技能开展的前史，其实都会有这么一个阶段，许多人由于惧怕AI，所以他们期望AI遭到更严厉的监管。
Marc Raibert：我很附和，我也觉得AI会处理许多问题，它处理问题的才能，要比它所带来问题的才能要强得多。我自己并不惧怕AI，但我知道许多人都会很忧虑，很惧怕AI，我不知道这是教育的问题，仍是传达的问题。
王坚：本年9月，我在纽约联合国的办公楼开了个会。在这个会上，联合国发布了一个文件，在讲管理AI，咱们参会的这些人都拿到了这份文件。在这个文件发布之后，咱们参会的二十几个人自己安排又开了一个闭门会，咱们觉得AI当然有安全问题，但咱们以为安全并不是AI的悉数，咱们把这个知道叫做曼哈顿宣言，便是为了表达咱们代表科学界有了一个一致。AI的才能不光包含机会还有安全，这便是咱们所谈到的内容，咱们有必要把机会和安全问题放在一起来评论，咱们也需求这样的平衡。
Craig Smith：快到对话完毕的环节了，我想问一个观众总爱问的问题（专家们或许不喜爱）：你们对人形机器人进入家庭有用武之地的时刻表有什么猜测？
Marc Raibert：我觉得家用场景或许是最终的场景，并且我觉得会是有限的运用场景，就像方才你谈到的一些使命，我不知道。
Craig Smith：或许永久都不会？
Marc Raibert：我不是说永久都不会，可是会需求很长时刻。
王坚：我或许更达观一些，我觉得5-10年咱们会在家里呈现相似机器人这姿态的东西，就像电视、洗衣机，我想会有新的这样的硬件进入到咱们的家庭，我觉得是5-10年一定会呈现。
Marc Raibert：我附和10年后必定会有某种有用的机器人家电呈现，但它或许不会是万能的人形机器人。
Craig Smith：10年后假如我还在，咱们再见面，到时分看有没有完结！到时身边或许有个机器人给咱们端茶倒水。
（本文首发钛媒体App，修改 | 刘湘明）
相关文章
既有“85后创二代”也有夫妻档，2024年度风云浙商揭晓
00:50潮新闻客户端 记者 陈婕 王燕平 许伊雯 甘居鹏 张鑫 吴鹤鸣2024年，广阔浙商在加速建造立异浙江、量体裁衣开展新质出产力的征途上勇抢先行者，在充溢应战的年份里点亮浙江经济的很多星斗。1月...
他们温暖了这座城！2024年第一季度“重庆好人榜”揭晓
有这样一群人，他们在普通作业中发明不普通的成绩，在普通日子里书写不普通的故事，活跃传达真善美、传递正能量，带动更多身边人向上向善，宏扬社会主义中心价值观，争做社会的好公民、单位的好员工、家庭的好成员…...
快讯丨以“丰盈节”为主题 2024年亚广联大学生机器人大赛在越南广宁开幕
齐鲁网·闪电新闻8月25日讯 8月25日，2024年亚广联大学生机器人大赛（ABU Robocon2024）在越南广宁省下龙市广宁综合性体育场开幕。图为开幕式杂技表演本届大赛以“丰盈节”为主题，设置“...
神译局是36氪旗下编译团队，重视科技、商业、职场、日子等范畴，要点介绍国外的新技能、新观念、新风向。
编者按：2023年现已曩昔，2024年现已到来。新的一年会有哪些改动呢？要想猜测靠谱一点，咱们有必要找到一些根底性的趋势作为猜测依据。比方说，利率很或许在很长时刻内坚持高位，比方说生成式人工智能的开展迅猛仍旧等。依据这些根底趋势，咱们能够推扮演许多的二阶效应，然后就能对未来恍然大悟。文章来自编译。
利率保持高位与人工智能狂飙：2024年的24个猜测
《黑镜》的情节快要变成实际了。神译局是36氪旗下编译团队，重视科技、商业、职场、日子等范畴，要点介绍国外的新技能、新观念、新风向。编者按：2023年现已曩昔，2024年现已到来。新的一年会有哪些改动呢...