芝能科技出品
今年 WAIC 落幕之后，朋友圈里刷到不少機(jī)器人干活的視頻。倒茶、疊衣、拆垛、泡茶，動(dòng)作行云流水，看著比人還利索。
你真正去現(xiàn)場(chǎng)看過(guò)這些機(jī)器人完成工作，大部分對(duì)外演示視頻都是調(diào)了倍速的，不調(diào)就會(huì)被當(dāng)成慢動(dòng)作，看得人著急。
這些機(jī)器人在展臺(tái)上"能做對(duì)"，和在家里疊衣服和生產(chǎn)線上"能干活"，中間還隔著一長(zhǎng)段路。
人形機(jī)器人進(jìn)工廠，
為什么還在學(xué)習(xí)階段
談人形機(jī)器人落地，第一步先把這筆賬算清楚，比看它能做什么更緊要。
逛展時(shí)和多家產(chǎn)品負(fù)責(zé)人聊下來(lái)的情況，當(dāng)前工業(yè)人形機(jī)器人單臺(tái)售價(jià)普遍在 40 萬(wàn)元上下，一條完整工序往往需要 3 臺(tái)協(xié)同，單工位硬件投入直接突破 120 萬(wàn)元。
拿這個(gè)和人力比一比：流水線工人月薪 6000 到 8000 元，即便機(jī)器人 24 小時(shí)不間斷運(yùn)轉(zhuǎn)，光是硬件折舊就要攤好幾年。這還沒(méi)算后期維保、電池更換、現(xiàn)場(chǎng)調(diào)試的費(fèi)用。
企業(yè)采購(gòu)一臺(tái)設(shè)備，圖的是綜合投入長(zhǎng)期低于人力，而眼下這筆賬算不平，工廠自然沒(méi)有替換的動(dòng)力。
更麻煩的是續(xù)航。主流機(jī)型滿電只能持續(xù)作業(yè) 2 到 6 小時(shí)，之后需要約 1.5 小時(shí)充電。工廠兩班倒的工況下，單臺(tái)機(jī)器人撐不住，必須配備備用機(jī)輪換。這等于在原本就偏高的硬件投入上，又疊了一臺(tái)。
表 1 把這筆賬列出來(lái)，數(shù)字來(lái)自現(xiàn)場(chǎng)交流與公開(kāi)資料。
項(xiàng)目 | 數(shù)值 | 說(shuō)明 |
|---|---|---|
單臺(tái)售價(jià) | 約 40 萬(wàn)元 | 工業(yè)人形機(jī)器人主流區(qū)間 |
單工位投入 | 約 120 萬(wàn)元 | 約 3 臺(tái)協(xié)同完成一道工序 |
工人月薪 | 6000–8000 元 | 單班人力成本 |
滿電續(xù)航 | 2–6 小時(shí) | 雙足機(jī)型普遍水平 |
充電耗時(shí) | 約 1.5 小時(shí) | 兩班倒需備用機(jī)輪換 |
注意：這張表里的"售價(jià)"和"續(xù)航"隨機(jī)型浮動(dòng)很大，但量級(jí)已經(jīng)足夠說(shuō)明問(wèn)題，在成本賬算平之前，規(guī)?；鎿Q不會(huì)發(fā)生。
也正因?yàn)槿绱?，現(xiàn)階段行業(yè)里"做對(duì)"比"做快"重要得多，先把成功率拉起來(lái)，速度才有意義。慢一點(diǎn)不可怕，可怕的是在產(chǎn)線上出錯(cuò)，一次夾傷、一次碰撞，代價(jià)遠(yuǎn)高于省下的那點(diǎn)時(shí)間，這也是工程上天然偏向保守的原因。
很多人覺(jué)得機(jī)器人"慢"，是某一個(gè)算法沒(méi)調(diào)好。實(shí)際情況是，慢是系統(tǒng)性的，根源分布在四層。
◎ 第一層，運(yùn)動(dòng)控制的毫秒級(jí)時(shí)延。
人類手臂有 27 個(gè)自由度，可以無(wú)延遲地做微調(diào)；當(dāng)前機(jī)器人有效自由度只有 16 到 22 個(gè)，精細(xì)操作的響應(yīng)速度不到人類的三分之一。
全身多自由度要協(xié)同跟上產(chǎn)線節(jié)奏，算法需要反復(fù)補(bǔ)償修正，這一補(bǔ)償就把動(dòng)作節(jié)奏拖慢了。多出來(lái)的自由度缺口，直接體現(xiàn)在抓取姿態(tài)的豐富度上，許多需要手腕翻轉(zhuǎn)、手指分指的動(dòng)作，當(dāng)前機(jī)型只能近似，難以復(fù)現(xiàn)。
◎ 第二層，端側(cè)算力受限。
視覺(jué)感知到?jīng)Q策的閉環(huán)效率低下。車間里的粉塵、光線變化、工件微小偏移，都會(huì)干擾 RGB-D 相機(jī)的識(shí)別。感知不準(zhǔn)，后面的規(guī)劃就只能保守，寧可多停頓確認(rèn)，也不敢一氣呵成。
◎ 第三層，動(dòng)力與續(xù)航拖累連續(xù)節(jié)拍。
雙足行走維持平衡本身能耗極高，整機(jī)大部分電量消耗在"站穩(wěn)"上，沒(méi)真正用在"干活"上。這就回到前面那筆賬：續(xù)航短，表面看是電池小，往深里看是能耗結(jié)構(gòu)的問(wèn)題，行走和平衡吃掉了本該用于作業(yè)的功率預(yù)算。
◎ 第四層，仿真訓(xùn)練無(wú)法完全遷移真實(shí)工況。
廠商依靠數(shù)字孿生做預(yù)訓(xùn)練，但真機(jī)作業(yè)一旦提速，就有碰撞、物料損毀的風(fēng)險(xiǎn)。于是控制策略天然偏向"寧可慢、不能錯(cuò)"，這種保守做法直接把峰值作業(yè)效率壓了下去。
表 2 把四層卡點(diǎn)和對(duì)應(yīng)的表現(xiàn)列在一起。
層級(jí) | 卡點(diǎn) | 直接表現(xiàn) |
|---|---|---|
運(yùn)動(dòng)控制 | 毫秒級(jí)時(shí)延、自由度不足 | 動(dòng)作響應(yīng)不到人類三分之一 |
端側(cè)算力 | 感知-決策閉環(huán)低效 | 環(huán)境干擾下識(shí)別掉鏈子 |
動(dòng)力續(xù)航 | 雙足平衡能耗高 | 滿電僅 2–6 小時(shí) |
仿真遷移 | Sim2Real 差距大 | 保守控制，不敢提速 |
這四層不是孤立的。
◎ 運(yùn)動(dòng)控制慢，部分原因是算力跟不上實(shí)時(shí)決策；
◎ 算力跟不上，部分原因是功耗預(yù)算卡得緊；
◎ 功耗緊，又逼著控制策略保守。
它們互相纏繞，所以單點(diǎn)優(yōu)化很難見(jiàn)效，必須整機(jī)視角協(xié)同改。
這也就解釋了現(xiàn)場(chǎng)為什么要反復(fù)強(qiáng)調(diào)"做對(duì)比做快重要"：在產(chǎn)線容錯(cuò)極低的環(huán)境里，先求穩(wěn)再求快，是工程上的必然選擇。
自由度與精細(xì)操作：
被演示掩蓋的硬差距
展臺(tái)上最唬人的，是靈巧手。今年有幾款產(chǎn)品確實(shí)進(jìn)步明顯，比如某款 21 自由度的直驅(qū)靈巧手，尺寸接近人手，覆蓋全掌觸覺(jué)與指尖視觸覺(jué)。看著很接近了。
但"接近"和"夠用"是兩件事。人類手部的精細(xì)力控、觸覺(jué)反饋、對(duì)物體材質(zhì)的瞬時(shí)判斷，目前機(jī)器人還做不到無(wú)感切換。疊一件衣服、抓一個(gè)易碎件，這類任務(wù)對(duì)力控和觸覺(jué)的要求，遠(yuǎn)高于倒一杯水。
演示視頻里挑成功的那幾次播出來(lái)，失敗的片段不會(huì)出現(xiàn)在朋友圈。自由度數(shù)量只是下限，力控與觸覺(jué)的閉環(huán)才是上限。不少方案在自由度上堆參數(shù)，卻在力覺(jué)反饋上缺功課，結(jié)果就是"看得像、動(dòng)起來(lái)不對(duì)"。
還有一個(gè)常被掩蓋的點(diǎn)，物理世界數(shù)據(jù)采集成本極高，真機(jī)演示數(shù)據(jù)稀缺，大模型在真實(shí)工況下的泛化能力因而受限，復(fù)雜精細(xì)操作仍不穩(wěn)定。
有廠商干脆讓上門(mén)服務(wù)人員帶著傳感器采集真實(shí)數(shù)據(jù)，可見(jiàn)真機(jī)數(shù)據(jù)的獲取有多費(fèi)勁，而這恰是泛化能力的地基。
一個(gè)很有意思的觀察角度，是看廠商在招什么人。今年現(xiàn)場(chǎng)交流下來(lái)，需求集中在幾類崗位：
◎ 全身運(yùn)動(dòng)控制算法專家：重構(gòu)整機(jī)動(dòng)力學(xué)閉環(huán)，壓縮多關(guān)節(jié)控制周期，從底層消除"一動(dòng)慢三分"；
◎ 端側(cè)多模態(tài)感知與模型推理優(yōu)化工程師：通過(guò)模型蒸餾、INT4 量化、硬件算子定制，打通"看見(jiàn)工件—規(guī)劃動(dòng)作"的高速通路；
◎ 機(jī)器人仿真與 Sim2Real 強(qiáng)化學(xué)習(xí)算法工程師：完善虛實(shí)遷移，讓仿真里的高速動(dòng)作能直接復(fù)用到真機(jī)；
◎ 關(guān)節(jié)傳動(dòng)與伺服機(jī)電硬件研發(fā)工程師：優(yōu)化一體化伺服、低背隙傳動(dòng)、整機(jī)輕量化，從硬件層面抬高速度上限；
◎ 工業(yè)場(chǎng)景具身解決方案架構(gòu)師：基于行業(yè)工藝簡(jiǎn)化動(dòng)作流程，設(shè)計(jì)多機(jī)協(xié)同調(diào)度。
這五個(gè)崗位，恰好對(duì)應(yīng)前面四層卡點(diǎn)。它說(shuō)明了一件事：行業(yè)早已越過(guò)"讓機(jī)器人動(dòng)起來(lái)"的概念階段，真正缺的是把每一層工程細(xì)節(jié)做扎實(shí)的人。概念跑在前面，工程實(shí)現(xiàn)落在后面，這是當(dāng)前最真實(shí)的狀態(tài)。
頭部廠商眼下的最優(yōu)解，是場(chǎng)景生態(tài)分層合作。
◎ 機(jī)器人廠商開(kāi)放本體與軟件平臺(tái)，發(fā)展垂直場(chǎng)景的生態(tài)伙伴；
◎ 由深耕產(chǎn)業(yè)的集成商、自動(dòng)化方案商對(duì)接終端工廠，負(fù)責(zé)現(xiàn)場(chǎng)勘測(cè)、個(gè)性化調(diào)試、售后運(yùn)維；
◎ 廠商輸出標(biāo)準(zhǔn)化本體、底層控制算法、基礎(chǔ)具身模型，雙方分潤(rùn)。
這套打法的好處很實(shí)在，廠商不用養(yǎng)數(shù)百人的跨行業(yè)交付團(tuán)隊(duì)，伙伴自帶工廠客戶資源，產(chǎn)業(yè)方熟悉真實(shí)痛點(diǎn)，能反向推動(dòng)產(chǎn)品迭代。
在 2C 陪伴和養(yǎng)老方向，今年幾款消費(fèi)級(jí)機(jī)型讓人眼前一亮，相比往年只能做簡(jiǎn)單演示，新一代家用具身終于有了真實(shí)入戶的潛力。不過(guò)現(xiàn)場(chǎng)視頻仍是 5 倍速播放，家庭場(chǎng)景里機(jī)器人"思考"的時(shí)間依舊很長(zhǎng)。
好消息是，這是幾個(gè)方向里最有可能先打開(kāi)小規(guī)模商用的。
行業(yè)仍帶著一定泡沫，洗牌還會(huì)繼續(xù)，萬(wàn)臺(tái)級(jí)交付能力正在成為入場(chǎng)門(mén)檻。但分層合作的思路，至少讓廠商不必死磕全場(chǎng)景自研，先把能賺錢(qián)的環(huán)節(jié)跑通。
對(duì)廠商來(lái)說(shuō)，分散單一項(xiàng)目交付風(fēng)險(xiǎn)、緩解駐場(chǎng)工程師不足的壓力，比一口氣吃下全場(chǎng)景更現(xiàn)實(shí)。
◎ 注意一：倍速視頻不等于真實(shí)速度?？?/span>到行云流水的演示，先問(wèn)一句"原速多少"。原速下的節(jié)奏，才接近落地水平。
◎ 注意二：demo 成功不等于工序穩(wěn)定。長(zhǎng)程多步驟任務(wù)里，成功率從"能做對(duì)一次"到"連續(xù)做對(duì)一千次"，中間差的是可靠性工程，兩件事遠(yuǎn)不在同一個(gè)量級(jí)。
◎ 注意三：擬人頭部在不少工業(yè)場(chǎng)景是冗余成本。埋頭干活的工況，不需要經(jīng)?？紤]人類觀感，把頭部硬件成本拿掉，反倒更貼近商業(yè)化。該省的沒(méi)省、不該省的省了，這類取舍判斷在熱鬧里最容易被忽略。
◎ 注意四：標(biāo)準(zhǔn)化滯后會(huì)拖慢整個(gè)產(chǎn)業(yè)。行業(yè)接口、操作系統(tǒng)都不統(tǒng)一，跨廠商設(shè)備不兼容，單點(diǎn)突破再快，也難在系統(tǒng)層面鋪開(kāi)。
具身智能一定有商業(yè)價(jià)值，這一點(diǎn)不用懷疑。但從 WAIC 現(xiàn)場(chǎng)看，從"能 demo"到"能落地"，中間橫著成本、速度、精細(xì)操作、工程人才、標(biāo)準(zhǔn)協(xié)同這幾道實(shí)實(shí)在在的鴻溝，這需要靠工程一步步填，急不得。
哪道鴻溝先被填平，取決于哪類場(chǎng)景先愿意為"夠用"買(mǎi)單，肯為實(shí)用價(jià)值付錢(qián)，而非為"像人"的觀感付錢(qián)。
