華為天才少年稚暉君的創(chuàng)業(yè)首秀，終于來了！

萬眾矚目之下，「遠征A1」踏著步走上了舞臺，穩(wěn)穩(wěn)站在C位，被團隊的工作人員簇擁著一起合照。

三天前，稚暉君曾發(fā)出預告：「鴿王的半年之期已到，周五見。」短短一句話，讓整個業(yè)界沸騰了。

今天，他果然沒有讓我們失望。消失了半年之久的「野生鋼鐵俠」，一上來就憋了個大的。

如何才能讓機器人替我們做家務？

一開場，稚暉君首次正式為我們介紹了「智元」的含義。

「智」，即智慧；「元」意味著人的象形，代表著人的兩條腿。英文名AGI+Bot，也是透露出不小的野心。

這半年，ChatGPT引領了LLM的風潮，而智元想做的，就是創(chuàng)造出像人一樣靈活的機器人。最終目標就是，讓智能機器人成為推動人類生產(chǎn)力最大的動力。

稚暉君引用了大家常講的一個段子：我們想讓AI做的事，是做飯、打掃房間、洗衣服、扔垃圾，然而它們實際在做的事，是聊天、繪畫、寫作、作曲、打游戲……

所以，怎樣才能讓機器人真正為人類所用，幫我們做家務、幫我們打工賺錢，讓我們有時間去娛樂、去寫詩作畫？

這就需要AI和機器人技術進行深層次的結合。而這樣的任務，就涉及到對環(huán)境的理解、上下文的推理、物體識別運動規(guī)劃等等復雜的技術挑戰(zhàn)。

這些復雜任務，并不是硬件或軟件的問題，而是一個系統(tǒng)的軟硬件、算法各方面綜合的協(xié)同性問題。

接下來，稚暉君介紹了幾個月以來，團隊在通用人形機器人本體和具身智能兩方面分別取得的階段性進展。

為什么做人形機器人

每個做人形機器人的團隊，都會被問到這樣一個問題：為什么要把機器人做成人形？

稚暉君表示，原因就在于「從第一性原理出發(fā)，人形雙足機器人是人類環(huán)境中最為通用的終極形態(tài)！」

我們生活的物理世界中各種場景、設備、任務、工具，都是為人體形態(tài)量身打造的。

只有機器人像人，具備類似的身體結構和能力，才能夠幫助機器人更好地融入人類的生活和工作環(huán)境，并且無需對機器人做任何改造。

如果機器人像人，它就可以做到人機交互、情感陪伴，甚至發(fā)揮在危險環(huán)境中替代人的巨大價值。

當然了，稚暉君表示，針對特定的結構化場景，其他形態(tài)的機器人也會帶來實際價值。

然而，讓機器人模仿人類行為，進行精細的運動控制和協(xié)調，是世界性的難題，需要我們在機械設計、運動控制、感知反饋各方面取得技術突破。

著名的莫拉維克悖論告訴我們：讓機器人像人類大師一般下棋，是相對容易的，但是要讓機器有如1歲孩子般的感知和行動能力，卻是相當困難的。

而對于智元來說，若想攻克難題，還需要從機器人本體硬件設計、算法積累去實現(xiàn)突破。

硬件設計

在遠征A1本體硬件設計上，全身共有49+自由度，搭載了諧波一體關節(jié)、直線推桿、無刷行星伺服、空閑杯電機等驅各類執(zhí)行器。

這些執(zhí)行器就像人類關節(jié)一樣，決定了人做各種動作的靈活性，機器人也是一樣。

核心關節(jié)

對于人形機器人，最重要的是腿部的關節(jié)器，也就是電機。

在此，智元也實現(xiàn)了核心關節(jié)的自研——PowerFlow關節(jié)電機。

一個靈敏的機器人，其關節(jié)需要涵蓋以下特點，做到體積小，重量輕、功率密度足夠高、能量利用效率高、高響應帶寬等一系列特性。

這與傳統(tǒng)的輪式電機，要求是不一樣的。

機器人的核心關節(jié)，是未來實現(xiàn)規(guī)模量產(chǎn)、低成本制造的重要門檻之一。

通過算法控制設計，和各種參數(shù)的正向分析，得到了每個關節(jié)所需的力矩轉數(shù)曲線。

有了參數(shù)基礎之后，基于此自研設計了PowerFlow關節(jié)電機，有了一系列創(chuàng)新和優(yōu)化，采用了徑向磁通的外轉子電機方案，未來也會有軸向磁通的版本。

為了達到更高功率密度，關節(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，能夠保持更長時間的控制扭矩輸出。

另外，我們也看到遠征A1并不像人類一樣，膝蓋向前彎曲，而是采用了「反關節(jié)設計」。

稚暉君解釋道，這款機器人設計的初衷，就是為了應用于各種真實的任務場景中。

因為現(xiàn)在的機器人關節(jié)自由度不夠高，反關節(jié)的設計可以擁有更大的空間，更適用于干活。

靈巧手

因為智元的目標是讓機器人參與各種生產(chǎn)力場景，另外一個重要的核心零部件，就是「靈巧手」。

這款自研「靈巧手」，擁有12個主動自由度，5個被動自由度，而且所有驅動都是內(nèi)置的。

因為它用于精密制造，團隊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。

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，通過創(chuàng)新的指尖傳感器視覺閉環(huán)的設計，降低了對于整機電機的精度需求，因為可以實現(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、肢體強健的機器人開發(fā)平臺。

模塊化設計

除了本體的硬件參數(shù)，團隊在整機的設計中，還包括了模塊化設計的理念。

機器人不止是足式的，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，知道大家非常關心哪吒的進展，稍后會給大家展示相關視頻。

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，每個關鍵部件都能進行單獨使用和搭配使用，合是一個機器人，分是無數(shù)個AI機械工具。

這就體現(xiàn)了通用性。

運控算法

有了優(yōu)秀的硬件平臺作為基礎，再者，就是核心的運控算法。

在6個月的研發(fā)時間中，算法已經(jīng)快速迭代了三版運控算法，從最初的IQP，到CMPC、線性NMPC，再到最近使用的非線性的NMPC。

以及，目前基于各種學習下開發(fā)的強化學習算法。

可以說，智元現(xiàn)在擁有業(yè)界一梯隊算法研發(fā)能力。

同時，智元也在搭建離線軌跡優(yōu)化平臺。

國外頂級機器人團隊，比如波士頓動力狗，能夠實現(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，與其他團隊不同的是，實現(xiàn)這些能力之前，我們希望讓機器人成本控制在20萬以內(nèi)，擁有真正落地可能。

所以，如何讓通用機器人實現(xiàn)量產(chǎn)？還得回到最初所說的「具身智能技術」。

智元認為，硬件本體是前置條件，更重要的是背后機器人的「AI大腦」。

正是大語言模型技術的飛速發(fā)展，使得機器人能夠自主感知環(huán)境、理解任務、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。」

WorkGPT

我們知道，基于超大規(guī)模的數(shù)據(jù)預訓練的語言和圖像大模型，具備強大的語義理解、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物理世界中執(zhí)行各種復雜任務的通用機器人，是非常重要的。

但是如何利用多模態(tài)大模型的能力，來賦能機器人的細微動作編排呢？這也是目前非常熱點的研究方向。

下面的這個視頻，在前一陣非常熱門。

團隊實現(xiàn)了自然語言端到端到機器人的映射，可以用自然語言讓機器人編排整個任務，還能動態(tài)調整任務。

智元對于機器人和大模型結合的基本認知是，即語言和圖像大模型對于機器人領域應用最大的價值：

首先是嵌入在大模型中，龐大的先驗知識庫&強大的通識理解能力。

比如，讓機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，所有的知識都是預訓練GPT模型，具有先驗知識。

所以，大模型的出現(xiàn)，能夠讓機器人更好地把原有的能力泛化到更通用的場景中。

第二點，就是大模型具有的復雜語義多級推理能力，也即所謂的「思維鏈」。

比如視頻右邊，需要讓機器人對方塊進行一系列操作。

讓它把藍色方塊放到紅色方塊上面，非常簡單。但如果讓它把藍色方塊放到紅色方塊下面，就復雜了。

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任務？這就是一個典型的多級推理思維鏈的過程。

稚暉君表示，隨著大模型時代的到來，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器人的一道曙光。

El Brain框架

機器人的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，完成機器人任務級和技能級的調度。

比如規(guī)劃任務「去看看門口是否有快遞」，然后具體完成規(guī)劃路徑，開門關門，抓取釋放物體等動作的調度。

如果端側部署的模型泛化能力不夠，還可再配合上云端超腦，在線解鎖更復雜的任務調度能力。

小腦負責的是產(chǎn)生運動控制指令生成。

就如同人走路，大腦只發(fā)出宏觀的指令，比如前進后退，需要小腦控制平衡，運動學動力學。

對于機器人來說，小腦主要是進行指令級的控制，設置上身姿態(tài)，控制指關節(jié)運動，控制頭部姿態(tài)等。

腦干這一層級主要是解決底層的運動控制能力的問題。

比如，所有的電機的控制，電流環(huán)，速度環(huán)，位置環(huán)的控制。

在技能級這個模型層面，團隊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的整個過程，如果要實現(xiàn)全場景通用的機器人，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)，機器人可以實現(xiàn)自主的推理決策，完成端到端的任務編排。

隨著語言操作能力庫的不斷擴充，機器人能夠勝任的任務空間能夠成指數(shù)級的增長。

在交互過程中不斷成長，最終實現(xiàn)全場景任務覆蓋。

商業(yè)落地

稚暉君表示，智元機器人不但是最酷的機器人，而且也會是最實用的機器人。

此外，團隊一開始就是奔著商用落地去的，因此方向上主要瞄準工業(yè)制造領域，比如3C制造，汽車制造等等，快速推進產(chǎn)業(yè)化。

目前，已經(jīng)和國內(nèi)相關行業(yè)龍頭企業(yè)進行了對接。

生態(tài)搭建

生態(tài)環(huán)境的搭建包括基礎設施和開發(fā)者激勵。

團隊除了會向開發(fā)者提供整個機器人的開發(fā)套件、HDK、SDK外，還會提供基礎預訓練大模型，AgiROS仿生平臺，以及低成本的教育版硬件，供開發(fā)者進行二次開發(fā)。

與此同時，還會開啟一個智元遠征啟航的人才計劃，吸納人才。

半年時間，從0到1

最后，稚暉君回顧了最近半年來，自己的心路歷程。

2月底成立公司，項目立項、組建團隊。

半年時間從0到1，實現(xiàn)了完整樣機的研發(fā)流程。

稚暉君表示，如此之高的研發(fā)效，哪怕放在整個機器人行業(yè)里，也是相當炸裂的！

其中，在這半年的時間里，團隊挑戰(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，記錄著團隊這半年過程中的點點滴滴。

發(fā)布會結束前，稚暉君向所有人分享了自己的個人感想：「人因夢想而偉大」。

他希望有一天，真正能夠實現(xiàn)像科幻電影中智能的機器人。

這些機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，與人類進行深入的溝通和合作。

而遠征A1的發(fā)布，是智元追求卓越的起點，標志著在人工智能機器人領域邁出的重要一步。