今年的七夕节，差评君却与机器人共度。
没错，我们刚去了一趟北京，参观了今年的世界机器人大会（WRC）。
北京在举办机器人大会方面的确比上海有更多优势。
比如，天气会凉快不少。
也不必担心机器人因为天热而中暑，瘫倒在路边。
不说那些老一套的机器人工作，像做煎饼果子、冲咖啡、在便利店拣货，现在不少地方已经见怪不怪了。
甚至连差评君逛超市时，还看见机器人给小朋友倒试吃酸奶。
可以说，机器人已经从展台上的表演嘉宾，转变为我们日常生活中的普遍打工者。
今年在展会上，差评君还发现了大批机器人正在我们看不见的地方默默工作。
比如在工厂流水线上搬货的：
还有负责拣快递包裹的：
有些还能给人按摩：
甚至骨科手术都能承办：
机场分拣行李，景区扫垃圾这些事，也开始由机器人完成。
有意思的是，尽管机器人越来越贴近我们的生活，大家反而不像最初那样只追求技术炫技。
机器人的多样性日益丰富，人们对人形机器人也不再一味追捧。
当然，这并不意味着人形机器人失去了重要性，它们依然是展会上的焦点。
但在今年的 WRC 上，人形机器人已不是唯一的解决方案。
我们看到了底盘设计成半人马形态的机器人。
也看到了不少下半身是履带、上半身是机械臂的纯粹工作机器人。
各厂商都在根据实际需求反向设计机器人。
并且真能将这些五花八门的构想转化为产品，让它们动起来。
从某个角度讲，这正是国内具身智能产业链逐渐成熟的体现。
不过，我们也注意到，展馆里多数实际应用中的机器人速度都比较慢。
任务虽然能完成，但差评君看着都觉得着急。
而且大多数机器人通用性不足，装上特定算法就只能做特定任务，与理想中的全能机器人还有很大距离。
那么，问题来了，已经具备了躯体，学会了执行各种任务的机器人，要和人一样工作，还缺少什么？
在 WRC 上，差评君发现，随着机器人躯体逐渐成熟，如何训练出一个聪明的大脑变得越来越关键。
过去几年，机器人大脑的研究主要集中于感知、决策、控制三个环节。
目的是让机器人理解环境，自主规划行为，最终精确完成工作。
但理论和现实之间，还存在着巨大的数据鸿沟。
一个人学会整理桌面可能只需几分钟，机器人却需要学习各种不同的桌子、物品、摆放方式等情景下的操作轨迹。
但由于目前数据采集设备的限制，获取一套高质量的机器人训练数据并不容易。
比如数采设备的相机帧率、传感器同步频率都有上限。
人类在采集动作时速度和幅度都受到限制，否则在机器人看来，两帧之间的动作就会过于快速而模糊，关键信息可能因此丢失，影响训练效果。
这也解释了为什么机器人的动作目前还比较缓慢，因为人类的数据采集速度有限，跟着这样的“老师”学习出来的机器人，自然也不会快起来。
更复杂的是，机器人数据采集需要同步多个维度信息，如视觉、关节运动、力度、触觉，甚至环境变化等，比处理文字图片的大模型要精细得多。
这也导致机器人数据的采集成本不断上涨。一小时高质量的机器人操作数据，即使出价几百元也有人愿意购买。
当然，大家也在积极寻找新的数据采集方法，既然直接采集不够，改变采集方式就是必经之路。
过去常用的采集方案是 VR 头显搭配手柄，这种方式的优势在于成本低廉、方便易行，硬件都是现成的，拿过来就用。
网友评论