2023年是人形機(jī)器人產(chǎn)業(yè)蓬勃發(fā)展的一年：一方面，初創(chuàng)公司和跨界入局者紛紛涌入這一賽道，另一方面，人形機(jī)器人的硬件和軟件技術(shù)均得到了大幅提升。從2023年初到2024年第一季度，短短一年光景，許多人形機(jī)器人產(chǎn)品卻完成了一輪又一輪的進(jìn)化。
特斯拉Optimus-動作更流暢自然
特斯拉Optimus是人形機(jī)器人領(lǐng)域的流量明星，自2022年發(fā)布以來歷經(jīng)多次迭代更新。
特斯拉于去年12月發(fā)布的視頻展示了Optimus第二代原型機(jī)。第二代Optimus經(jīng)過全面設(shè)計煥新，突顯更接近人類的雙手動作和更輕盈的機(jī)身重量。這一更新還包括頸部和手臂方面的定制驅(qū)動器和傳感器的升級，使Optimus在執(zhí)行各種任務(wù)時更為靈活和高效。
今年以來，特斯拉多次發(fā)布人形機(jī)器人Optimus的相關(guān)視頻，在最新的視頻中，Optimus的性能在短短幾周的時間里已持續(xù)迭代升級。根據(jù)Optimus首席工程師MilanKovac，目前Optimus行走速度約為0.6米/秒，速度與此前相比提高了30%。
通過改進(jìn)前庭系統(tǒng)、腳部軌跡，以及地面接觸邏輯，并升級運(yùn)動規(guī)劃器，縮短整個機(jī)器人的環(huán)路延遲，Optimus整體行走穩(wěn)定性和自信程度都有所提升，轉(zhuǎn)彎表現(xiàn)也十分優(yōu)異。研究團(tuán)隊還為其添加了一些軀干和手臂的搖擺動作，使行走更加自然。
宇樹H1-奔跑速度打破世界記錄
3月1日，宇樹科技通過各大媒體平臺發(fā)布Unitree H1 3.0最新視頻，其最快奔跑速度達(dá)到3.3m/s，打破了全尺寸人形機(jī)器人運(yùn)動的世界紀(jì)錄，此外該機(jī)器人擁有更完善的全身動態(tài)協(xié)調(diào)能力，除了能夠編組跳舞之外，還能搬運(yùn)物品和上下樓梯。
7個月之前，宇樹展示了其第一代Unitree H1 產(chǎn)品，當(dāng)時該機(jī)器人的最大行走速度僅為1.5m/s。短短幾個月，速度提升超過一倍。
此外，Unitree H1 3.0首次具備雙腳原地跳躍能力，從視頻拍攝角度來看（近地面視角），以Unitree Go2四足機(jī)器人（高度40cm）為參照，Unitree H1 3.0的跳躍高度約為20-30cm。雙腳原地跳躍主要檢驗了電機(jī)關(guān)節(jié)的高爆發(fā)力以及算法的穩(wěn)定性。
另一大亮點(diǎn)在于Unitree H1 3.0具備上下樓梯能力，樓梯高度為16cm，包括狹窄樓梯設(shè)計。Unitree H1 3.0甚至能夠在下樓梯時切換180度，做到反身旋轉(zhuǎn)，這是其它人形機(jī)器人所不具備的能力。
Ameca-模仿能力更強(qiáng)
最近，在世界移動通信大會MWC 2024上，世界上最先進(jìn)的機(jī)器人之一Ameca又現(xiàn)身了。得到GPT-4加持后，Ameca能夠?qū)Ω鞣N問題做出實時反應(yīng)。
今年2月份，Ameca背后的英國機(jī)器人公司Engineered Arts公布了團(tuán)隊最新的開發(fā)成果。視頻中，機(jī)器人Ameca具備了視覺能力，能看到并描述房間整個情況、描述具體物體。最厲害的是，她還能模仿各種聲音講話，包括風(fēng)格和語氣語調(diào)，比如馬斯克、海綿寶寶...
Ameca 配備廣泛的傳感器，包括攝像頭、麥克風(fēng)、位置編碼器等，并由機(jī)器人操作系統(tǒng) Tritium 和工程藝術(shù)系統(tǒng) Mesmer 這兩個底層系統(tǒng)提供支持。Tritium 負(fù)責(zé)遠(yuǎn)程控制機(jī)器人面部、頭頸、四肢等的各方面組件，使得機(jī)器人適應(yīng)環(huán)境的突然變化并即時做出響應(yīng)。Mesmer 則通過對真人的 3D 內(nèi)部掃描，準(zhǔn)確地模仿人體骨骼結(jié)構(gòu)、皮膚紋理和表情。
早在 2022 年 9 月，Ameca 就接入了 GPT-3，并結(jié)合自動語音識別，接收研究人員提出的問題，并通過在線語音合成輸出類似真人的聲音，實現(xiàn)實時問答的效果。2023 年 3 月，Ameca 用上了新鮮出爐的 GPT-4，表現(xiàn)互動更通人情。
如今，Ameca 不僅能像人一樣控制表情，還有了畫畫、空間識別、語音克隆等 AI 賦予的能力。
波士頓動力Atlas-精準(zhǔn)抓取物品
波士頓動力公司研發(fā)的Atlas是現(xiàn)存最敏捷的人形機(jī)器人之一。它具備快速移動和動態(tài)平衡等功能，擅長奔跑、跳躍和后空翻，也可以搬運(yùn)盒子和板條箱等物體。
據(jù)最新消息，波士頓動力公司研發(fā)的Atlas已經(jīng)成功學(xué)會了搬運(yùn)中等重量的汽車零件，展示了其在運(yùn)動控制方面的新進(jìn)展。與之前只能搬運(yùn)工具箱、杠鈴和木板等物品相比，Atlas這次展示的新技能對其平衡能力提出了更高要求。
此次演示中，Atlas采用了更新的第二階段抓取技術(shù)，機(jī)械手具備更高的精準(zhǔn)度和控制力。新款機(jī)械手每個手有三根手指，每個手指有兩個關(guān)節(jié)，共享一個手掌樞軸，并在手指中部還有一個指關(guān)節(jié)。這些手指的靈活性使得Atlas能夠更加精準(zhǔn)地抓取物品，避免了過度用力導(dǎo)致?lián)p壞。
Eve-自主操作能力大提升
EVE 是1X Technologies開發(fā)的一款多功能人形機(jī)器人。它使用輪子來自我平衡并四處行駛，可以執(zhí)行移動重箱子以及處理易碎物品等操作任務(wù)。
2022 年 10 月，1X的視頻中展示了EVE機(jī)器人第一次完成開門任務(wù)。那時，EVE機(jī)器人的動作還稍顯笨拙。
現(xiàn)在，1X 已將 GPT 系列模型成功融合到其機(jī)器人中，顯著提升了機(jī)器人的擬人化能力。這一變革使得 1X 機(jī)器人能夠輕松完成之前很多機(jī)器人難以完成的動作，如轉(zhuǎn)彎、做飯、拾起物品等。
2024年2月，1X發(fā)布了EVE的最新視頻，在視頻中，多臺EVE機(jī)器人利用端到端神經(jīng)網(wǎng)絡(luò)執(zhí)行各種任務(wù)。視頻中特別對EVE的拾取和搬運(yùn)技能進(jìn)行了展示。不僅可以精確拾取和放置物品，還可以像人類一樣蹲下。
該公司在其官方網(wǎng)站上解釋道：“視頻中展示的每一個動作，均是由我們先進(jìn)的視覺神經(jīng)網(wǎng)絡(luò)精準(zhǔn)操控，通過神經(jīng)網(wǎng)絡(luò)接收圖像輸入，并發(fā)出精確指令，以控制駕駛、手臂、抓手、軀干以及頭部的各項動作。”
Figure 01-超強(qiáng)學(xué)習(xí)能力
今年年初，F(xiàn)igure AI公司可謂出盡了風(fēng)頭，既有6.75億美元的大額融資，又有與寶馬工廠的合作項目。除此之外，其人形機(jī)器人產(chǎn)品的進(jìn)化速度極快，不到半年時間，已完成多次功能更新。
去年10月，F(xiàn)igure AI發(fā)布了首款人形機(jī)器人，代號為Figure 01，并發(fā)布了Figure 01雙足行走的演示視頻。
為了增強(qiáng)雙足機(jī)器人系統(tǒng)的功能并確保商業(yè)可行性，他們選擇了比波士頓動力公司的液壓系統(tǒng)更強(qiáng)、更高效、更安全的電動執(zhí)行系統(tǒng)。此外，F(xiàn)igure正在建立各種類型的視覺語言模型，以展示機(jī)器人的自主能力。
今年1月7日，F(xiàn)igure AI發(fā)布了Figure 01使用膠囊咖啡機(jī)制作咖啡的視頻，一度引起轟動。據(jù)Figure介紹，基于端到端的神經(jīng)網(wǎng)絡(luò)，F(xiàn)igure 01觀察了10小時人類制作咖啡的過程，從而“學(xué)會”了這一技能。
制作過程中，F(xiàn)igure 01 能自主調(diào)整動作不準(zhǔn)確的地方（左圖部分），無需任何人為遠(yuǎn)程遙控。
結(jié)語：人形機(jī)器人的進(jìn)化趨勢
人形機(jī)器人的發(fā)展可以分為硬件和軟件兩條主要路徑。這兩條發(fā)展路徑相輔相成，硬件路徑提供了機(jī)器人的物理基礎(chǔ)和執(zhí)行能力，而軟件路徑則賦予機(jī)器人智能和靈活性。從以上列舉的人形機(jī)器人產(chǎn)品及其變化，可以總結(jié)為以下幾點(diǎn)進(jìn)化趨勢：
運(yùn)動控制的提升：隨著傳感器技術(shù)和運(yùn)動控制算法的不斷改進(jìn)，人形機(jī)器人的運(yùn)動能力得到了顯著提升。從最初的笨拙步態(tài)到如今的流暢自然，人形機(jī)器人的步態(tài)和動作變得越來越接近人類，其穩(wěn)定性和靈活性也大幅提高。運(yùn)動控制系統(tǒng)的進(jìn)化使得機(jī)器人能夠更加精準(zhǔn)地執(zhí)行各種任務(wù)，例如行走、跑步、爬樓梯等，從而拓展了其應(yīng)用領(lǐng)域，提升了其在現(xiàn)實應(yīng)用中的適用性和可靠性。
智能化水平的提高：人形機(jī)器人的智能化水平不斷提高，主要體現(xiàn)在感知、決策和執(zhí)行能力方面。通過搭載更加先進(jìn)的傳感器和處理器，機(jī)器人能夠更準(zhǔn)確地感知周圍環(huán)境，實現(xiàn)環(huán)境感知、目標(biāo)檢測等功能。同時，機(jī)器人的決策能力也得到了加強(qiáng)，可以根據(jù)環(huán)境變化做出及時的響應(yīng)和調(diào)整。智能化的發(fā)展使得人形機(jī)器人能夠更加靈活地適應(yīng)各種復(fù)雜場景，并且能夠?qū)崿F(xiàn)更加復(fù)雜的任務(wù)執(zhí)行。
通用性的增強(qiáng)：正是因為運(yùn)動控制和智能化水平的提高，人形機(jī)器人的通用性得到了顯著強(qiáng)化，使其能夠適用于更廣泛的應(yīng)用場景和行業(yè)領(lǐng)域。過去，人形機(jī)器人往往局限于特定的領(lǐng)域或任務(wù)。但是隨著技術(shù)的發(fā)展，人形機(jī)器人逐漸具備了更廣泛的應(yīng)用能力，例如在工業(yè)生產(chǎn)線上的物料搬運(yùn)或者軍事領(lǐng)域的偵察任務(wù)等方面的應(yīng)用。通過模塊化設(shè)計和通用化接口，人形機(jī)器人能夠靈活應(yīng)對不同的任務(wù)和環(huán)境，為各行各業(yè)提供定制化的解決方案和服務(wù)。同時，它們還具備了適應(yīng)不同工作流程和場景的能力，進(jìn)一步拓寬了其應(yīng)用范圍。
特斯拉于去年12月發(fā)布的視頻展示了Optimus第二代原型機(jī)。第二代Optimus經(jīng)過全面設(shè)計煥新，突顯更接近人類的雙手動作和更輕盈的機(jī)身重量。這一更新還包括頸部和手臂方面的定制驅(qū)動器和傳感器的升級，使Optimus在執(zhí)行各種任務(wù)時更為靈活和高效。
通過改進(jìn)前庭系統(tǒng)、腳部軌跡，以及地面接觸邏輯，并升級運(yùn)動規(guī)劃器，縮短整個機(jī)器人的環(huán)路延遲，Optimus整體行走穩(wěn)定性和自信程度都有所提升，轉(zhuǎn)彎表現(xiàn)也十分優(yōu)異。研究團(tuán)隊還為其添加了一些軀干和手臂的搖擺動作，使行走更加自然。
3月1日，宇樹科技通過各大媒體平臺發(fā)布Unitree H1 3.0最新視頻，其最快奔跑速度達(dá)到3.3m/s，打破了全尺寸人形機(jī)器人運(yùn)動的世界紀(jì)錄，此外該機(jī)器人擁有更完善的全身動態(tài)協(xié)調(diào)能力，除了能夠編組跳舞之外，還能搬運(yùn)物品和上下樓梯。
7個月之前，宇樹展示了其第一代Unitree H1 產(chǎn)品，當(dāng)時該機(jī)器人的最大行走速度僅為1.5m/s。短短幾個月，速度提升超過一倍。
另一大亮點(diǎn)在于Unitree H1 3.0具備上下樓梯能力，樓梯高度為16cm，包括狹窄樓梯設(shè)計。Unitree H1 3.0甚至能夠在下樓梯時切換180度，做到反身旋轉(zhuǎn)，這是其它人形機(jī)器人所不具備的能力。
Ameca-模仿能力更強(qiáng)
今年2月份，Ameca背后的英國機(jī)器人公司Engineered Arts公布了團(tuán)隊最新的開發(fā)成果。視頻中，機(jī)器人Ameca具備了視覺能力，能看到并描述房間整個情況、描述具體物體。最厲害的是，她還能模仿各種聲音講話，包括風(fēng)格和語氣語調(diào)，比如馬斯克、海綿寶寶...
Ameca 配備廣泛的傳感器，包括攝像頭、麥克風(fēng)、位置編碼器等，并由機(jī)器人操作系統(tǒng) Tritium 和工程藝術(shù)系統(tǒng) Mesmer 這兩個底層系統(tǒng)提供支持。Tritium 負(fù)責(zé)遠(yuǎn)程控制機(jī)器人面部、頭頸、四肢等的各方面組件，使得機(jī)器人適應(yīng)環(huán)境的突然變化并即時做出響應(yīng)。Mesmer 則通過對真人的 3D 內(nèi)部掃描，準(zhǔn)確地模仿人體骨骼結(jié)構(gòu)、皮膚紋理和表情。
早在 2022 年 9 月，Ameca 就接入了 GPT-3，并結(jié)合自動語音識別，接收研究人員提出的問題，并通過在線語音合成輸出類似真人的聲音，實現(xiàn)實時問答的效果。2023 年 3 月，Ameca 用上了新鮮出爐的 GPT-4，表現(xiàn)互動更通人情。
如今，Ameca 不僅能像人一樣控制表情，還有了畫畫、空間識別、語音克隆等 AI 賦予的能力。
據(jù)最新消息，波士頓動力公司研發(fā)的Atlas已經(jīng)成功學(xué)會了搬運(yùn)中等重量的汽車零件，展示了其在運(yùn)動控制方面的新進(jìn)展。與之前只能搬運(yùn)工具箱、杠鈴和木板等物品相比，Atlas這次展示的新技能對其平衡能力提出了更高要求。
此次演示中，Atlas采用了更新的第二階段抓取技術(shù)，機(jī)械手具備更高的精準(zhǔn)度和控制力。新款機(jī)械手每個手有三根手指，每個手指有兩個關(guān)節(jié)，共享一個手掌樞軸，并在手指中部還有一個指關(guān)節(jié)。這些手指的靈活性使得Atlas能夠更加精準(zhǔn)地抓取物品，避免了過度用力導(dǎo)致?lián)p壞。
EVE 是1X Technologies開發(fā)的一款多功能人形機(jī)器人。它使用輪子來自我平衡并四處行駛，可以執(zhí)行移動重箱子以及處理易碎物品等操作任務(wù)。
現(xiàn)在，1X 已將 GPT 系列模型成功融合到其機(jī)器人中，顯著提升了機(jī)器人的擬人化能力。這一變革使得 1X 機(jī)器人能夠輕松完成之前很多機(jī)器人難以完成的動作，如轉(zhuǎn)彎、做飯、拾起物品等。
2024年2月，1X發(fā)布了EVE的最新視頻，在視頻中，多臺EVE機(jī)器人利用端到端神經(jīng)網(wǎng)絡(luò)執(zhí)行各種任務(wù)。視頻中特別對EVE的拾取和搬運(yùn)技能進(jìn)行了展示。不僅可以精確拾取和放置物品，還可以像人類一樣蹲下。
該公司在其官方網(wǎng)站上解釋道：“視頻中展示的每一個動作，均是由我們先進(jìn)的視覺神經(jīng)網(wǎng)絡(luò)精準(zhǔn)操控，通過神經(jīng)網(wǎng)絡(luò)接收圖像輸入，并發(fā)出精確指令，以控制駕駛、手臂、抓手、軀干以及頭部的各項動作。”
為了增強(qiáng)雙足機(jī)器人系統(tǒng)的功能并確保商業(yè)可行性，他們選擇了比波士頓動力公司的液壓系統(tǒng)更強(qiáng)、更高效、更安全的電動執(zhí)行系統(tǒng)。此外，F(xiàn)igure正在建立各種類型的視覺語言模型，以展示機(jī)器人的自主能力。
制作過程中，F(xiàn)igure 01 能自主調(diào)整動作不準(zhǔn)確的地方（左圖部分），無需任何人為遠(yuǎn)程遙控。
