人形機器人加速“進化”，專家：距離像人一樣思考和行動還很遠

【環球時報報道 記者 陳子帥】從簡單的獨立行走到精準的前後空翻，從經過反覆訓練才能抓取物品到無須訓練就能聽從指令處理家務……人形機器人的“進化”速度令人驚訝。最近，硅谷機器人創新公司Figure AI的最新大模型Helix亮相，業內有觀點認為，Helix的能力“前所未有”，讓機器人能夠像人一樣思考與行動。Figure AI這次發佈究竟有哪些重大突破？它會是現階段人形機器人的主流發展方向嗎？中外人形機器人具有哪些不同的發力方向？《環球時報》記者對此進行了採訪和調查。

這個刷屏的美國機器人有啥絕活

在Figure AI公佈的一段近3分鐘視頻裏，兩台Figure人形機器人按照工作人員的指令，配合默契地將一堆食物與雜貨放入冰箱等相應的位置。

美國機器人網站The Robot Report提到，視頻中有幾個值得注意的要點，例如兩個機器人並不進行語言交流，但它們在互動過程中會有明顯的停頓，它們盯着對方，似乎是一種不可思議的“心靈感應”。

按照Figure AI公司的説法，兩台機器人共用一個大模型“大腦”，協作完成複雜任務，這在行業內是首例。此外，Helix還創造了其他多項“第一”：它是全球首個能夠對整個人形機器人上半身進行高頻率、連續控制的視覺-語言-動作（VLA）模型；它僅需接收自然語言指令，就能拾取幾乎任何小型家用物品，包括數千種它從未見過的物品。這些體現了人形機器人的“泛化”能力。

“Helix最大的突破在於它是一個‘通用’的視覺-語言-動作（VLA）模型。這意味着它將機器人的視覺感知、自然語言理解和動作控制整合到了一個統一的框架中，這就是有點奔着端到端具身智能大模型方向去了。”一位人工智能專家告訴《環球時報》記者，傳統的機器人系統往往針對特定任務進行設計，需要大量的編程工作，難以適應新的環境和任務。而Helix模型則具備更強的泛化能力，能夠理解自然語言指令，並處理之前從未見過的任務，這大大減少了對特定任務演示或大量手動編程的需求。

《環球時報》記者在調查和採訪中瞭解到，Helix模型目前還存在一些短板。首先，Helix目前主要應用於Figure機器人的上半身控制，包括手腕、頭部、手指甚至軀幹。這意味着，對於下半身的控制，比如行走、奔跑等，可能還需要進一步研發和完善。其次，儘管Helix在數據利用效率上表現出色，但其訓練所用的數據量仍然相對較少，這可能會影響它在處理更復雜、更多樣化任務時的表現。

代表未來發展方向嗎

值得關注的是，大模型與人形機器人的融合日益加深。Helix模型不僅讓機器人能夠“看懂”“聽懂”，更重要的是，能夠讓機器人根據所見所聞，做出相應的行動。這打破了以往機器人技術中感知、理解和行動之間的壁壘，實現了更高層次的智能化。有專家告訴記者，Helix模型可以被視為人形機器人發展歷程中的一個重要節點，是數字化的AI模型與物理世界的真實交互，是一種“虛實融合”。

《環球時報》記者在採訪中瞭解到，從Helix的架構來看，它與最近一篇發表在2024年機器人學習大會（CoRL）上的論文“非常相似”。

“Figure AI認可了這條路線併成功移植到實體機器人上。Helix的出現證明了‘具身智能’方向的迭代速度越來越快，許多最新提出的技術路線能迅速落地到真實機器人身上。不過，目前我們依然處在技術爬坡階段，量產仍是具身智能機器人領域面臨的最大挑戰。”深圳市人工智能與機器人研究院具身智能中心主任劉少山對《環球時報》記者表示。

業內普遍認為，“端到端”具身智能大模型是人形機器人發展的重要方向之一。即希望機器人能夠像人一樣，直接根據眼睛看到的、耳朵聽到的信息，做出相應的反應，然後去執行任務。

“像Helix這樣的通用型VLA（視覺-語言-動作）模型，很可能代表了人形機器人大模型的一種主流發展方向。從目前的技術趨勢來看，人形機器人需要的大模型，不僅僅是‘大’，更重要的是‘通’（指的是模型的通用性和泛化能力）和‘精’（模型的高效性和精確性）。”專家説。

不過，“端到端”具身智能大模型並非是人形機器人發展的唯一目標，也不是現階段的全部。業界還存在另一種技術路線，即基於LLM（大語言模型）或VLM（視覺-語言模型）的分層大模型。此方案難度低一些，一般將任務分解為感知、決策、執行等多個模塊，每個模塊可以使用不同的模型來實現，更易於快速落地和迭代。一些行業內的頭部企業，都採用了這種方案。

劉少山表示，與聊天式大模型相比，具身智能大模型更需要的是強大的“學習能力”——它必須能在陌生環境中，通過與環境的交互不斷學習和進化。當前大模型大多是從海量數據中提取知識，而具身智能則強調“學習如何學習”，而非簡單記憶已有的知識。只有具備這類元學習、上下文強化學習等理論基礎，才能真正實現通用智能。雖然這類研究方向提供了思路，但還需要時間來發展和完善。

國內外機器人各有側重

全球人形機器人的技術競賽正在升温，新技術亮相越來越密集。近日，國產“天工”機器人成為全球首例可在室外連續攀爬多級階梯的人形機器人。“天工”實現了基於視覺的感知行走，可實現無磕碰、不踩稜、不踏空地跨越連續多級樓梯和35釐米大高差台階，奔跑時速提高至12公里，並且能在雪地進行高速奔跑。深圳一家機器人公司的產品則完成了全球首例人形機器人“前空翻”特技。

“與Figure的最新機器人技術相比，國內的機器人是在不同領域各有側重。”一位人工智能專家告訴《環球時報》記者，國內機器人公司在運動控制方面取得了顯著成果，例如跳舞、空翻等。這些機器人可能在部分處理複雜任務，特別是涉及與環境的深度交互、理解自然語言指令等方面，與Figure相比可能有一定差距。

何時能像人一樣思考

在Helix的加持下，人形機器人能夠直接理解自然語言、解析視覺信息，並執行相應動作。有科技媒體評論稱，Helix讓機器人像人一樣思考和行動。Figure AI首席執行官宣稱，“Helix的思維方式類似於人類。”劉少山認為，“目前仍處於行業的早期階段，要讓人形機器人真正具備與人類相似的思維能力，還有很長的路要走。即便最先進的大模型，在幾乎無限算力的支持下，與人類的思維方式和水平依然存在顯著差距。”

另一位專家稱，綜合國內外多篇論文來看，目前最先進的大模型應該定性於“初始AGI（通用人工智能）”階段，雖然能力很強，但仍侷限於特定領域，比如做題目等，無法在所有通用任務中始終超越人類。要實現真正像人一樣思考，人形機器人需要實現通用人工智能（AGI）乃至超級人工智能（ASI）。這就得包括更先進的算法、更強大的計算能力、更完善的感知系統，以及對人類大腦工作機制的更深入理解。“這是一個長期、漸進的過程，可能需要十幾年、幾十年甚至更長時間。”

“大家都是在黑暗中摸索，你現在走的路線看似取得了一定成果，最後這個路線就一定能走得通嗎？這個問題沒有人能夠給出答案。”上述不具名專家告訴《環球時報》記者，發展未來產業的精神，就是在不確定性中尋找最大的確定性。階段性的成果也能夠形成較好的規模應用，造福社會，賦能產業。“我們一開始奔着終極目標，哪怕遭遇挫折，有部分技術轉化為成果也可以，並不強求非得造出一個全知全能的AGI。” 

專家在受訪時還提到，未來人形機器人可能會出現新的形態。一方面，機器人不必非得是人形，“實際上人形態並不是專業場景下最好的選擇，有時候輪式甚至機械臂工作效果更好、性價比更高。”另一方面，人形機器人可能會呈現虛擬形態，類似更智能、更完善的數字人。“類似於電影《流浪地球2》中的MOSS系統，也有一定的可能，但這些距離現實還相當遙遠。”