返回产业对话系列

产业对话

ReSpark Talk:对话来杰——星尘智能与星辰之旅

与来杰讨论星尘智能、Design for AI、机器人创业及技术与人的关系。

Spark Talk2024-12-1730 分钟阅读微信公众号原文
文章目录

“Number 5 stupid name... want to be Kevin or Dave!”

—— Johnny 5

ReSpark Talk:对话来杰——星尘智能与星辰之旅 · 原文插图

《机器人五号》(Short Circuit)讲述了一个机器人被雷击后获得自我意识,开始探索世界的故事。影片中的Johnny 5 充满了情感和好奇心,甚至能够模仿人类的行为和思考,这种突破性的设想触动了儿时的来杰。

作为星尘智能的创始人,他现在终于有机会去创造“真正的智能”,“将所有的信息在某个高维空间对齐”,让机器人不再仅仅是执行命令的工具,而成为能够理解环境、感知情感、自主学习的生命体。

来杰的故事始于2009年,早期来杰的工作集中在传统控制领域和机器人本体设计,那个时候,他还未曾想象到AI与机器人将成为他未来的舞台。

09年开始,他涉猎到强化学习,逐渐在强化学习的研究中找到了新的方向,并开始探索这些前沿AI算法应用于机器人运动控制的场景。

2014年,百度宣布全面All in AI,来杰敏锐地捕捉到了这一波变革的信号。他加入百度,主导了机器人团队的建设。当时的百度在自然语言处理(NLP)领域取得了一定的进展。来杰在团队中不仅承担着机器人相关的研究任务,也在思考一个更大的问题:

“AI与机器人结合的未来会走向何方?”

他意识到,尽管当时AI的发展飞速,但机器人技术的进步却相对滞后。

2018年,经过深思熟虑,来杰做出了一个重要的决定——辞去百度的工作,加入腾讯,成为腾讯机器人实验室最早期的成员。在张正友教授的带领下,来杰和Robotics X团队成员,围绕AI与机器人开始了更加深入的探索。

张正友教授曾经预言,机器人与AI的融合将迎来一场革命,这一切将远远超出我们现在的认知,这也成为来杰后来的创业原动力。

2022年,对于来杰来说,是一个复杂的年份,也是他职业生涯的一个重大转折点。他和戴媛决定出来创业,成立了星尘智能。

星尘智能的目标是明确的——AI与机器人的融合,是“50年一遇”的机会,类似于当年PC行业硬件与软件结合所带来的革命性突破。

两年多的时间里,来杰和团队以“Design for AI”的设计理念,打造更加贴近人类形态、具备精细力控能力以及高效触觉反馈系统的机器人。

这一切努的力都是为了让机器人能够更好地融入我们的生活,机器人与人类将构建起一种前所未有的新型关系。

ReSpark Talk:对话来杰——星尘智能与星辰之旅 · 原文插图

来杰与星尘智能

夜幕降临,当星光洒落在南沙和中山那片远离城市喧嚣的土地上时,来杰常常会带着他的天文望远镜仰望星空。那里有无数个未解之谜等待被揭开,也有着关于头顶这片浩渺宇宙最纯粹的梦想。

“某一天,当机器人完成绕月一周的任务时,所有人都会抬头看向天际,去感受宇宙的浩渺与神秘。这个时刻会激发人们对于未知的幻想和期待,这就是人类最大的一种情感与渴望。

而我们做机器人是希望能让人们实现这一点,帮助人类拓宽视野,探索更多的可能。虽然现在大家可能不相信,甚至觉得遥不可及,但某一天,大家会开始相信、看到、感受到。机器人在某种程度上释放了人类的创造力和好奇心,这是我们真正追求的价值....”

ReSpark 本期邀请了星尘智能的创始人来杰和天使投资人德迅资本的Ted 作为本期访谈的嘉宾,播客内容非常精彩,欢迎收听

播客:EP05 对话来杰:星尘智能与星辰之旅(在微信公众号原文中收听)

以下为访谈全文,经ReSpark梳理,Enjoy it!

查看原文目录

访谈要点

AI+机器人是“五十年一遇"的时代机会

从PC的发展轨迹看机器人当前的发展路径

AI+机器人是智能革命的起点

如何构建机器人的世界模型

Design for AI, 为AI而设计

星尘智能的设计哲学:Design for AI

路径探讨:驱动方案&触觉&模型&数据

机器人如何反哺AI

机器人与人将构建一种新的关系

从5年和10年看机器人的应用畅想

机器人如何融入我们的生活

机器人将成为新的内容生产平台

头顶的星空与内心的道德律

机器人热爱的源头

创业的心得和感触

星尘智能的星辰愿景

AI+机器人

是“五十年一遇"的时代机会

ReSpark Talk:对话来杰——星尘智能与星辰之旅 · 原文插图

----------

----------

Astribot 🤝 Physical Intelligence 协作共赢,为你而生,为你而智! #Astribot #星尘智能 #AI机器人 #Worldmodel #AGI #泛化性(请在微信公众号原文观看)

ReSpark:22年9月星尘智能创立时,GPT3.5还没有出来,也还没有具身智能的概念,可以说时间点是非常早的,当时在这个时间点创业,是提前看到了什么样的机会?

来杰:我之前花了大量时间去研究了PC机行业的发展历程,特别是1975年到1986年这十年的关键阶段。

PC机行业的崛起是硬件和软件深度结合的结果。早期,普通人对电脑的认知是“它非常复杂,几乎不可能被普通人使用”。但随着硬件和软件的协同发展,PC行业完成了两个至关重要的步骤:

第一,普通程序员无需电器知识,也能编程。因为早期程序员必须懂相关知识才能写程序。第二,有人来进行软件开发,使得PC的基座通用性变大,后来的使用者也逐渐增多。

我分析了那十年里几乎每半年发生的重大历史事件,得出了一个重要的结论:

现在正是一个“50年一遇”的机会,这个机会点就是机器人和AI的融合,类似于当年PC行业硬件与软件结合所带来的革命性突破。

我们认为机器人和AI的结合不仅仅局限于科研领域,而是从科研人员开始,逐步发展到普通程序员能够开发机器人,最终普及到大众,这个增量市场才是最大的市场。

这种发展模式类似于个人电脑的发展,但与手机的互联网革命有所不同,移动互联网是信息革命的第二次增长曲线,但不是信息革命的源头,而AI+机器人则是智能革命的起点,机器人的崛起是智能革命的源头。

ReSpark:如何进一步理解智能革命的源头?

来杰:技术上来说,我之前做过NLP,到现在有种强烈的感觉,所有的信息在高维空间是可以对齐的。我们可以用语言,无论写得多么复杂,去解释很多事情,甚至可以解释图片,比如Tranformer它在各个领域的应用可以看见它极大使很多信息在某一个空间产生了对齐。

我认为,这种“对齐”的结果很快就会到来,方法已经有了,缺的只是数据。所以在那个时间点,我意识到自己好像抓住了什么是“真正的智能”。

真正的智能,就是将所有的信息在某个高维空间对齐。

这给我了很大的冲击,我意识到可以用不同的编码方式,将所有的信息都能最终归结到一个非常抽象的空间,对齐后的信息变得连通,这就是我当时笃定出来要创业的原因。

而现在我认为目前还有两个关键的“果子”未摘:一个是世界模型与具身智能的技术结合;另一个是世界模型与具身智能在结合后,带来的能力指数发展。

ReSpark:刚刚你提到了一个类比, 从PC 时代的历程来看机器人当前发展的路径,那类比当年的PC,机器人当前有哪些相似之处?

来杰:非常有意思,现在的机器+AI跟当时PC相比吻合度远超过我的想象。回到PC时代,大型计算机已经出现,但只有少数程序员在大型机上开发一些特别庞大的算法。直到苹果电脑的出现,当时沃茨(乔布斯的联创)带着苹果的个人电脑原型机,去找惠普的老板,但惠普的老板直接说:可能全世界没有超过五个人会使用个人电脑。

但是接下来,它走了一条什么路呢?它开始把这些产品推广到校园和发烧友中。当这些发烧友开始使用并传播时,就产生了一个联动效应,发烧友们开始开发出一些丰富的更加适合大众使用的工具和应用,之后个人电脑开始普及。

在科研市场,这种改变更为深刻。随着PC逐渐进入科研领域,诞生了第一批PC程序员。他们不再依赖大型计算机,而是用PC进行开发,并发现苹果电脑才是他们真正想要的工具。并且可以将他们开发的软件直接发给客户,在客户的个人电脑中使用。这个过程就像原子爆炸后的连锁反应,带来了指数级的变化。

回到我们今天所处的机器人时代,技术仍处于起步阶段,许多领域尚未完全融合。

但我们已经看到结合点已经到来了。

比如,我们与PI的合作,以及其他领域的探索,都表明机器人技术正在进入一个关键阶段。现在科研人员则在算法和程序方面不断突破,普通大众开始对机器人产生兴趣,我们正在将AI架构与机器人架构进一步拓展。当这些算法开始进行局部实验时,普通大众的接触方式可能更倾向于“获益式”的体验,比如让机器人做一杯咖啡。虽然看似简单,但这会让人们逐渐习惯于机器人已经成为他们生活的一部分。

当AI足够强大,世界模型出现的时候,机器人则成为世界模型的最佳终端。

这个发展过程与PC和手机的历史非常相似。当我理清历史上的这些发展轨迹时,我感到非常震惊,每一步都像是按部就班地走过来的。未来可能会出现的生态,也像当年PC和手机的发展一样,可能不仅仅是程序员,而是普通大众也能参与其中,创造出机器人可以学习的新技能。

ReSpark:机器人的世界模型有什么不同?

来杰:完整的世界模型可能是对人用的,例如你把一个雪球放在火堆上,它没有融化,这对于人类的世界模型来说是不可接受的。然而,对于机器人来说这根本不重要。所以,机器人的世界模型更关心的是它最终完成的任务,而不在意周围所有细节的变化。

Ted :明白了,你说的世界模型是为机器人定制的,它不会关心那些细节,它只专注于任务的最终结果,就像你提到的,机器人关注的聚焦点就是它任务的核心,而不关注其他无关的因素。

ReSpark: 在你的理解中,构建机器人的世界模型应该有哪些核心维度?

来杰:世界模型其实主要起两个功能:第一个是预测,第二个是补全信息。对于预测来说的话,机器人现在是自身预测MPC,加一些 learning 的方式,它预测得很好,但目前还预测不到的是机器人行为造成其他东西的一些变化。补全信息对于机器人可以通过三类信息来构建:

• 第一类是空间信息,类似李飞飞做的那类工作,涉及空间理解信息。我们之前在做咖啡机训练时出现了一个小Bug,问题是当你放入咖啡胶囊之前和之后的画面几乎完全相同。这时机器人会误解,它可能在半天后才意识到胶囊已经放进去。这就说明它缺少空间信息的感知。对于人类来说,空间信息是自然的,目前机器人仅依赖当前的感知系统,无法有效理解这一点。所以我们在尝试补全这些信息,构建感知与短期记忆的结合。

• 第二类是约束信息,这个就比较简单,举个例子,人开瓶盖,会自然知道它打开只有某一个特定的动作,这个动作需要沿着瓶盖的轴进行旋转。这些先验理解会帮助人类理解物体的边界和限制。对机器人而言,这种先验理解的约束信息是缺失的,我们正在努力让机器人理解这些约束,并引导它做出相应的动作。

• 第三类是物理信息,包括软硬、液态与固态、重量等。这些物理特性是机器人必须掌握的,它们对于理解和操作物体至关重要。虽然我们现在并没有把它们做成单独的世界模型,但它们在实践中作为完成特定任务的关键信息。比如,机器人需要知道物体的软硬程度、是否液态或固态、以及它的重量,以此来指导机器人的动作。

我所描述的,就是构建机器人世界模型的基本框架。当机器人有了这些基本的世界模型后,它能开始执行一些基础任务,这些任务所积累的信息,最终会成为更大的世界模型的组成部分。随着这些信息的积累和交互,机器人的世界模型会不断完善。

根据我的预期,可能在半年内,我们会看到一些类似的成果;大约两年后,机器人会发现哪些常识是必备的;五年左右,它应该已经具备处理大多数场景所需的所有能力。

ReSpark:按这个路径发展下去,机器人与AI的结合会使机器人可能成为继电脑,手机之后的下一代通用计算平台?

来杰:我觉得完全是,并且它的颠覆性很有可能更强。我一直认为,冯诺依曼的架构本质上就是程序与数据分离的架构。但现在,实际上AI挑战的就是这种架构。你很难说当前模型中哪一部分是逻辑,哪一部分是数据,它们已经是高度融合的。也就是说,AI的发展是对整个计算架构的挑战。

而机器人的发展,是对所有这些端侧交互方式的挑战,特别是自主交互。

之前我们只能传递信息,但现在智能有了两个层次:不仅要处理信息,还要完成交互。

所以,我认为这才是真正的智能革命。机器人的发展不仅仅是一个物体层面的简单变化,而是一个革命性的进步。

Design for AI —为AI 而设计

ReSpark Talk:对话来杰——星尘智能与星辰之旅 · 原文插图

----------

----------

ReSpark Talk:对话来杰——星尘智能与星辰之旅 · 原文插图

Astribot S1 展示复杂规划和精细操作能力

ReSpark:在22年成立星尘智能的时候,你就率先提出了要做适用于AI的机器人,这个思考源自哪里?

来杰:从我最初的想法来看,AI的发展是关键的源头,而最重要的增量变量是AI和机器人的结合。这几年,LLM、VLM,再到现在的多模态发展,虽然这些技术非常强大,但大模型还没有达到我们想要的智能水平。然而互联网的数据几乎已经用完,无法再为AI提供更多新的信息。这些信息应该从哪里来?答案是机器人。

机器人正是现在这个时间点最应发挥作用的时候。机器人可以完成两个重要任务。

第一个是与世界进行物理性的交互,像小孩一样不断地进行尝试。第二个是引入更多的物理信息,这些信息是从互联网的数据中无法获得的。

只有在这些数据的补充下,AI的模型才能得到跨越式的发展,进而构建出一个真正理解世界的模型。

所以我认为,整个发展的源头是AI的进步,但这一时刻的质变是AI与机器人结合所带来的。

最终,它会形成我们所称之为“世界模型”的成果。从这个角度来看,很难说是谁先谁后。但我觉得并不是所有人都有这种认知来推动这件事。所以我们在第一天的时候我就告诉团队,我们要做一个"为AI而设计的机器人”。

ReSpark:怎么理解为AI而设计?跟过往的机器人构建理念有什么不同?

来杰:之前在百度对机器人进行AI训练的时候,我们吃了很多苦,当时我们用强化学习训练模型,很多时候模型刚开始运行没多久,机器人就会撞到桌子上。结果可能要等两三周的维修才能得到继续训练。很多人因此选择在仿真里做研究,认为机器人和AI天生是难以结合的。

我认为机器人试错的成本应该尽量减少,现在就像是给一个两岁孩子的脑子配上两米高的身躯和强壮的肌肉,开始让他锻炼智力,这本身就是不合适的。

机器人应该像温柔的小孩一样,通过自己的方式探索世界,积累经验,不造成更大的破坏,逐步提高自己的智能。

因此在星尘,对于机器人的设计,无论是我们选择的传动方式、力控技术,还是上半身构型,都是为了让机器人行为更像人,适配AI需求。在机器人的训练上我们了解其中的痛点,再加上我们又懂机器人的设计,正好可以发挥来设计最适合AI的机器人。

ReSpark :为AI而设计,在星尘智能的AI机器人S1上具体是怎么体现的?它应该具备哪些特征?

来杰:我们采用了一种少见的绳驱传动的方案。很多年前,我们做了一个用机器人开门的项目,当时我提出的第一个质疑是:为什么盲人能开门,而机器人却做不好?我并不是否认视觉的重要性,而是觉得我们的机器人缺少了某些底层的东西,这一层底层的东西就是“力”的感知和控制,我把它称作“智慧的力量”,我们必须要为机器人补充这一层“力”的信息,并且让模型学会这层数据。

另外,在构型上也做了一些前沿的研究,我们的目标是让机器人通过 AI 训练来驱动,最开始的训练数据集是人的数据集。例如,我们尝试通过人类骨骼数据训练机器人,但传统协作臂只能保留末端信息,丢失了大部分关节数据。中间会有一个比例差异,机器人与人的动作差异越大,信息丢失越多,差异越小,效果越好。而如果将这些数据映射到类似人类形态的机器人上,信息损失会大大减少,因此要让机器人的行为动作更接近于人。

这与硬件结构相关,纯粹做AI研究的人可能没考虑到这一点,而之前做机器人设计的人也没想到过这事。我认为,单纯从机器人或AI角度思考问题都是片面的,我们设计机器人,不仅仅是把它作为一个工具去完成任务,而是想清楚数据逻辑,机器人和AI的深度结合,才是核心。

从一开始,我们就明确了AI 和机器人结合的方向,并致力于打破传统界限。这种思维方式,正是未来最宝贵的资源。

ReSpark: 大家都会好奇,你们为什么选择了绳驱的方案?如果站在“design for AI”的角度来看,绳驱有什么特别的优势吗?

来杰:我们考虑了多种传动方式,为了更加仿人和安全,在关键身体部位采用了绳驱,因为我需要最好的力的传递。

其实在 2021 年之前,我主要从事运动学(locomotion)相关的工作,比如轮足、双足和四足机器人等项目。但真正的转折点发生在 2018 年,当时 Mini Cheetah 开源了他们的“秘密”——将行星齿轮集成到外转子电机中。这个看似简单的创新极大提升了力的跟随能力。

此前,我们主要依赖 ZMP(零力矩点)控制,而从那时起逐渐转向 MPC(模型预测控制)结合强化学习的方式。这种转变的核心在于力控能力的提升,从而推动了整个软件和算法的优化。

当时我们也测试了各种减速比和传动方式,试图找到能够实现最佳力传递的方案,同时避免如摩擦等不利影响。虽然最初这些工作主要服务于运动学(locomotion),但后来在机械臂领域也产生了类似需求。

经过大量探索,我们最终选择绳驱的方案,减速比可以通过优化进一步放大,在传动效率和力控表现上达到了一个平衡点。

ReSpark:绳驱传动在长时间使用中可能出现的问题,比如需要重新调试等,目前有没有得到很好的解决?

来杰:这个问题已经解决了。最开始确实发现了一些问题,主要绳驱本身的特性问题。但在这个过程中,我们通过优化材料选择和改进算法补偿,已经大幅提升了绳驱技术的稳定性和可靠性。目前,在我们的寿命测试中,绳驱的表现已经非常接近其他传动方案。

但关键这里面对算法的要求非常高。我们有很多算法需要开发,包括我们常说的“全部自研”,像驱动器也是自研的。背后有个原因,很多核心算法需要直接嵌入驱动器中,以实现高频率控制,从而补偿绳驱传动可能出现的非线性问题。

因此,很多以前积累的经验环环相扣,最终将所有这些元素连接在一起,形成了一种完整的解决方案。我们也会不断迭代优化。

ReSpark: 在硬件上,你们下一步的迭代方向是怎么样的?

来杰:首先在硬件方面,现在整个机器人领域还缺少两样东西:第一是非常优秀的“手”,我们还在继续做;第二是非常优秀的“触觉”。

戴媛曾经在《Science》和《Nature》子刊上发表了十多篇相关的文章研究触觉。非常客观地来说,人的四种触觉细胞在这个过程中都起着重要作用。

现在包括我们自己做的触觉传感器,只能实现其中一种触觉细胞的表现,并不能完全做到四种触觉细胞的结合。当然并不是说一定要实现四种触觉的融合,而是我们现在要通过数据和模型来完成这个闭环。

我们希望通过闭环来验证触觉系统到底该如何设计,不只是关注物理信息,比如压力是否被感知,而是如何真正实现从感知到控制、规划的整个闭环,这才是关键。

硬件方面,我们未来的两大重点将是“手”和“触觉”。关于手的开发,我们已经做了很多年,包括在腾讯的时候也做过很多相关工作。如果对比说机器人身体的天花板已经达到很高,需要发展AI能力将它发挥得淋漓尽致,但是对于“手”而言,硬件和AI的结合还非常初级,远未达到融合的状态。因此,这部分的研发将是我们未来的一个重点方向。

ReSpark:触觉部分也是自己做的吗?用的什么触觉方案?

来杰:我们有一个阵列频率非常高的触觉方案,是模仿人类皮肤设计的电子皮肤,它的频率能达到1k赫兹。举个例子,我们之前用基于模型的方法,设计了一个从打滑到调整姿态,直到稳定抓住物体的过程。在1k赫兹频率下,这个过程大约需要30毫秒就能完成。但如果频率低,这个过程可能会失败。所以这是我们基础的一部分。

目前我们在这方面非常开放,也与一些高校进行合作,申请了相关国家项目。我们认为,触觉的关键点是闭环控制,只有通过闭环,才能进行有效的优化。闭环的难度在规划层,也就是模型层。我们需要将数据输入到模型中,模型如何利用这些数据得出我们想要的结果,是我们需要解决的关键问题。

ReSpark: 在具身模型训练上的方案选择?怎么看端到端和分层模型两种不同的思路?

来杰:在AI方面,从一开始大家讨论是否采用端到端模型,还是分层模型时,我个人认为,这并不是一个特别强烈的技术对立,而是技术互补。因此,我们目前采用的是分层和端到端模型相结合的方法:

我们希望利用分层模型,并借助大模型来解决那些之前没有做过、没有数据支撑的问题。在解决的过程中收集数据,借助这些数据来训练一个局部场景的端到端模型,通过这种方式进行细化。

ReSpark:多模态大模型对具身智能的发展起到什么样作用?

来杰:非常关键。因为如果按照我最底层的理解,世界的维度是高于空间的。如果维度不够,你就无法发现事物之间的关系。

大模型解决的就是将所有数据堆到一个高维空间,让它在各个维度和角度去找到这些关系。

现在在做的多模态大模型本质上就是在做这件事,抽象的空间已经有了,互联网的数据也有了,现实空间的数据需要对齐,并获取补充信息、预测未来,再用这些信息来指导机器人的行为,这正是多模态大模型的核心作用。

ReSpark:数据是具身模型训练的核心,关于数据采集方面,你们在用什么类型的数据?数据训练上有什么独到之处吗?

来杰:关于数据采集,我们使用了第三人称视角的视频、动作捕捉和遥操作等方式。

我们的特点在于让机器人的行为足够像人,所以第三人称视角的视频数据在我们的应用中使用得非常广泛。

数据上,我们有自己的采集方法,也利用互联网的视频数据,因为互联网视频数据足够多。我们希望机器人最终能够像人一样,通过观察人类的动作进行学习,就像小孩子学习动作一样。互联网视频数据对我们的机器人来说是有效的,但如果机器人的动作构型和人体差异太大,骨骼映射方法很难匹配,可能无法使用,因此这个差异要尽可能缩小。

另外我们还使用动作捕捉设备来捕捉更精确的人体动作数据。所有高精度和高动态的数据都是穿着动捕服装进行的动作捕捉的。这些数据集包括了很多日常活动。

也有一部分数据是通过遥操作进行收集的。VR是一个非常有趣的工具,通过VR设备操控机器人,既可以远程帮助机器人完成任务,又可以收集数据。

ReSpark:你们有使用仿真数据吗?

来杰:我们也有使用仿真数据。仿真数据与我们的视频数据集非常相似。虽然有些人提到仿真数据缺少摩擦或其他物理因素的问题,但我认为它最大的缺点是缺乏噪声分布。在现实世界中,任何物理定律都不能完美的表达物体的变化,会有误差和噪声分布。这是仿真数据的一大缺陷。

我们的核心是一个高维空间,我们不断在分析各种数据,看看它们能否填补这个空间,并评估数据的误差。比如,第三人称视角的数据可以提供骨骼和关节的详细信息,但由于误差较大,我们需要告诉模型它有个较大的误差范围。仿真数据通常较为理想化,但会缺失真实环境和噪声。我们更关注机器人的第一人称信息,因为它是机器人执行操作的最直接数据,也是最完整的,但是收集成本也最高。

总之,我们更关心的是数据本身所包含的信息,而不是数据采集的方法。我们希望通过这些数据相互补充来填补高维空间,无论是实际采集的数据还是仿真数据。

ReSpark:前面你提到机器人作为物理世界的载体,可以反哺AI的数据,提升AI的能力,这与用AI来服务机器人的常见观点都不同?

来杰 :这里有很关键的点: 我们可以从电脑的发展来看,CPU的进步和它承载的软件、应用的进化,永远是相互驱动着往前发展的。另一个点是关于互联网数据的现状:现在,互联网数据已经不仅仅是传统数据,还充斥着生成式互联网数据,假如让模型继续在这些数据上学习,模型就开始出现偏执。

这就形成了一个必然的需求——AI需要新的数据来源。当前,互联网数据承载了人类几十年的知识积累,所有的真实信息,为模型提供了训练基础。但往后,AI的发展不能仅依赖互联网数据,而是要通过物理世界中获取真实的信息。

也就是说,AI需要从客观的世界中获取信息,才能继续发展,这是不可避免的需求,因此机器人是AI从客观世界获取数据的重要载体。

ReSpark:机器人和AI的相互关系,在短期,中期和长期会是什么样的?

来杰 :在2-5年的时候,世界模型会与机器人进一步结合,这个阶段机器人提供的数据和机器人使用模型之间将会形成一个良性循环。现在其实很多范式还处于探索阶段,像我们现在合作的项目也才刚开始尝试。

到了5-10年,我认为机器人对AI的反哺会变得更加明显,也就是AI技术会开始在各行各业扩散。

为什么这么说呢?互联网产生的大规模数据对于AI技术,特别是像深度学习等,已经完成了从工具到数据再到模型的转化。

而机器人产生的数据,在我看来,它包含了大量的物理关系,也就是说,机器人所收集的数据本身就已经在某个物理空间里被对齐。

这与我们当初处理词向量时的情况不同。词向量可能只是一些孤立的符号,如果没有上下文,它就没有任何意义。相比之下,机器人所观测到的数据是有物理意义的,而且这种物理意义可以通过某些微分方程和噪声分布来表达。因此,机器人训练的数据本身就具有一定的物理对齐特性,训练起来应该更为直接和容易。

人与机器人

将构建一种新的关系

ReSpark Talk:对话来杰——星尘智能与星辰之旅 · 原文插图

----------

----------

ReSpark Talk:对话来杰——星尘智能与星辰之旅 · 原文插图

Astribot S1 在制作华夫饼

ReSpark:这个赛道参与者在持续入局,纵观国内外具身赛道,星尘智能在什么卡位上?

来杰:我曾说过,企业竞争是通过市场或用户划分的,现在应该是大家共同推动技术的进步的阶段。但目前阶段我发现,大家开始减少交流,出现了分化,这与我最初的预期有些差距。

在我看来,现在还无法明确划分商业赛道,未来的市场、客户和每个公司所做的事情都会发生变化。在未来不久,可能明年中期,就会有世界模型和机器人更好地结合范例。对此,我完全不会感到惊讶,我一直也在为此努力。

所以如果提到赛道的身位,其实现在很多人还把这个问题看得很小,觉得只能在某个具体应用中做事。但从长远来看,这个行业会发展得非常庞大,最终每个公司都会找到自己在这个领域的定位和选择。

ReSpark:从5年和10年的时间节点分别来看,你对机器人的落地进展的预期是怎么样的?

来杰:市场的大小取决于成本多少。我特别相信中国的供应链,越多的人参与进来,价格会迅速下降。最终,很多人会直接去开发或者使用机器人。我甚至预测5年内的阶段,这个过程中可能会衍生出两种形态的机器人市场。

第一个类似当年的网吧,可能在学校周边会有一些机器人实验场所,大家去开发一些东西,或者以比赛性质的活动展开。

第二个,我觉得可能会出现类似于机器人的“游戏”市场。就像电脑发展史中,游戏发挥了巨大作用。游戏不仅是软件的一种极致表达,也是人性的一种极致呈现。它激发了人们对硬件的理解和需求。

对于机器人来说,也许会出现一种现象:某种AI能力和机器人的配合,能以一种全新的方式,让大家的心态发生转变,不再是单纯让机器人干活,而是与机器人进行互动,拥有一种新的关系。

但五年以后,我认为会出现普及的趋势。当然,普及不一定意味着每个家庭一开始就都有机器人,但可能像早期电脑发展时,便利店,酒店里面开始放置电脑供客人使用,这种情况将降低用户的学习成本。

随着他们在体验中获得奖励,机器人技术将逐渐普及和成熟。五年后这一技术会变得越来越普遍,大家也会越来越习惯并接受它。

ReSpark:听起来这些场景里面没有提到工业场景,而主要是针对老百姓日常生活的场景,比如说游戏、娱乐、服务这些?

来杰:我个人的思维一直偏增量,而不是存量替代。也就是说,不是仅仅帮老板省钱,而是帮他如何创造更多的价值。以工业场景为例,我的感觉是,大家什么时候愿意为个性化产品付更高的价格?比如说如果一款通用产品大家都买,可能是10块钱,但如果是可以完全定制的,那可能是20块钱。如果能够实现这种效果的话,工厂对机器人的需求就会发生变化。那个时候的需求将大不相同,机器人不再仅仅是降低成本的工具,它能够带来更大的灵活性和个性化,进而提升利润。

这其实是增量的价值,机器人带来的不仅仅是省钱,更多的是如何增加价值。我觉得省钱这不是这一代机器人的核心,和当年电脑的发展类似。

ReSpark:这样看来,机器人就不再只是一个完成任务的工具了?

来杰:这是我们一直在思考的一个关键问题:机器人的作用应该是仅仅在帮我们完成某件事,还是提供了一个可以生成新内容的工具?这是至关重要的。

我们认为,如果机器人提供的是一个生成新内容的工具,它的价值将随着内容的增加而提升。就像电脑,如果只有一个文档应用,根本不可能卖出去,如果手机上去掉了所有非原配的APP,也没人愿意买。机器人进入家庭后,绝对不可能是所有的机器人都只做某些固定的任务。

所以从一开始我们就在思考,AI和机器人结合是否能成为一个平台,因为机器人可以做的事情太多了,我们希望逐步降低开发难度。我们想要降低开发门槛,让更多人能够参与进来。

降低开发难度之后,可能会有一些应用场景,但这并不是我们想要的核心。我们降低开发难度,供应链的成本也大幅降低,最终的利润空间被更多开发者分配,开发者持续创造新的内容,这才是AI和机器人结合的商业模式。

Ted:我们在2022年讨论时,电脑和手机之所以能广泛应用,最终是因为有了“killer app”(杀手级应用)。我们在想机器人的第一个killer app是什么。

后来我们意识到,我们其实并不需要去设计这个Killer app。我们只需要打造一个给开发者使用的底层框架和SDK,提供最好的硬件,让他们去开发,自己去迭代,最终这些开发者会创造出属于他们的killer app,而不是我们预设一个方向去做。

来杰:现在在星尘,我们的员工已经开始感受到这种变化。就连我们的行政同事戴上VR眼镜后,参与到不同的机器人操作任务中时,他们的认知状态发生了巨大变化,他会把自己投身在一个机器人视角上,发现机器人可以帮他们做很多事。

当我们用自然语言让机器人执行技能时,他们的想象力瞬间飞跃,技能的搭配就可以创造无限的能力。这种感觉与把机器人放到工厂里的应用完全不同。那种感觉让我坚信,这就是我们真正要追求的目标。

我始终相信,像电脑和手机这种技术,当每个人在接触到它们的那个拐点时,都会被深深感动。当机器人进入人们的日常生活,并被广泛应用时,它不仅仅是一个工具,更是改变大家工作方式和认知的催化剂。只有让人们真正体验到机器人能做的各种事情,才会让他们相信这个领域的潜力。我相信,这正是机器人能成为类似于PC和手机的通用平台的契机。

头顶的星空与内心的道德律

ReSpark Talk:对话来杰——星尘智能与星辰之旅 · 原文插图

----------

----------

ReSpark:你对机器人的兴趣来自于什么时候?

来杰:很早了,我小时候看过一部电影叫《机器人五号》,里面有一个机器人,英文名叫“Short Circuit”(短路)。这个机器人原本是个军事机器人,但被雷劈后,他开始拥有类似于情感的东西。电影中,他甚至可以做一些像人类一样的实验,比如在一张纸上猜出咖啡杯的形状,从而证明他具备某种情感意识。从那时起,我就开始对机器人产生兴趣。

至今我还记得自己第一次设计机器人外观的时候,希望它能够暴露出一些结构和设计细节,而不是简单地套上外壳。这种思考就源自于那个时候,《机器人五号》差不多是我4、5岁时看过的电影。从那时开始,我一直对这些技术着迷,我也一直从事这个行业,始终没有离开过这个领域。

ReSpark: 星尘智能的创业有两年时间了,这两年里的创业经历中肯定充满了许多的跌宕起伏,对你而言有什么感触吗?

来杰:前些天我看到一句话,来自一个法国思想家,他说:“人生就是在未知的海洋中航行,在已知的岛屿上获得补给。”

我看完这句话后,就想到我这两年的创业历程:我有一个大的目标,它在很远的地方。而我在海上漂,我要面临风浪,我要奋力的划,我要在每个岛屿上去获取所需的补给,寻找我的合作伙伴。

创业这条路,我开始渐渐明白,不是什么特别非凡的事。它是一个非常普通的过程,但是,正是因为这个过程,我在不断地前行,我逐渐感受到了它对我个人的影响,也感受到了对团队的磨炼和成长。我对这段旅程的理解也变得更加平静与坚定了。

ReSpark:那平时在工作之外,是怎么放松自己的?喜欢做些什么?

来杰:我喜欢看星星,这算吗?

ReSpark:看天上的星星吗?<笑声>

Ted: 有点低调了,他非常专业。有一次他带我女儿去看星星,带了一套非常专业的设备,去到一个很黑的公园里。那天正好是中秋节,可以看到月亮,还有月球表面的坑,这些都能看得很清楚。很多小朋友都过来围观,路人也会停下来问,我女儿特别开心。

来杰:是的,有时候会去南沙,现在有时会去中山那边。那里的天空很干净,周围光害也少。我们会带着设备,开车过去,然后布置好一切。有时候拍摄需要等上两个小时,甚至三个小时。我会静静地在旁边等着,想想自己的事情。这个过程我很喜欢,因为它让我特别地沉浸,感觉自己变得很透彻。这不仅是我的爱好,也是我在创业过程中的一种自我调节和放松的方式。

ReSpark Talk:对话来杰——星尘智能与星辰之旅 · 原文插图

来杰拍摄的月球

ReSpark: 畅想到未来,你希望星尘智能的机器人带来什么样的想象和新的可能性?

来杰:我特别认同康德说的,世界上值得思考的只有两件事:一是头顶的星空,二是内心的道德律。我把头顶的星空理解为物理世界和所有的物理规律。至于内心的道德律,它代表着星尘自身的价值观,这也是戴媛给我的启发。

我们一直在做平台,让每个人都能参与进来、开发、创造,甚至体验到机器人的无限可能。我觉得这些思考是我们团队最核心的部分,甚至在创业之前,我就已经开始设想和规划了。

某一天,当机器人完成绕月一周的任务时,所有人都会抬头看向天际,去感受宇宙的浩渺与神秘。这个时刻会激发人们对于未知的幻想和期待,这就是人类最大的一种情感与渴望。

而我们做机器人,就是希望能让人们实现这一点,帮助人类拓宽视野,探索更多的可能。虽然现在大家可能不相信,甚至觉得遥不可及,但某一天,大家会开始相信、看到、感受到。机器人在某种程度上释放了人类的创造力和好奇心,这是我们真正追求的价值……

石麻笔记 · 产业对话