Optimus

86: We, Robot-2，清华叉院/星海图许华哲看“Optimus”的门道

2024年10月27日 · 1:05:06

许华哲（清华大学交叉信息研究院助理教授、具身智能公司星海图联合创始人）在《晚点聊》中从特斯拉We, Robot发布会的人形机器人Optimus谈起，阐释遥操作为何重要，并拆解通用具身智能当前的算法进展与创业选择。他认为这次丝滑的遥操作既是远程运力转移的实用价值，也为机器人提供高质量训练数据；从遥操到自主仍需海量数据和模型迭代。节目中他梳理了伯克利AI Research的强化学习传统、2019年ETH让机器狗爬山的标志性工作，以及自己用改进的PPO算法（BPPO）让机器狗在软垫上真实环境学习；他还区分了强化学习、模仿学习与多模态大模型的不同作用。关于形态，星海图选择轮式人形而非双足，是为了聚焦操作能力，因为操作才能改变物理世界、产生经济价值；灵巧手难度不亚于做好整个人形机器人，所以公司现阶段“力出一孔”做移动操作的本体、遥操作和智能。他也讨论了世界模型的定义争议（Sora为何不是、具备动作输入的视频预测才是）、触觉这一被忽视的模态，以及通用机器人面对的数据、模型两大瓶颈；他给出5年工厂大量部署、10年进入家庭的预期，并提醒机器人普及可能让人丧失部分决策权利。

84: 与侯晓迪聊特斯拉 We,Robot：烟雾与现实

2024年10月16日 · 1:08:36

Bot Auto 创始人兼 CEO、图森未来联合创始人侯晓迪与主持人程曼祺复盘特斯拉 We,Robot 发布会，认为马斯克的说法多为 hype：他称 Cybercab 每英里运营成本低于 0.2 美元，但仅电池折旧约 0.15 美元、电力和轮胎各约 0.05 美元，合计已超 0.2 美元，违背物理定律；没有方向盘和踏板更多是操控公众意志，而非技术进展。侯晓迪提出 L4 自动驾驶应统一以 CPM（每英里综合运营成本）为指引，并批评端到端被“意识形态化”：它在最优/平均场景表现尚可，但在最差场景不可解释、难以合规，无法用于 L4；他更认同“世界模型”是 David Marr 提出的中层视觉表征的延续。他还引用 Cruise CEO Kyle Vogt 在发布会前列出的 15 个运营要点，认为这些实打实的细节才是行业下一步需要解决的问题。他还认为特斯拉用 Model 3/Y“Airbnb”式接单短期不可行，责任归属无解；远程操控人车比从 1:3 走向 1:10 可能比外界预期更慢；L5 是永远达不到的地平线，L4 是要挣钱的产品。谈及再创业，侯晓迪表示已融资 2000 万美元，选择休斯敦是为贴近物流运营，并总结图森教训：不要过早扩张，重要的是利润而非收入，计划一年内让全 L4 功能车辆在休斯敦路测。

40: 通用机器人，AI 的下一个浪潮？

2023年7月27日 · 1:09:48

本期《晚点聊》邀请梅卡曼德创始人兼CEO邵天兰，讨论通用机器人（人形机器人、具身智能）热潮：大模型让这个目标从“登月”变成“攀登喜马拉雅山”，首次呈现可行路线，但机器人四肢的进化远慢于“大脑”，大概率出现“聪明的脑子、笨拙的四肢”。邵天兰描述，世界人工智能大会上特斯拉人形机器人仅是模型也被围观，英伟达、微软、谷歌、字节跳动、腾讯等都在布局；通用机器人必须能在物理世界操作交互，智能客服不算。他解释，今天机器人完成简单任务仍靠大量人工编程，深度学习只占小比例，比如制衣厂自动化缝纫机切换新品要编程两天，而订单一两天就生产完了，因此设备闲置；农夫山泉生产线几乎无人，因为产品常年不变，而咖啡店店员一小时可能干几十种杂事，机器人做不到；全球工业机器人年销量约50万台，仅在汽车焊接、物流搬运等稳定场景普及。大模型能带来常识和推理（如“热饭”与微波炉的关联），但手、腿、驱动器等机械部件十年进化可能不到一倍，而算力讨论单位十年进化100万倍、训练数据从1万张图片变成全网文本，所以机械是更大瓶颈；他寄望用AI在仿真中加速机械工程设计，让人一年两次的迭代变成一天千次。对人形机器人，他认为世界为人设计，人形因此是最佳形态；特斯拉Optimus若真做出能干活的第一台，是从0到1，比造电动车难得多。他还谈到酒店电梯已为送货机器人做无障碍改造，ChatGPT反而训练人更清晰地沟通，就业担忧可参考洗衣机、织布机的历史，通用机器人技术不会被一两家垄断，而会像电脑一样进入并重塑每个行业。