作者 | 金旺
欄目 | 機器人新紀元

2024年1月，騰訊發布《2024數字科技前沿應用趨勢》報告，在這份報告中，“AI加速人形機器人‘手、腦’進化”排在十大前沿應用趨勢第三位。

于是，我們看到，3月30日，在上海舉辦的首屆中國具身智能大會上，騰訊Robotics X實驗室成了大會四大鉆石贊助商之一，騰訊首席科學家、Robotics X實驗室主任張正友在大會上也做了具身智能主題演講。

張正友在大會上指出，AGI的終極形態，會是一個機器人形態。

在人形機器人最熱鬧的這一年里，騰訊做了靈巧手、機械臂（相當于人形機器人上半身的手臂控制能力），也做了各種四足機器人（相當于人形機器人的下半身的運動能力）。

科技行者在騰訊關于機器人的未來規劃中，已經看到了人形機器人的身影。

現在，我們可以再期待一下騰訊的人形機器人了。

01 智能，是否需要具身？

什么是具身智能？

張正友指出，所謂具身智能，是指有物理載體的智能體（也就是智能機器人）在與物理世界的交互過程中，通過感知、控制和自主學習來積累知識和技能，形成智能，并由此影響物理世界的能力。

實際上，具身智能并不是什么新鮮事物，早在1950年，人工智能之父艾倫·圖靈發表的那篇大名鼎鼎的論文《Computing Machinery and Intelligence》中，就已經提出了這一概念。

OpenAI CEO奧特曼也曾指出，“如果我們有了通用人工智能，而在物理世界中完成一件事唯一的方法還是讓人類自己去做，那就太令人沮喪了。”

“我們會在某個時候以某種方式重返機器人領域。”

奧特曼最初構建OpenAI時，就是想基于機器人來實現通用人工智能，只不過，命運多舛，才有了后來的ChatGPT和Sora。

實際上，OpenAI在過去兩年里已經相繼投資了兩家人形機器人公司，一家是1X Technologies、另一家是Figure AI。

那么，智能，到底是否需要具身呢？

這一問題在產業界其實依然有兩種聲音：

一種聲音認為，智能并不一定與物理形態有關，智能主要關乎信息處理、問題解決和決策制定，這些都可以通過軟件或算法實現。

另一種聲音則認為，身體對于智能至關重要，智能源于生物體與周圍環境之間的互動，這需要物理形態。

張正友在大會上指出，“我相信大家都認為智能是需要具身的，否則就不會來參加這場具身智能大會了。”

贊同這一觀點的人，當然也包括張正友本人。

實際上，張正友在演講中也指出，AGI的終極形態，是一個機器人形態。

02 騰訊造機器人的A2G

2018年，張正友正式加入騰訊，并在這一年組建了騰訊機器人實驗室，Robotics X實驗室。

張正友說，騰訊這一實驗室成立之初定了，團隊內部定下了一個指導方針——A2G。

具體而言，是用ABCDEFG代指了幾個技術要素的英文縮寫，翻譯過來，這幾個要素分別為：人工智能、機器人本體、精準控制、發育學習、情感理解、靈巧操控、守護天使。

其中，人工智能、機器人本體、精準控制為底層基礎能力，發育學習、情感理解、靈巧控制構成了更上層的中間層能力。

最上層的G，具體是指通過部署在環境中的傳感器，讓環境和機器人信息共通，通過云與家人和世界互聯，讓機器人成為守護天使。

這是一個相當宏大的愿望，一個宏大到很難說這個實驗室還要經歷幾代科學家的努力，才能達成夙愿。

不過，就這樣，騰訊在這一年開始了機器人的技術研發，各類機器人在之后幾年里也陸續面世：

2019年12月，騰訊發布了自平衡自行車；

2020年10月，騰訊發布了的四足機器人Jamaca學會了走梅花樁；

2021年2月，騰訊發布了多模態四足機器人Max；

2021年11月，騰訊發布了IDC運維機器人；

……

到2023年，騰訊又發布了擁有靈巧手和機械臂的機器人，這款機器人還學會了調酒。

就在大家覺得機器人離走進人類生活已經近在咫尺時，實際上，AGI+機器人的模式創新才剛剛開始。

03 再造一個新范式

也是在本次大會上，張正友重提了一個概念“SLAP范式”。

每個科學家要想自成一派，就要創造一套自己的理論。

早在2018年，Robotics X實驗室成立后，張正友就提出了SLAP范式。

這一范式的提出，其實基于張正友對智能控制的理解。

張正友說，“我們感興趣的機器人要能應對不同環境，即使在不確定性很大的環境中，仍然能夠有自主調整和規劃的系統。”

這就要求機器人有兩類自主能力：

一類是反應式的自主能力，另一類是有意識的自主能力。

反應式的自主能力是說，在遇到被人踢了一腳這樣意想不到的情況后，機器人能夠很快適應變化，并調整自己的姿態；

有意識的自主能力則是說，機器人要有自主規劃能力。

要實現這樣的具身智能，顯然已經無法依賴傳統的“感知-計劃-行動”的控制范式，于是，張正友提出了SLAP范式。

SLAP范式同樣是幾個英文單詞的所系，具體而言是，感知、行動、學習、計劃。

這套范式與傳統控制范式最主要的區別在于，張正友將感知與行動連系到了一起，并將學習滲透到了各個模塊。

“只有感知與行動緊密相連，才能夠把反應是怎樣實現的搞清楚。”

張正友提出的這一范式，其實也參考了人類大腦的思考范式，并參考人類大腦，提出了具身智能的三層系統：

第一層是原始控制層（Primitive Level Control），通過運動數據，對機器人進行訓練。

第二層是環境感知控制層（Environmental Level Control），通過對環境的感知，實現機器人在不同環境中的平穩運動。

第三層是策略控制層（Strategic Level Control），通過給定相關任務，機器人進行自行推理，然后在環境中實現類似人類大腦的控制決策。

實際上，騰訊的四足機器人的控制系統就是這樣一步一步構建出來的。

不過，這些都是騰訊過去幾年做的工作。

現在，騰訊Robotics X實驗室正在將多模態大模型融合到機器人系統中，增強機器人環境感知和視覺能力，讓他們的機器人能夠聽懂人話，能夠和人類在語言和動作上進行簡單的交互。

至于未來規劃，科技行者在現場也了解到，騰訊Robotics X實驗室至少已經有了兩方面考慮：

首先，騰訊將就三維感知數據和騰訊的混元大模型或開源大模型LLAMA2-7B優化策略控制層；

其次，騰訊也已經將人形機器人寫到了未來計劃中。

接下來，我們可以期待一下騰訊的人形機器人了。