观察｜数据驱动？模型驱动？什么是决定机器人发展的关键变量

快速阅读: 2025美团机器人研究院学术年会上，多位专家探讨机器人领域现状与未来，强调软硬件结合及数据与模型的重要性，认为具身智能需多方面协作推进。

“不管是黑猫白猫,抓到老鼠就是好猫。” 在近日召开的2025美团机器人研究院学术年会上,宇树科技创始人王兴兴、清华大学助理教授、星海图智能联合创始人许华哲、浙江大学控制科学与工程学院教授、湖州研究院院长许超、清华大学教授机器人控制实验室主任赵明国等多位具身智能领域的“大佬”齐聚一堂,共同展望机器人领域的现状和未来。

关于机器人究竟应该是模型驱动还是数据驱动,在AI行业一直争论不休,似乎目前尚未有标准答案,什么才是具身智能发展的“第一性原理”? 作为冉冉兴起的新兴科技产业,尽管在具体路线上仍有争议,现场与会者的共识是,不管技术如何组合,最终还是效果说话,“我觉得机器人和机器人智能给大家提供一个全新的时代,所以年轻人应该就要把油门踩到底,全力加入到这个行业里来。”赵明国坦言。

“不是把DeepSeek塞到机器人里” 许超认为,未来最佳的组合方式是牛顿+辛顿(Geoffrey Hinton),一个是物理学家路线(软件),另一个是计算机路线(硬件),如果让他们二人“握手”协作,无疑是未来机器人产业发展的最佳路径。

软件和硬件无法分离,许超举例,过去很长时间中,具身智能控制学更多是在研究“小脑”。随着传感器价格下降,算力提升,机器人除翻跟斗之外,也可以去识别目标避障,包括轨迹规划还有协同,这也需要“大脑”的能力。

在宇树科技创始人王兴兴看来,随着AI和软件能力增强,对于硬件的要求反而会越来越低,“大家可以观察到一些残疾人,他甚至没有手,却也能干活儿,甚至可以干针线活儿,但实际上就是AI能力达到一定程度后,对硬件要求会逐步降低。” 在王兴兴看来,以前,由于全世界机器人AI软件能力都不够,因此对硬件一致性、可靠性和灵活度要求都很高,如今AI训练出来的算法已经有很大进步,哪怕硬件传感器噪声很大,间隙很大,一致性也有待提升,但是如今的AI算法已经能够与之协调和适应。

对于数据和模型哪个更重要的问题,清华大学教授机器人控制实验室主任赵明国似乎更支持“数据驱动”,在他看来,模型驱动需要开发者先有充分的理论依据,再用理论指导实践,但是目前人类理解能力不够,理论的覆盖面也有限,“数据的覆盖面是更大的,我们正在数据科学中总结新的理论,但这个理论现在还不够成熟。” 在清华大学助理教授、星海图智能联合创始人许华哲看来,这个问题的答案则倒向“模型”那一边:对于机器人研究者而言,大多数选择Model-based(模型驱动),到今年更是全都变成“VLA项目”(视觉语言动作模型),用脚投票虽非本质,但能在一定程度上反映人才聚集情况。

所谓的具身智能模型,和广义的AI大模型有区别。自变量机器人CEO王潜表示,具身智能不是把deepseek塞到机器人里,而且具身智能也不是AI应用,而是基础模型。通才模型是未来通用机器人的核心,因为通才模型可以通过学习物理规律、物体属性和交互模式,后续能够以极少的数据实现新任务的快速适应。

“人工智能好比一个孩子,自动化是父亲,计算机是母亲,数据则是叔叔。”许超幽默地“和稀泥”说,硬件、软件、模型和数据应该融为一体。现在具身智能描绘的蓝图很大,若把范围聚焦到具体任务上,那就必须软件、硬件、数据和模型相关人员通力协作,逐个攻克难题,大家才能共同进步。

机器人的未来形态 能不能有一个机器人,它有自己的欲望和好奇心? 在许华哲看来,自己理想中的机器人形态是能替人类探索浩瀚无边的宇宙,“人类知识的传播效率实在太低了,主要依赖老师传授。而机器人不一样,只要它自身不损坏,就能一直运作;就算损坏了,只要把它的神经网络移植到新的机体上,它就能继续生存。” 在许华哲的构思里,未来的机器人能和人类进行融合,并且能搭建“未来之城”,验证人机融合,除此之外,他还希望机器人的智能发展更加“绿色”,在新一代AI架构下,其算力应该会有革命性变化。

王兴兴坦言,很多商品都可以按成本与重量来算,这是直观的第一性原理,但在智能产业领域,对于什么是“第一性”仍然没有明确定义。在智能领域,目前还是缺乏像牛顿力学那样的基本规律体系。未来可能需要在核心原理与工程实践之间,找到新的平衡与连接方式。

在他看来,如果真的实现具身智能,最终距离AGI(通用人工智能)就非常接近了,“AGI应该是人类最终极的发明,包括后续的生产、消费娱乐,经济探索都可以用它来实现。这是当下我们这代年轻人最激动人心的时刻。” 王兴兴笑言,在这一代人中,如果有人能写出智能方面的“牛顿定律”,未来就会是过去几千年人类历史中最厉害的人。

(以上内容均由Ai生成)