科創(chuàng)板日報消息，人工智能和機(jī)器人，總是不可避免地產(chǎn)生交集：前有人形機(jī)器人Optimus在特斯拉AI日橫空出世，后有OpenAI投資挪威人形機(jī)器人公司1X。如今，谷歌旗下的AI團(tuán)隊DeepMind也放出大招，當(dāng)?shù)貢r間6月20日，DeepMind展示了用于機(jī)器人的AI智能體“RoboCat”。

RoboCat可操控機(jī)械臂完成各種各樣的任務(wù)

谷歌稱之為機(jī)器人智能體（robotic agent），本質(zhì)上是由AI賦能的軟件程序，相當(dāng)于機(jī)器人的“大腦”，由其加持的機(jī)器人與傳統(tǒng)機(jī)器人不同之處在于，RoboCat機(jī)器人更具“通用性”，并可實現(xiàn)自我改進(jìn)、自我提升。

DeepMind稱，RoboCat是全球第一個可以解決和適應(yīng)多種任務(wù)的機(jī)器人AI智能體，并且它可以在各類真實的機(jī)器人產(chǎn)品上完成這些任務(wù)，“RoboCat的快速學(xué)習(xí)能力減少了對人類監(jiān)督訓(xùn)練的需求，是朝著創(chuàng)建通用機(jī)器人邁出的重要一步。”

▌兩大硬核科技支撐通用機(jī)器人研發(fā)

（1）自生成訓(xùn)練數(shù)據(jù)

據(jù)DeepMind的介紹，只需要通過100次左右的演示，RoboCat就可以學(xué)會操控機(jī)械臂來完成各式各樣的任務(wù)，然后通過自生成的數(shù)據(jù)來進(jìn)行迭代改進(jìn)。要知道，構(gòu)建通用機(jī)器人的進(jìn)展速度較慢，部分原因是收集真實世界的訓(xùn)練數(shù)據(jù)需要時間。

在DeepMind演示視頻中，RoboCat可已經(jīng)以通過自主學(xué)習(xí)操控機(jī)械臂，完成“套圈”“搭積木”“抓水果”等任務(wù)。這些任務(wù)看似簡單，但考驗了機(jī)械臂操作的精準(zhǔn)度、理解力以及對于形狀匹配難題的解決能力。目前RoboCat完成一項新任務(wù)的成功率已經(jīng)從初期的36%提升至74%。

值得注意的是，不論是它操控的機(jī)械臂還是它要完成的任務(wù)，RoboCat之前從來沒見過。

這種“通用性學(xué)習(xí)能力”對于加快機(jī)器人領(lǐng)域的研究有重要意義。DeepMind認(rèn)為，RoboCat獨立學(xué)習(xí)技能、快速自我提升的能力，以及對于不同硬件設(shè)備的快速適應(yīng)能力，將對新一代通用機(jī)器人AI智能體的發(fā)展起到重要推動作用。

（2）基于多模態(tài)模型

RoboCat用到的關(guān)鍵技術(shù)之一，是一種多模態(tài)模型Gato，而Gato在西班牙語里意為“貓”（cat），這也是“RoboCat”這一命名的由來之一。

Gato模型可以在模擬環(huán)境和物理環(huán)境中處理語言、圖像和動作，研究人員將Gato的架構(gòu)與一個大型訓(xùn)練數(shù)據(jù)集進(jìn)行了結(jié)合，這個數(shù)據(jù)集包含100-1000個各種機(jī)械臂完成任務(wù)的演示。

基于原始數(shù)據(jù)集和新訓(xùn)練產(chǎn)生的數(shù)據(jù)，RoboCat的數(shù)據(jù)集將包含數(shù)百萬次的訓(xùn)練軌跡數(shù)據(jù)。它學(xué)習(xí)的新任務(wù)越多，它就能更好地學(xué)習(xí)和解決額外的新任務(wù)。

RoboCat的訓(xùn)練過程圖解

模擬演示RoboCat的訓(xùn)練過程

依托于多模態(tài)模型，RoboCat完成現(xiàn)實世界訓(xùn)練任務(wù)的成功率要遠(yuǎn)高于傳統(tǒng)基于視覺的模型方案。

▌科技巨頭同臺比拼 中國產(chǎn)業(yè)鏈凸顯性價比優(yōu)勢

其實，在生成式AI風(fēng)靡全球之前，特斯拉、亞馬遜、英偉達(dá)、騰訊等眾多科技巨頭已經(jīng)劃撥了專門團(tuán)隊進(jìn)行機(jī)器人研發(fā)。該階段，機(jī)器人智能化水平不足，難以商業(yè)化。

如今，AI加持的機(jī)器人化身具身智能，再次煥發(fā)生機(jī)。一方面，AI大模型的出現(xiàn)以及多模態(tài)技術(shù)的迭代，使得機(jī)器人具備自然語言交互與自動化決策能力，大大提升其智能化水平、增強(qiáng)用戶體驗感；另一方面，工程師也可以通過AI對其進(jìn)行肢體的模擬訓(xùn)練，大大降低了其開發(fā)成本。

谷歌RoboCat只是AI賦能機(jī)器人的優(yōu)秀案例之一。僅將視線聚焦在今年：2023年年初，谷歌推出視覺語言模型PaLM-E，并運用到工業(yè)機(jī)器人上；4月份阿里巴巴將千問大模型接入工業(yè)機(jī)器人；5月，特斯拉人形機(jī)器人Optimus展示了精準(zhǔn)的控制、感知能力，同月英偉達(dá)發(fā)布全新自主移動機(jī)器人平臺。

再結(jié)合OpenAI投資挪威人形機(jī)器人公司1X，以及三花智控與綠的諧波在墨西哥合資設(shè)立諧波減速器公司，近期多家機(jī)構(gòu)認(rèn)為AI+機(jī)器人已經(jīng)到達(dá)產(chǎn)業(yè)爆發(fā)前夜。

招商證券分析師胡小禹預(yù)計Optimus在未來2-3年內(nèi)會進(jìn)入量產(chǎn)階段。如果以100億臺空間以及2萬美元單機(jī)售價測算，市場空間200萬億美元。另據(jù)高盛的研究報告，人形機(jī)器人市場規(guī)模有望在2035年超過1500億美元。

中銀證券分析師陶波稱，國產(chǎn)機(jī)器人產(chǎn)業(yè)鏈有望在自動化、智能化的浪潮中，憑借產(chǎn)品性價比優(yōu)勢獲得廣闊的發(fā)展空間。

▌發(fā)展初期硬件先行 運動模塊價值量最高

中信證券分析師袁健聰表示，OpenAI、騰訊、小米、谷歌、英偉達(dá)等科技企業(yè)持續(xù)加注機(jī)器人領(lǐng)域，推動機(jī)器人技術(shù)創(chuàng)新與降本量產(chǎn)進(jìn)程加快，機(jī)器人目前處發(fā)展初期，存在“硬件先行”規(guī)律。

機(jī)器人硬件主要包括控制、感知、運動、動力、散熱和總裝五大模塊，運動模塊價值量最高。根據(jù)Ofweek機(jī)器人網(wǎng)，工業(yè)機(jī)器人運動模塊約占整體成本的47%。

以人形機(jī)器人為代表的AI機(jī)器人相較工業(yè)機(jī)器人結(jié)構(gòu)更為復(fù)雜，運動模塊的成本相應(yīng)更高。以特斯拉的人形機(jī)器人Optimus為例，其運動模塊和部分感知模塊被整合為一體化關(guān)節(jié)，這部分成本占比高達(dá)整機(jī)的50%。基于此，廣發(fā)證券分析師代川及華泰證券分析師倪正洋均看好一體化關(guān)節(jié)投資價值。