大模型这把火点燃了整个机器人行业的热情。纵观全世界,过去几个月,国内外大模型大厂和机器人初创公司的合作也是动作不断。看来,机器人的元年真的来了!
3月初,初创公司Figure发布了首个由OpenAI大模型加持的人形机器人Figure 01的演示。
凭借LLM「大脑」,Figure 01能够正常的看到桌面上的苹果,动手收拾餐具,并与人类进行无缝交流。
在电动Atlas官宣当天,初创公司Mentee Robotics也展示了首个Menteebot人形机器人,通过自然语言即可交流。
同样,得到大模型加持的Menteebot,能解释命令,并思考、决策、完成任务。
年初,具有「人形机器人第一股」之称的优必选股价创下2天3倍的暴涨走势,与之呼应的是大模型厂商近期与机器人行业的合作也是动作不断。
有行业专家这样认为,具备多模态LLM大脑的机器人时代终于来临了。这些机器人将能够理解指令并执行任务:能够正常的使用笔记本、刷碗、冲泡咖啡,妥妥的AGI!
显然,大模型赋能机器人蕴藏着巨大的潜力,成为科技大厂为数不多的一个共识。
正如许多人期待的那样,AGI真正到来的那天,「具身智能」正是不可或缺的重要硬件载体。
研究公司Robot Report多个方面数据显示,今年前3个月,机器人初创公司筹集了32亿美元资金,去年同期为17亿美元。
在国外,OpenAI押注的两家人形机器人初创公司1X、Figure纷纷得到新一轮的融资。
还有硅谷服务机器人Bear Robotics、专为机器人开发大脑Physical Intelligence、还未创收的Skild等机器人初创公司,同样受到资本的追捧。
国内以优必选为代表,2023年12月底上市即成为人形机器人第一股;如前所述,股票一路攀升。
此外,宇树人形机器人在今年2月完成了近10亿元的B2轮融资,其产品宇树H1更是火到了国外。
这就是为什么大模型的出现,破解了传统机器人需要明确指令,才能执行任务的僵化问题。
简单来说,LLM可以将松散定义的指令,映射到机器人技能范围内的特定任务序列。
来自多伦多大学、谷歌DeepMind等机构开发的GenEM,利用GPT-4丰富的知识储备,将「点头」这一抽象行为,转化为机器人可输出的特定动作。
这是因为,图像、文字、语音、视频等各种多模态信息,构成了我们的现实世界。而人类的感受、沟通,都是在以多模态形式进行。
比如,当机器人想要正确执行「有点累,帮我去拿一杯提神的饮品」这条指令时,最关键是完成「多模理解」。
在理解语音指令、拆解任务步骤之后,机器人需要识别「视线」里的物体,判断推理出哪瓶饮料是符合指令意思需要拿取的。
总而言之,多模态能力对于真正要进入家庭的机器人来说必不可少,尤其是多模理解尤为重要。
国内一家成立25年的公司,曾在2022年就启动了「超脑2030计划」,畅想着能够让机器人走进每个家庭。
这一计划共分为三个阶段,通过逐步推进,让AI可以懂知识、善学习、能进化。
一直以来,基于对前沿技术的不断探索,背后此公司——科大讯飞正朝着目标前进。
先是在2022年科大讯飞全球1024开发者大会上,首次发布了「讯飞机器人超脑平台」。
这一平台面向开发者,提供了全栈的工具链,包括模型训练、资产生成和软硬件接入等等。
ChatGPT引爆大模型热潮之后,科大讯飞在23年5月首次发布「讯飞星火大模型」,并在一年多的时间完成了5次迭代。
而初代讯飞星火大模型就具备了体现通用AI的七大维度,包括文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力及多模态能力。
在接下来的6月、8月、和10月以及今年1月,讯飞星火大模型完成了从V1.5、V2.0,到V3.0、V3.5的迭代升级。
大模型打破传统认知智能的天花板,为机器人更深入地理解世界奠定了坚实的基础。
然而,要充分整合这些先进的技术,以促进机器人在人机互动、任务规划和环境适应等方面的显著进步,还需要依赖专门的系统。
为此,科大讯飞在2023年7月正式将讯飞星火大模型与「机器人超脑平台」进行了深度的融合。
具体来说,科大讯飞机器人超脑平台,是以讯飞超脑2030技术为底座打造的,一个面向物理世界、虚拟世界和元宇宙的机器人开发平台。
它以多模态感知表达、开放式语义理解、大小脑协同运动控制和软硬件接入为核心,可以帮开发者快速搭建实体机器人和虚拟数字人产品。
又或是,当你让机器人讲一个笑话时,那一本正经的播音腔,简直就是尴尬氛围组上线。
而破解这样一些问题的关键是,让机器人更好地「拾音」,且说话不再有那么重的「机器味儿」。
讯飞机器人超脑平台从「视听融合的多模态感知交互」和「大模型理解决策」两个方面,解决了这一难题。
通过升级麦克风阵列算法,融合声音、人脸、和唇形信息,即使在嘈杂、高噪的场景下,机器人都能精准拾音,实现复杂场景「听得清」。
同时,通过语音大模型和超拟人合成技术,机器人「听得准」,「答得自然」,让机器人聊起天来更有生命力和感染力了!
这个大脑,毫无疑问就是基于讯飞星火大模型,实现了控制级指令、官方技能、核心业务功能、快速知识问答、闲聊陪伴等多交互场景的统一。
对于每个孩子来说,若机器人能以妈妈的声音、口吻讲睡前故事,才堪称真正的「陪伴」机器人。
对此,讯飞机器人超脑平台还设计了多风格、多情感的AI人设,能够让每个机器人都与众不同。
讯飞机器人超脑平台已赋能四大领域398家机器人客户,深度链接1.3万名机器人开发者。
为了逐步扩大合作生态,2024年4月15日,科大讯飞真正开始启动「星河行动」计划,招募生态合作伙伴共同推进机器人产业的繁荣。
而在此之前,有很多来自不同细致划分领域的国内头部机器人厂商,就已经用上了科大讯飞星火大模型的强大能力。
当机器人走向落地,人形并不一定是达成目标最好的形态。它可以是一个机械臂,也可以是轮式......
科大讯飞与穿山甲机器人公司合作已久,一直共同探索AI技术与机器人的融合,不断拓宽服务机器人应用新的边界。
这家公司旗下新款小鱼、艾米、小雪等AI服务机器人,全都搭载了讯飞机器人超脑平台,以及讯飞星火大模型技术。
基于讯飞先进的语音识别、AI技术,机器人能流畅地进行自然语言对话,迅速理解并给出准确回答。
通过接入讯飞星火大模型和多模态交互,这款桌面黑科技机器人成为孩子们的贴心「小管家」。
只需要一声呼唤,不论是娱乐、还是遇到学习生活难题,它都能以前所未有交互能力陪伴孩子。
我们熟知的,智元机器人、优必选、宇树科技等公司,都得到了讯飞全链路语音,以及讯飞星火大模型的加持。
基于讯飞机器人超脑平台,将讯飞星火大模型和多模态交互技术应用到EX仿生机器人中,实现了与人一样的思考、对话和动作。
我们还应该看到,机器人的发展不仅依靠AI大脑的技术迭代,还需要「身体」并行。
随着机器人行业的慢慢地发展,机器人行业内的组件供应也开始向专业化、成熟化方向发展。
4月2日,在上海召开的中国人形机器人生态大会上,能够正常的看到机器人部件厂商也获得了长足的发展——
人形机器人通用底座、机器狗通用底座、机器人超脑板、多模态语音交互、3D视觉芯片、灵活机械手、机器人伺服电机、3D打印框架等厂商均参加展出。
会场进行了多项专题报告,比如「多模态+大模型,构建人形机器人新交互」、「人形机器人感知技术与发展」等细致划分领域的成果展示。
大量模块化、可快速整合的行业平台及部件,让机器人的开发不再需要像过去一样,从0开始做算法。
尤其是,像讯飞机器人超脑平台已经引入大模型的通用开放平台,进一步将机器人的常规算法和人机交互开发难度降低到了「拿来即用」的地步。
再加上,讯飞机器人超脑平台已经打通了对接链路公司(宇树、智元、EX机器人等)的成熟机器人硬件体系。
这意味着,二次应用开发将会成为入行最快、产品最快实现用户需求的方式之一。
显然,机器人底层硬件配套已初步具备,LLM技术更是赋予了机器人交互的核心。
接下来,针对客户的真实需求的挖掘、痛点解决方案和用户贴身服务的内容,尚需进一步打磨。
从认知能力上来看,AI机器人的发展愈加接近人类。甚至,在外表方面,也变得更像人类了。
波士顿咨询公司(BCG)估计,到2030年,全球机器人市场规模将达到1600亿美元-2600亿美元。
也就说,LLM+机器人未来的未来市场发展的潜力非常广阔,可以深入应用于各种工业领域和人类生活场景。
在制造业领域,装配线上的机器人能够生产出,人类工人不能够比拟的高质量和一致性的商品。
在仓库和物流公司中,AI机器人能完成重型搬运工作,诸如运送产品、放置在货架等任务,非常大程度上减轻了人类劳动力的负担。
除了工业领域的机器人,AI医疗机器人还能够在一定程度上帮助医生做手术,做出更准确的诊断,也能引导患者完成物理治疗和康复。
展望未来,在餐馆、太空探索、教育、养老院等诸多场景中,都将得到AI机器人的全面覆盖。
不难料到,机器人的曙光已经到来,它正在以我们几十年前只能想象的方式重塑全世界。