机器人在凌晨三点的仓库里摔了一跤,这道题比赢一盘棋难得多

去年冬天,我在朋友的仓库里待过一整夜。

冷。灯是分区域亮的,你走过去,脚底下那片才亮起来,身后那片又暗下去。地上跑着几十台扁扁的小车,驮着货架来回挪,像一群不吵不闹的甲虫。凌晨三点多,有一台在拐角停了。没撞到东西,就是停了。大概十秒之后,它自己换了个姿态,绕开,走了。

我问朋友,它刚才在想什么。

他说,它什么都没想。

那台车后来充上电,指示灯一闪一闪。我盯着它看了很久。说不上来为什么,那一刻比我看过的所有机器人后空翻视频都更让我发愣。

仓储物流AGV小车夜间自动避障搬运货架实景
仓储物流AGV小车夜间自动避障搬运货架实景

摔一跤这件事,比赢一盘棋难得多

我们这十几年被“机器人”三个字喂了太多故事。会下棋的、会写诗的、会聊天的,一个比一个能说。可你真让它去把地上一只袜子捡起来,它经常就懵了。

为什么?下棋是封闭世界。规则写死了,棋盘就那么大,信息全摊在眼前。捡袜子不是。光线在变,袜子的形状在变,你手伸过去的角度也在变。抓轻了它掉,抓重了它皱——而且你没办法预先穷举“揉成一团的灰袜子”到底有多少种形态。

这背后有个词叫具身智能。听着玄乎,说白了就一句:脑子得长在身体里,身体得能感觉到自己。

你可以这么理解——一个机器人身上其实同时住着三个角色:看的、想的、动手的。看的那位每秒吞进来一堆像素;想的那位努力从里面认出“这是一只手”;动手的那位只管把电机转到指定位置。麻烦在于,这三位的节奏完全不一样。看得快,想得慢,动手更慢。十几毫秒的延迟,就足够让一次抓取从“稳”滑向“糊”。

所以你看到机器人动作僵硬,别急着骂算法。很可能它已经在用一套不完美的信号,去猜一个它永远没法百分百确认的世界了。

人形机器人双足行走关节力矩反馈控制结构特写实拍
人形机器人双足行走关节力矩反馈控制结构特写实拍

它的“手”和“眼睛”,其实一直在打架

很多人以为机器人难在算法。我不这么看。

算法当然难,但更难的往往是那些不起眼的零件。谐波减速器。力矩传感器。一根手指里穿来穿去的腱绳。这些东西决定了机器人能不能“柔”。而“柔”这件事,恰恰是它离人最远的地方。

想想你自己拧瓶盖。你从来不会去算需要多少牛顿米。手指一边转,一边感觉阻力变大,然后手腕自己补了一点劲。整个过程你甚至没意识到。这叫力控,靠的是皮肤、肌肉、关节里密密麻麻的感受器在实时汇报。

机器人没有这些。它只能装传感器。装了就有噪声,有漂移,有零点偏移,还有温度一变就跟着变的那点小脾气。于是工程师做的,是拿一堆不完美的读数,去拼一个尽量不出错的判断。

这也是为什么,一个能后空翻的人形机器人视频能刷屏,而一个能稳定叠衣服的机器人没人拍。前者是表演,后者是苦活。

说实话,我每次看到那种炫技视频,反应都不是“哇”,而是“这段拍了几条”。

我们对机器人的想象,八成是错位的

误区一:人形才是终点。

不一定。厂房里的机械臂看上去笨,只有几个关节,可它一天干几万次重复动作,误差比一根头发丝还细。扫地机器人长得像个盘子,它把“地面到底扫干净没有”这件事做到了人类懒得去做的程度。形态是跟着任务长出来的,不是跟着科幻电影长出来的。

那什么时候人形才划算?当环境本来就是按人的尺寸、人的关节、人的走路方式设计的时候。老楼里的楼梯、门把手的高度、厨房台面的进深——这些不改造的东西,人形就是最省事的接口。可你要是愿意把仓库重新铺一遍,轮子通常比腿省心得多。

误区二:机器人会“思考”。

这一段可能让一些人不太舒服。目前的机器人,哪怕是接了大模型的那一批,做的事更接近“把一句人话翻译成一串动作参数”。它有一种很浅的迁移能力,能把“把苹果放进碗里”挪用到“把香蕉放进盒子里”。可你让它解释为什么这么做,它答不上来。

误区三:机器人替代工作是某一天突然发生的事。

不。真实情况是慢慢渗。某个工序先被换掉,然后是它的上下游。你很难指着一个具体日子说,就是那天变的。

工厂流水线机械臂力控柔顺装配精密零件现场
工厂流水线机械臂力控柔顺装配精密零件现场

跟一个做机械臂的人聊了两个小时

我:现在客户提得最多的是什么?

他:抓取成功率。他们不关心你多聪明,只关心今天这条线停了几次。

我:那你们靠什么提上去?

他:一半靠视觉,一半靠兜底。

我:兜底是什么意思?

他:就是抓失败了,它自己得知道。知道了才能重来一次。

我:重来一次也算技术?

他:算。而且是很难的那种。你得让它意识到自己搞砸了。

这句话我记到现在。

机器人真正麻烦的地方不是不会,是不知道自己不会。一个成年人打翻水杯,立刻弯腰去擦。机器打翻了,可能还在按原计划执行下一步,因为它压根没把“湿了”这件事算进输入里。

接下来几年,我更愿意盯住这几件事

接下来几年,我更愿意盯住这几件事
接下来几年,我更愿意盯住这几件事

触觉。视觉这条赛道已经挤满了人,可触觉还很粗糙。现在的指尖传感器,要么贵得离谱,要么用两个月就磨秃了。谁先做出便宜、耐用、还能塞进指甲盖那么点地方的方案,谁就摸到了那扇门。

数据。这个更磨人。语言模型能从互联网上白捡海量文本,机器人捡不到。每一次抓取、每一次失败,都得真机跑出来。而且桌子一换、杯子一换,之前攒的可能就作废了。所谓数据飞轮,在机器人这儿转得特别慢,慢到你怀疑它转不转得起来。

能耗和散热。很少有人聊这个。人形机器人跳舞两分钟,电机烫得能煎蛋。你让它连续干四个小时试试。散热做不好,再漂亮的智能都是纸面参数。

安全。一台几十公斤、关节里存着能量的机器,和人共处一室。这件事本身就需要一层又一层的冗余设计。而冗余,成本是实打实的。

说回那个仓库。

天亮前我又去看了那台卡死重试的小车。它蹲在货架底下,指示灯一闪一闪,充电。旁边堆着别人的货。很普通的一幕。

但那是我第一次觉得,“机器人”这个词,可能不该只留给那些会翻跟头、会上台演讲的明星。真正把世界挪动的,大概率是这种——不声不响,摔了自己爬起来,绕个弯,继续走。

只不过,它自己不知道自己在做一件多了不起的事……

作者|科技

排版|科技

审核|安然

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:机器人在凌晨三点的仓库里摔了一跤,这道题比赢一盘棋难得多
文章链接:https://www.lfdjt.com/p/keji/a/24126.html