擁有更多情緒表達能力
作者｜王磊
編輯｜秦章勇
首個真正意義上具備複雜互動能力的機器人，出現了。
它的創造者就是此前從華為離職的天才少年——曾經帶著各種硬核DIY作品火遍全網的男人——稚暉君。
3月11日，智元機器人聯合創始人稚暉君（彭志輝）釋出影片稱，這鴿了2年之後，第一次正兒八經地更新影片。
在影片中，他正式介紹了智元最新研發的雙足智慧互動人形機器人——靈犀 X2。
除了常規的行走、跑、跳，X2還點滿了運動天賦，不僅能舉重蹲起，還能踩滑板車，甚至還能自己騎腳踏車。
作為 X1 的“全能小老弟”，靈犀X2同樣是由智元半年前成立的機器人實驗室 X-Lab 打造出來的，而且從X1到X2的研發，僅用了三個月。
和之前釋出的原型機器人X1一樣，X2全身一共28個自由度，體重為33.8千克，身高1.3米左右，當然，X2的本體設計還新加入了大量的技術創新思考。
比如，重新設計的機電關節模組，在全身28個的自由度中，沒有使用到任何一個並聯結構，這就意味著能實現傳動鏈的完全解耦。
X2 還將機器人的硬體系統抽象為一系列可複用的核心元件，包括小腦控制器 Xyber-Edge、域控制器 Xyber-DCU、智慧電源管理系統 Xyber-8MS，以及經過“茫茫多”迭代的核心關鍵模組 Power Flow 等。
也就是說，透過這樣模組化的元件設計，就可以像透過飛控，攢一臺無人機航模一樣，快速搭建起各種形態的人形機器人系統，這也是為什麼X1原型機到X2研發這麼快的原因之一。
在稚暉君看來，機器人並非一定是鋼筋鐵骨，因此他們嘗試了大量的柔和材料，像TPU、ETPU、EVA 等多種材料，他們甚至考慮了用美妝蛋作為機器人的材料。
稚暉君表示，靈犀 X2 集三重角色於一身——不僅是一款支援高自由度、運動能力的雙足人形機器人，還是一款搭載情感計算引擎的智慧互動機器人，以及一款初步具備通用任務執行能力的具身機器人。
高自由度和任務執行能力都不難理解，其搭載的情感計算引擎，通俗的來講就是更有“人味兒”了。
稚暉君表示，當前足式機器人的運動控制已經全面從傳統的 Model based 轉向 Learning 驅動的強化學習。
透過結合深度強化學習和模仿學習演算法的優勢，X2 可以不斷的學習和進步，不僅學會了像人一樣自然的走路，還能流暢地跑步和轉彎，甚至還能跳科目三….
當然就像人一樣，在學習的過程難免也會學到“抽象”一些的東西，X2也不例外。
比如在訓練初期一不小心學“歪”了，有把跳躍當做平時移動方式的，還有一言不合就躺地上“擺爛”的，甚至還有被官方鑑定為“性格暴躁，愛跺腳”的另類機器人。。。
除了常規的行走，跑，跳外，為了偷懶，X2還能學會使用各種人類的懶人工具，比如踩滑板車，平衡車代步，甚至自己騎腳踏車。
為了讓 X2 更有“人味兒”，智元團隊增添了不少細節，比如靈犀X2能模仿人類呼吸韻律、具備人類好奇心和注意力機制、會一些“抖腿”小動作的肢體語言等。
目前，X2 仍在不斷學習和進步。透過資料驅動的演算法正規化，智慧機器人能夠從每秒數萬次與環境的互動和動作資料中，找到克服動作限制的方法，稚暉君表示，我們相信人形機器人的運動智慧問題很快會得到徹底的解決。
作為一款人形機器人，光四肢發達還不行，頭腦也不能簡單，互動智慧和作業生產必不可少。
在互動方面，藉助當前最火熱大語言模型技術，智元團隊還為 X2 訓練了定製的多模態互動大模型——矽光動語，從字面上，“光動語”分別代表著，視覺，動作，語音。
在這個大模型的加持下，靈犀X2也被稚暉君稱為“第一臺真正具備複雜互動能力的靈動機器人”。
在此基礎上，透過邊緣側大腦和端到端模型架構，以及一系列工程最佳化，靈犀 X2 具備了毫秒級互動能力。
比如坐下聊天可以對答如流，面對“你是誰，你從哪來的，你存在的意義是什麼”的人生三問，X2 都能順暢回答。
當 X2 被問及它和狗同時掉水裡，應該先救誰，會毫不猶豫地回答道先救狗，“因為它需要幫助，自己沒事。”
最有意思的是，當稚暉君提問靈犀 X2“剛剛提的問有多少是預先寫好的”，X2的語氣還頗為得意，回答道“完全隨機”。
基於 Diffusion 的生成式動作引擎，使得這款機器人不僅四肢協調，思維也頗為敏捷。
除了具備聽覺和語言的互動能力，基於 VLM 的矽光動語多模態模型還能讓 X2 透過視覺來理解和認識世界，識別眼前物體不在話下。
比如稚暉君拿出手機讓 X2 自己看現在幾點了，X2 能準確的回答出時間，還給睡不著的稚暉君推薦了牛奶，理由是有助於睡眠。
甚至還能真的“看到”物體上的小字，給稚暉君現場教學了一把。
情緒價值拉滿的同時，稚暉君表示“我們的終極期待，是希望機器人能夠成為構建社會生產力的重要分母”，也就是具備一定的生產能力。
據稚暉君介紹，過去一年裡，他們初步找到了一條通往泛化作業智慧的路徑，根據這些成果，他們也把操作智慧的能力也遷移到了 X2 上。
在本體層面，X2 的本體支援很好的柔性阻抗控制，可以裝配包括靈巧手在內的各種末端，使得其具備精細操作的能力，“針穿葡萄”的神技又重現江湖。
其次，在機器人的具身智慧方面，團隊也開源了業界最大之一的具身真機和模擬資料集。並提出了 RoboDual 的大小腦系統架構，以及剛剛釋出的 ViLLA 架構具身基座大模型「啟元」。
這也使得 X2 初步具備簡單任務中對操作物體的零樣本泛化能力，並在某些任務中實現多機協作，比如相互充電。
在影片的最後，稚暉君作為靈犀X2親爹，像望子成龍一樣，給了它一個最終的期望，就是希望作業能力可以外溢到日常生活的方方面面，實現機器人的“吉祥三保”—
就是保安、保姆和保潔。
靈犀X2能夠擁有“情感”、能夠進行各類複雜任務，離不開智元機器人前一天釋出的具身基座模型 GO-1。
GO-1 全稱 Genie Operator-1，GO-1的釋出，標誌著機器人從“單一任務工具”正式邁向“通用智慧體”。
在工廠，它能靈活切換裝配、質檢、物流等工種；在家庭，它可以從整理玩具進階到輔導孩子作業；甚至在未來，機器人可能透過觀看教學影片，自主學會維修電器。
GO-1 的一大黑科技就是開創性地提出了 ViLLA（Vision-Language-Latent-Action）架構，其整合了“兩大模組”，三個“大腦”。
首先是多模態大模型（VLM），透過海量網際網路圖文資料訓練，賦予機器人通用場景感知和語言理解能力，可以將其稱之“視覺大腦”，靠刷遍全網圖文，學會認杯子、桌子、咖啡機，甚至能聽懂你喊“給我整杯82年的拉菲”。
另外還有專家混合模組（MoE），這其中又包含兩個關鍵元件：
首先是規劃層面上，隱式規劃器（Latent Planner）生成任務鏈，最佳化任務執行流程，利用跨本體和人類操作影片資料，學習通用的動作理解能力，可以將其稱之為“動作大腦”。
比如，可以將複雜任務分解為一系列可執行的子任務。以 “掛衣服” 為例，機器人需分解為抓取衣架、調整角度等步驟，並根據實際情況靈活調整執行順序和引數，確保任務的高效完成。
另外，就是“摳細節小能手”（Action Expert），在執行層面上，基於百萬級真機資料生成精細動作序列，使靈犀 X2 的動作更加流暢、精準。例如，在倒水任務中，誤差可控制在 ±3ml 內，滿足日常生活和工業生產的高精度操作需求。
這幾個部分協同工作，使模型能夠透過人類影片進行小樣本學習，並快速泛化到新任務和新環境中，實操證明，這套架構下的能力確實不錯。
在五項複雜度不同的任務測試中，GO-1 的平均成功率較現有最優模型從46%提升到了78%，尤其在倒水、清理桌面和補充飲料等任務場景中表現突出。
更為關鍵的是它的進化速度，GO-1支援跨本體資料共享，這意味著每臺機器人的經驗都能反哺系統。假設一個機器人學會擰螺絲，那麼其他機器人立刻能同步技能。
智元機器人也計劃年內推出基於強化學習的Foundation Model，進一步釋放機器人的自主決策潛力。
按照他們的設想，五年內要讓機器人走進客廳，或許用不了多久當你推開家門，迎接你的將是一個正在忙碌的機器人了。
>End
>>>
本文轉載自“超電實驗室”，原標題《天才少年機器人登場，給葡萄縫針，騎腳踏車遛彎，還會抖腿偷懶》。
為分享前沿資訊及有價值的觀點，太空與網路微信公眾號轉載此文，並經過編輯。
>>>
充滿激情的新時代，
充滿挑戰的新疆域，
與踔厲奮發的引領者，
卓爾不群的企業家，
一起開拓，
一起體驗，
一起感悟，
共同打造更真品質，
共同實現更高價值，
共同見證商業航天更大的跨越！
——《太空與網路》，觀察，記錄，傳播，引領。
>>>
·《衛星與網路》編輯委員會
高階顧問：王國玉、劉程、童旭東、相振華、王志義、楊烈
· 《衛星與網路》創始人：劉雨菲
·《衛星與網路》副社長：王俊峰
雜誌訂閱，請加微信：
wangxiaoyu9960