想想你可能见过的机器人。像小圆盘一样的机器人吸尘器在家里四处移动工作时,可能会被餐厅的桌椅和其他障碍物卡住还有装配线上的机械臂,被设计用来在一个位置反复做同样的重复性任务。这些机器人远不能在为人类构建的世界中独立运行,它们需要工作环境根据它们的能力进行定制。
这就是为什么全球各地的公司正在投入数十亿美元来开发人形机器人,这种机器人有两条腿和两只手臂,外观和行动都像人类。人形机器人更加灵活,能适应各种不同的状况。理论上,一家公司可以制造一种型号的机器人,用户可以训练它去做特定的任务:不需要特殊的环境。根据2024年的一份报告,到2035年,全球人形机器人市场规模可能会从2023年的约1亿美元增长到350亿美元(https://www.goldmansachs.com/insights/articles/the-global-market-for-robots-could-reach-38-billion-by-2035)。
在The Impact of Technology in 2025 and Beyond: an IEEE Global Study这份近期针对技术领导者的调查中,37%的受访者表示他们正在考虑在2025年将人形机器人应用于运营中,35%的受访者期待能够开始应用人形机器人,18%的受访者预计将人形机器人全面投入运营。
更快、更轻、更便宜
推动人形机器人发展的是其所有组成部件(从软件到零部件)的重大改进。这些部件更具成本效益、更轻便且足够小,可以集成到商业产品中。这包括手臂和腿部、感知和运动传感器以及机载计算设备。
越来越多的机器人采用全电动模式,而不是电动与液压混合的模式,这也使它们变得更轻。
部件的总重量至关重要。移动重型部件需要更多能量,这就需要更重的电池或者更频繁地给电池充电。
IEEE高级会员Santhosh Sivasubramini说:“早期的机器人需要频繁充电或者连接电源才能使用。而现代电池组在不影响移动性的情况下续航时间更长。这一发展使得机器人能够运行更长时间。如今的人形机器人还配备了更轻便、更紧凑的电池。这有助于更好地分配重量并改善能量管理。”
眼见为实
较旧的机器人往往依靠基本的视觉和力传感器来在环境中导航以及确定拿起某物时要用多大的压力。
“现代机器人使用激光雷达(LIDAR)、立体摄像机和力 - 扭矩传感器。这些能实现更好的环境测绘、障碍物探测和物体处理,”Sivasubramini补充道,“先进的传感器融合算法实时处理多个输入信息。这有助于在不断变化的场景中做出更快的响应和适应。”
视频中看到的内容
如果你看过人形机器人像运动员一样进行跑酷动作以及穿越复杂地形的视频,你可能会想要质疑这些视频是否反映了机器人的实际运行环境。通常,这些视频是在高度受控的环境下制作的,并不反映现实世界的状况。是的,机器人确实完成了你在视频中看到的动作,但可能经过了多次尝试,而且地形上的微小差异都会使那些壮举难以重现。
如今的人形机器人仍处于开发阶段。即使让它们执行简单的任务也需要大量的训练。虽然人工智能正在使这种训练速度加快,但机器人在其被分配的任务极具重复性的受控环境中表现最佳。
IEEE研究生会员Shally Gupta表示:“虽然这些视频可能反映了真正的技术进步,但它们并不总是能代表这些机器人在日常情况下的表现。”
机器人将做什么?
至少就目前而言,机器人的能力仍然有限。由于这些限制,大多数机器人的任务将局限于人类不想做的事情:重复性的、枯燥的或者危险的工作。
使用机器人技术的最大障碍之一是成本。人形机器人经常被部署在仓库应用场景中,因为环境相当可预测,而且工作是重复性的。但购买机器人只是使用它们成本结构的开端。部署机器人技术的仓库运营商可能需要雇佣专业人员来培训和维护机器人。培训可能也需要大量的时间和投资。
更有可能出现的情况是人类和机器人将并肩工作。
Gupta说:“人形机器人需要在人类身边安全、顺畅地工作。它们必须应对意外情况并且自然地与人互动。要做好这一点需要大量的研究和测试,所以要使人形机器人实用且价格实惠到让所有人都能使用可能很困难。”
好文章,需要你的鼓励
AI项目从试点转向生产阶段时,企业面临意外的云成本激增问题。推理工作负载需要全天候运行以确保服务正常,成本可能一夜间飙升1000%以上。许多公司每月费用从5000美元激增至50000美元。为控制成本,企业开始采用混合架构:将推理工作负载迁移至本地或托管设施,训练任务保留在云端。这种模式可削减60-80%的基础设施支出,在保持性能的同时实现成本可预测性。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
企业在AI模型选择上面临开放源码与封闭专有技术的抉择,这一选择对财务和定制化都有重要影响。开放模型如Meta Llama提供更大控制权和定制选项,而封闭模型如OpenAI GPT-4o提供简化使用和企业级支持。专家建议采用投资组合策略,根据准确性、延迟、成本、安全性等因素选择合适模型,而非单一选择。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。