摘要
人形机器人一种外形和大小都与人类相似的机器,长期以来一直激发着人们的想象,展现出一个它们能够无缝融入人类环境的未来愿景。与针对单一任务优化的传统机器人不同,人形机器人有望在广泛的功能领域中发挥更广泛的适应性。理论上,它们未来可以服务于众多行业:在生产线上组装零件、在仓库中搬运货物、在医院协助护士、在零售店中整理货架,甚至协助照护老人和处理家务。然而,如今试点项目中的技术验证与大规模商业化应用之间仍然存在巨大差距。当前的人形机器人距离在实际环境中实现稳定、可靠且经济合理的性能还相去甚远。为了跨越从试点到大规模部署的鸿沟,人形机器人技术提供商必须搭建四座“桥梁”:
每一座桥梁都标志着跨越鸿沟的关键一步。只有当所有四座桥梁都建成后,人形机器人才能从概念变为现实。能够同时满足所有四项要求的原始设备制造商(OEM)将具备快速规模化生产的优势;而那些只专注于其中几项的制造商则将继续深陷试点阶段的泥潭。尽管人形机器人的全面部署尚需时日,但作为机器人技术终端用户的公司必须密切关注这些领域的进展,并立即着手做好准备,否则一旦机器人成为工作场所不可或缺的一部分,他们将面临落后于竞争对手的风险。

鸿沟 1:无围栏作业的安全系统题
人形机器人的真正潜力在于能够与人类在工作场所和公共空间自由共存,而不是隔着屏障工作。这一愿景对安全性提出了更高的要求,而要实现这一目标,需要在监管和技术两方面都搭建起桥梁。
国际标准化组织 (ISO) 已发布了机器人安全指南—ISO 10218 和 ISO/TS 15066—但这些指南主要针对机械臂和协作机器人,而非在非结构化环境中移动和交互的自主人形机器人。目前,人形机器人生态系统中的利益相关者正在合作制定新的指南。例如正在制定中的 ISO 25785-1 将定义人形机器人的特定要求,包括与跌倒风险缓解、可预测行为和合规交互相关的要求。在新的标准最终确定、通过并纳入正式法规之前,模糊性将限制人形机器人的主流部署。

除了标准和法规之外,利益相关者还必须同时解决技术差距问题。目前人形机器人在识别人类意图和灵活适应拥挤空间方面仍然存在不足。Agility Robotics 公司的 Digit 机器人已在亚马逊仓库进行试点,这便体现了这种矛盾:它配备了 360 度视觉和激光雷达,可以搬运周转箱子,但由于安全考虑,仍然只能在半隔离区域内运行。

人与人形机器人之间的密切协作需要多层安全架构,该架构结合了视觉、触觉传感、接近检测和力限制驱动,从而限制机器人施加的压力。冗余的安全保障措施—例如实时运动规划、具有弹簧特性的柔性肢体以及跌倒恢复功能,必须能够防止故障发生。同样重要的是,这些安全保障措施必须通过明确的认证途径和标准化的验证测试进行评估和批准。行业利益相关者应密切关注哪些原始设备制造商既投资于技术保障措施,又积极参与标准制定,因为一旦有了适当的监管框架,这些公司将最有能力扩大规模。
鸿沟 2:持续正常运行时间
目前大多数人形机器人充满电后只能运行两到四个小时,远低于现实世界中八到十二小时的工作时长。因此,机器人闲置时间过长,无法达到与人类工人相当的生产力。主要障碍在于电池。在原始设备制造商(OEM)能够提供持续稳定的运行时间之前,人形机器人的部署将仅限于试点阶段。
两种切实可行的方案正在涌现。第一种是可更换电池组,设计成只需几分钟即可轻松安装和拆卸。这种方法可以确保机器人在整个轮班期间持续工作,并允许在后台进行充电。第二种方案是在计划好的休息或换班期间进行快速充电,并辅以相应的充电器和布局,使快速“进站”变得简单安全。两种方案都应以一个标准来评判:机器人能否可靠地完成整个轮班,并将中断次数降至最低?

其他设计选择也有帮助,但电池的选择才是次要的。更高效的传输和更轻的结构可以降低每次任务的能耗;合理配置的感知和计算能力可以避免不必要的功耗和发热;更优化的散热设计可以防止在轮班后期出现性能下降;快速可靠的故障恢复可以防止长时间的停机。
延长正常运行时间也需要权衡取舍。高能量电池可以延长运行时间,但会增加热风险,需要更强大的保护和监控;更安全的电池化学成分可以延长使用寿命,但容量较低。我们的目标是实现可认证、可靠的、与用户协同运行,而不是哗众取宠的实验室演示。

归根结底,实际现场情况才是关键:有保障的轮班覆盖(并明确规定换班或充电时间)、必要的充电或换班基础设施,以及能够确保机器人在人员附近安全运行且不会频繁停机的安全性。在这些条件具备之前,持续正常运行时间仍将是规模化应用的主要障碍。
鸿沟 3:更强的灵活性和移动能力
灵巧性和机动性是最明显需要改进的方面,或许也是技术上最具挑战性的。目前的人形机器人在这些方面与人类的能力仍相去甚远,尤其是在非结构化环境中。这些差距体现在以下三个方面:

力学原理。人手大约有20到27个自由度(DoF),能够完成各种抓握、扭转和手内操作。相比之下,大多数机器人手的有效自由度远不及人手,因为许多关节相互耦合,独立控制能力远不如人手,这极大地限制了它们的活动范围。机器人执行器在力密度、带宽和控制方面也远逊于生物肌肉。结果是:人形机器人可以完成简单的抓握动作,但缺乏支撑许多日常人类任务的精细灵巧性。
感知运动技能。即使经过大量训练,人形机器人也难以实现可靠的闭环操作。人类则能毫不费力地完成类似的动作,这得益于精细的感知运动整合能力,使他们能够结合触觉和视觉等多种输入来引导运动。机器人只有在受控条件下才能达到接近人类的精确度,在动态的工作环境中则难以企及。

学习效率。如今,机器人可以通过观察人类(无论是现场观看还是通过视频观看)并模仿其动作来学习。模仿学习尤其适用于训练移动性和灵巧性。但缺点是,人形机器人需要数十亿次的模拟交互才能掌握特定任务,泛化能力较差。为了取得进步,研究人员必须开发出能够让机器人感知自身技能缺陷、设定目标并制定改进策略的技术。此外,人形机器人还需要更好的触觉传感皮肤(覆盖在外表面的多层电子传感器,用于感知触觉)和更丰富的运动学设计,以优化机械部件的排列方式来控制运动。这些进步需要高性能执行器和高密度多模态传感技术(例如,将摄像头与热成像和触觉输入相结合)方面的突破。此外,还需要基于大型具身数据集训练的人工智能模型,使人形机器人能够从经验中学习。目前,相关研究正在不断推进,更高效的执行器、自适应手部以及针对物理交互进行优化的基础模型正在研发中。尽管近期取得了这些进展,但能力差距依然巨大。

灵巧性决定了机器人的应用范围。在人形机器人实现更大的机械带宽和更智能的感觉运动整合之前,它们将只能在结构化的环境中执行重复性、低复杂度的任务。
鸿沟 4:大幅降低成本
如果说灵巧性和安全性定义了能力,那么成本则定义了可行性。即使人形机器人掌握了新技能,能够在工作场所自由移动,如果价格过高,它们也无法大规模应用。由于过度设计的子系统和不成熟的供应链,如今原型产品的成本通常在每台15万至50万美元之间。如此高昂的成本并不令人意外:早期产品侧重于技术可行性,而这需要投入大量资源。
一旦企业完成概念验证,它们通常会将重心转移到降低成本上—这在各行各业都是常见的模式。例如,智能手机制造商通过将数十个分立元件集成到单个系统芯片中,降低了后续产品的成本。这种架构选择减少了物料清单 (BOM),简化了电源电路,简化了大规模组装,同时提升了系统性能。构建人形机器人的成本桥梁很可能也会遵循类似的模式。

为了让类人机器人能够在主流行业与人类劳动力竞争,其单价必须降至 2 万至 5 万美元之间;对于面向消费者的环境,例如家庭、零售和酒店服务业,类人机器人可能需要更大幅度的成本降低。下一代类人机器人不会自然而然地变得价格亲民。相反,它们必须经过重新设计,并将降低成本作为核心目标,通过多种手段来实现,包括以下几点:

总结

人形机器人的局限性必须按顺序解决。首先,无围栏作业的安全系统必须成熟;如果没有符合监管要求,机器人就不能离开控制区域。持续正常运行时间是第二要务,因为它是投资回报率的关键驱动因素,而轮班作业对于规模化至关重要。灵巧性和移动性仍然限制了任务范围,但在这些早期应用案例中,它们本身并非决定性因素;这方面的改进将使机器人的应用范围超越运输和检测。最后,大规模推广取决于成本的大幅降低,从而使系统价格能够覆盖试点项目和品牌展示之外的领域
参考:
https://www.mckinsey.com/industries/industrials/our-insights/humanoid-robots-crossing-the-chasm-from-concept-to-commercial-reality
https://www.mdpi.com/2313-7673/10/11/745
以上内容如有错误请留言评论,欢迎指正交流。如有侵权,请联系删除