作者 | 洪澤鑫編輯 | 德新

很多人肯定都看過上面這個(gè)對(duì)比視頻。

不少吃瓜群眾感慨，小米比特斯拉領(lǐng)先整整60年。

左邊的特斯拉機(jī)器人像20歲，右邊的小米機(jī)器人看起來像80歲。

但事實(shí)上，特斯拉的這個(gè)機(jī)器人是人扮的。

而在中國國慶假期的第一天，我們終于看到了特斯拉人形機(jī)器人Optimus的原型機(jī)。

這...我硬生生把到嘴邊的歡呼聲吞了回去。

看起來頂多比小米機(jī)器人年輕個(gè)兩歲，不能再多了！

這機(jī)器人老態(tài)龍鐘到上下臺(tái)都需要三四個(gè)大漢抬著。

一下子仿佛看到了老齡化社會(huì)。

除了機(jī)器人，這場長達(dá)三個(gè)小時(shí)的直播還講了些什么？

馬斯克一開始就預(yù)警了這次AI day有大量專業(yè)名詞，主要是給技術(shù)人才看的。

今天簡單總結(jié)點(diǎn)普通人能看懂的。

1.為什么選擇人形機(jī)器人？

首先，特斯拉強(qiáng)調(diào)機(jī)器人Optimus從初代開發(fā)平臺(tái)到現(xiàn)在只過去了6個(gè)月，潛臺(tái)詞是：

做成這樣已經(jīng)很可以了。

特斯拉選擇做“人形”機(jī)器人的出發(fā)點(diǎn)是：人體是最靈活的架構(gòu)。

在理解人形機(jī)器人的優(yōu)勢(shì)之前，需要先弄懂“自由度”這個(gè)概念。

大學(xué)學(xué)過機(jī)械原理應(yīng)該不陌生，通俗來說，自由度（Degree of Freedom）是指機(jī)器人身上能夠運(yùn)動(dòng)的關(guān)節(jié)方向的數(shù)目，自由度越多，活動(dòng)越靈活。

舉個(gè)例子，下圖的這類機(jī)械臂只有6個(gè)自由度，這意味著，在A點(diǎn)和B點(diǎn)被固定住的前提下，它無法從左邊直接變換為右邊狀態(tài)。

而換做7個(gè)自由度的機(jī)械臂，就跟人類手臂類似了，把肩膀A點(diǎn)和手指尖B點(diǎn)固定住，也能變換很多種狀態(tài)。

Optimus的全身自由度數(shù)量是28個(gè)，分布如下圖所示。

以下則是波士頓動(dòng)力的機(jī)器人Atlas的自由度分布，基本是一致的。

而Optimus的手部自由度有11個(gè)，6個(gè)驅(qū)動(dòng)器（Actuator），號(hào)稱可以提20磅的袋子（9.07公斤），既有足夠的抓取力，又能抓取又細(xì)又薄的東西。

此外，本次的原型機(jī)并沒有公布身高體重，但特斯拉此前曾說過高1.72米，重56.6千克。

造價(jià)方面，預(yù)估量產(chǎn)價(jià)格不超過2萬美元——前提是產(chǎn)量達(dá)數(shù)百萬臺(tái)。

相比人類，人形機(jī)器人確實(shí)可以“取其精華去其糟粕”，做到比人體更高效——人類就算坐著不動(dòng)也在消耗能量。

但自由度越多，結(jié)構(gòu)就會(huì)越復(fù)雜，難度越大。

自由度的設(shè)計(jì)是要貼合落地場景的，否則很容易閉門造車——換句話說，精準(zhǔn)的場景定位是人形機(jī)器人商業(yè)化的基礎(chǔ)。

特斯拉的官方說法是：Optimus短期應(yīng)用于個(gè)人/家庭場景，中期有望進(jìn)入商業(yè)服務(wù)場景和非結(jié)構(gòu)化&輕量化工業(yè)場景，長期待交互技術(shù)進(jìn)一步突破后有望滿足情感、陪伴等需求...造福人類...替代人類從事危險(xiǎn)、重復(fù)、無聊的工作。

問答環(huán)節(jié)，馬斯克被問到Optimus有什么使命、未來會(huì)不會(huì)跟人對(duì)話，他反復(fù)在說：

“我也不知道Optimus最終會(huì)是什么樣子的...但肯定很有意思...肯定不會(huì)是終結(jié)者那樣...肯定不會(huì)無聊?！?/p>

就是沒想好到底能用在哪里唄？

也是，這老態(tài)龍鐘的機(jī)器人，是還不太用得上。

2.造車的公司造機(jī)器人可行么？

在人形機(jī)器人的研發(fā)上，特斯拉在四個(gè)輪子的汽車上抄了不少作業(yè)。

第一，上圖的橙色部位是Optimus的驅(qū)動(dòng)器（Actuator），簡單理解就是讓機(jī)器人發(fā)出動(dòng)作的動(dòng)力機(jī)構(gòu)，可以比作汽車的電機(jī)；藍(lán)色部位是電氣系統(tǒng)（Electrical System），可以比作汽車的電子電氣架構(gòu)。

2.3 kWh、52V的電池包是在胸口的位置，保證電池高效和安全方面用的是電動(dòng)汽車的技術(shù)。

第二，計(jì)算機(jī)跟電池包是放在一起的，計(jì)算單元跟的車載計(jì)算單元是一致的。

此外還有無線通訊模塊、語音模塊和安全保護(hù)模塊，充電管理、傳感器和冷卻系統(tǒng)高度集成。為了最大化地降低汽車碰撞帶來的損傷，車企一般會(huì)通過仿真來優(yōu)化和改進(jìn)車輛潰縮、保護(hù)電池，同樣的方法也被特斯拉用在防止機(jī)器人摔倒上——摔跤時(shí)優(yōu)先保障“大腦”以及軀干電池組的安全。

試著在腦海里把Optimus放倒，再看它的這些電池包位置、電氣架構(gòu)，是不是有點(diǎn)眼熟？

這樣的架構(gòu)也并不新穎，之前日本的HRP-5p建筑機(jī)器人以及慕尼黑工業(yè)大學(xué)的LOLA機(jī)器人都是把電池包和集成電路背在身后。

很多人拿波士頓動(dòng)力Atlas來比較，但Atlas更偏向腿足式機(jī)器人，采用液壓驅(qū)動(dòng)控制，單臺(tái)造價(jià)差不多200萬美金。

你看小米的腿足式機(jī)器人CyberDog走得也挺溜的。

第三，Optimus的行走模塊算法也跟自動(dòng)駕駛汽車的規(guī)控模塊類似，不是簡單制定規(guī)則，而是設(shè)定目標(biāo)，通過獎(jiǎng)勵(lì)函數(shù)，讓Optimus自行適應(yīng)動(dòng)態(tài)的環(huán)境變化。

第四，在Optimus執(zhí)行器的配合上，也像汽車一樣，考慮到了能量成本。因?yàn)殡妱?dòng)車有前后兩套電驅(qū)，當(dāng)車輛加速時(shí)，需要考慮前后電機(jī)如何配合才能達(dá)到效能最大化。Optimus在執(zhí)行各種動(dòng)作時(shí)，也需要有多個(gè)執(zhí)行器配合，特斯拉會(huì)通過仿真優(yōu)化，來保證工作執(zhí)行時(shí)達(dá)到最低能耗。

第五，Optimus的視覺感知也可以看成是一輛裝上腳立起來的汽車，用的也是FSD的Occupancy Network，需要做的就是再收集更多數(shù)據(jù)。室內(nèi)GPS信號(hào)比較差，所以視覺導(dǎo)航定位也需要像汽車進(jìn)入地下停車場般精準(zhǔn)。

最后，在運(yùn)動(dòng)規(guī)劃上，特斯拉先是表示：很難。

擁有四肢的機(jī)器人要想動(dòng)起來，比四個(gè)輪子的汽車確實(shí)復(fù)雜多了。

因?yàn)槠嚨男袆?dòng)路徑只有橫線和縱向兩個(gè)方向，而人形機(jī)器人的運(yùn)動(dòng)除了前進(jìn)后退、左轉(zhuǎn)右轉(zhuǎn)，還需要考慮平衡、彎腰、踩踏、下坡等等情況。

現(xiàn)在特斯拉的做法是通過捕捉現(xiàn)實(shí)生活里人類的動(dòng)作，把這些動(dòng)作簡化成軌跡，借助運(yùn)動(dòng)學(xué)來實(shí)現(xiàn)機(jī)器人的軌跡優(yōu)化。

綜上所述，造車的公司造機(jī)器人確實(shí)有很多優(yōu)勢(shì)，但也不完全相通。

很多自動(dòng)駕駛公司一開始都是基于ROS做的自動(dòng)駕駛系統(tǒng)——ROS是一個(gè)用于開發(fā)機(jī)器人應(yīng)用程序的、類似操作系統(tǒng)的機(jī)器人軟件平臺(tái)。

可以說自動(dòng)駕駛源于機(jī)器人，很多自動(dòng)駕駛做決策規(guī)劃的工程師都是從機(jī)器人賽道出來的，只是ROS無法滿足大數(shù)據(jù)量傳輸、實(shí)時(shí)及穩(wěn)定的需求，所以自動(dòng)駕駛公司逐漸遷移或自研其他架構(gòu)。

3.特斯拉FSD成績單漂亮么？

目前，特斯拉FSD的用戶已經(jīng)從2021年的2000人增長到16萬人。

期間，F(xiàn)SD版本更新了35次，訓(xùn)練了75778個(gè)模型，共收集了有480萬個(gè)Clip（場景數(shù)據(jù)），現(xiàn)在已經(jīng)實(shí)現(xiàn)從一個(gè)停車場自動(dòng)駕駛到另一個(gè)停車場。

馬斯克還說FSD早就可以在很多國家推出了，沒有推出是因?yàn)楹芏鄧曳ㄒ?guī)不讓。

特斯拉用下面這個(gè)圖概括了FSD的核心技術(shù)棧，并且分別介紹了各個(gè)模塊的最新技術(shù)進(jìn)展，技術(shù)門檻挺高，沒法一一介紹，只列我看到的幾個(gè)亮點(diǎn)：

感知方面，基于attention的transformer做前融合，去年特斯拉AI Day 之后，transformer就在業(yè)內(nèi)火了起來，國內(nèi)的毫末和輕舟也一直在提。

仿真方面，不用NeRF方案，從地圖上的線到網(wǎng)，從網(wǎng)到面，就能生成基于真實(shí)數(shù)據(jù)構(gòu)建的虛擬城市。生成整個(gè)舊金山地區(qū)的仿真環(huán)境，只需要一個(gè)人兩周時(shí)間就能搞定。

自動(dòng)標(biāo)注方面，特斯拉將訓(xùn)練場景的標(biāo)注速度提升了1000倍，在人工操作的情況下這些或許需要一兩周甚至幾個(gè)月時(shí)間。

4.Dojo超級(jí)計(jì)算機(jī)想成為全球最強(qiáng)超算系統(tǒng)？

要想得到更好的神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果，就離不開高效率的芯片。

Dojo超級(jí)計(jì)算機(jī)已經(jīng)給特斯拉在代碼、設(shè)計(jì)方面實(shí)現(xiàn)了30%的訓(xùn)練速度提升。

比如，Dojo運(yùn)行“Stable Diffusion”模型生成火星上的Cybertruck，只需要幾分鐘。

比如，只使用一個(gè)由25個(gè)D1芯片組成的訓(xùn)練塊，就能實(shí)現(xiàn)6個(gè)GPU機(jī)箱的性能，且成本低于一個(gè)GPU機(jī)箱。

再比如，只需要4個(gè)Dojo超級(jí)計(jì)算機(jī)機(jī)柜的算力，就能實(shí)現(xiàn)72個(gè)GPU機(jī)柜的自動(dòng)標(biāo)注性能。

特斯拉會(huì)在2023年第一季度布置第一批10個(gè)Dojo超級(jí)計(jì)算機(jī)機(jī)柜，即算力超過1.1EFLOPS的ExaPOD，將自動(dòng)標(biāo)注能力提升2.5倍。

將來，特斯拉要在帕羅奧圖布置7個(gè)這樣的集群。

馬斯克還提到，Dojo超級(jí)計(jì)算機(jī)未來也有可能跟亞馬遜AWS一樣，作為一個(gè)基礎(chǔ)服務(wù)設(shè)施來賣錢。

5.結(jié)語

因?yàn)镺ptimus機(jī)器人一年來的成績單交得過于老實(shí)，這個(gè)AI Day的開頭很讓人失望。

但整場AI Day確實(shí)很有“招聘會(huì)”的氛圍，是由不同模塊工程師的內(nèi)容無縫串講起來的，分享的內(nèi)容很硬核。而且員工群體十分具備多樣性，里頭還有好幾位讓人印象深刻的華人。

活動(dòng)展現(xiàn)出來的這種自由和平等，確實(shí)是工程師所向往的企業(yè)文化。

至于對(duì)Optimus的評(píng)價(jià)，馬斯克自己說出了大家的聲音：

我們希望不僅僅有好的想法，還要有好的結(jié)果。

參考資料：

DARPA'S ATLAS Robot Needs A Brain

https://www.i-programmer.info/news/169-robotics/6095-darpas-atlas-robot-needs-a-brain.html

Development of a Humanoid Robot Prototype, HRP-5P, Capable of Heavy Labor

https://www.aist.go.jp/aist_e/list/latest_research/2018/20181116/en20181116.html

Making Atlas Dance, Run, and Jump

https://www.youtube.com/watch?v=yagQG_b_hfs

返回第一電動(dòng)網(wǎng)首頁 >