请选择 进入手机版 | 继续访问电脑版
 找回密码
 立即注册
搜索

国产大模型卷翻机器人!这些火遍全网的机器人,都装上了星火大脑

编辑:编辑部

【新智元导读】大模型这把火点燃了整个机器人行业的热情。纵观全世界,过去几个月,国内外大模型大厂和机器人初创公司的合作也是动作不断。看来,机器人的元年真的来了!



大模型,已然卷入机器人领域。
3月初,初创公司Figure发布了首个由OpenAI大模型加持的人形机器人Figure 01的演示。
凭借LLM「大脑」,Figure 01可以看到桌面上的苹果,动手收拾餐具,并与人类进行无缝交流。



在电动Atlas官宣当天,初创公司Mentee Robotics也展示了首个Menteebot人形机器人,通过自然语言即可交流。
同样,得到大模型加持的Menteebot,能解释命令,并思考、决策、完成任务。



在大模型浪潮下,类似的案例近一年来层出不穷。
反观国内,大模型助推下,机器人领域也是热度不减。
年初,具有「人形机器人第一股」之称的优必选股价创下2天3倍的暴涨走势,与之呼应的是大模型厂商近期与机器人行业的合作也是动作不断。
有行业专家表示,具备多模态LLM大脑的机器人时代终于来临了。这些机器人将能够理解指令并执行任务:可以使用笔记本、刷碗、冲泡咖啡,妥妥的AGI!



显然,大模型赋能机器人蕴藏着巨大的潜力,成为科技大厂为数不多的一个共识。
「具身智能」大爆发,元年已来


人们都说,2024年是机器人的元年。
大模型的横空出世,无疑让机器人行业再次成为研究界和产业界的一大亮点。
先来看一张图,直观地感受下,当前全世界取得进展的机器人公司。



正如许多人期待的那样,AGI真正到来的那天,「具身智能」正是不可或缺的重要硬件载体。
从过去一年至今,机器人领域的投资市场不断持续升温,迎来了高光时刻。
研究公司Robot Report数据显示,今年前3个月,机器人初创公司筹集了32亿美元资金,去年同期为17亿美元。
在国外,OpenAI押注的两家人形机器人初创公司1X、Figure纷纷得到新一轮的融资。
还有硅谷服务机器人Bear Robotics、专为机器人开发大脑Physical Intelligence、还未创收的Skild等机器人初创公司,同样受到资本的追捧。



国内以优必选为代表,2023年12月底上市即成为人形机器人第一股;如前所述,股票一路攀升。
不久前,工业版人形机器人Walker S都已经进入车间开始打工了。



此外,宇树人形机器人在今年2月完成了近10亿元的B2轮融资,其产品宇树H1更是火到了国外。
根据网友的统计,仅在今年第一季度,国内机器人市场就有20多起融资案例。



来源:网络

可见,大量资本的注入,将机器人行业的热潮推向了最高点。
实际上,对于每个人来说,机器人早已不是什么新鲜事物。
为什么大模型的加入,让其迎来了ChatGPT时刻?
为什么需要多模态LLM

众所周知,传统机器人有着一个明显的局限性——需要明确的指令。
掌握单个技能,诸如开门、拉抽屉、拾取和操纵某物,对于它们来说,并不难。
然而,想要让机器人去完成多个技能结合的任务,是非常困难的。
这就是为什么大模型的出现,破解了传统机器人需要明确指令,才能执行任务的僵化问题。
简单来说,LLM可以将松散定义的指令,映射到机器人技能范围内的特定任务序列。
比如,当你对机器人点头时,如何让它也能友好地向你点头?
来自多伦多大学、谷歌DeepMind等机构开发的GenEM,利用GPT-4丰富的知识储备,将「点头」这一抽象行为,转化为机器人可输出的特定动作。



然而,通往具身智能AGI的路上,仅依靠大语言模型是不够的。
这是因为,图像、文字、语音、视频等各种多模态信息,构成了我们的现实世界。而人类的感受、沟通,都是在以多模态形式进行。
对于智能机器人来说,也是必须具备的能力。
比如,当机器人想要正确执行「有点累,帮我去拿一杯提神的饮品」这条指令时,最关键是完成「多模理解」。
看到桌面上的一堆食物,哪个才是咖啡呢?



在理解语音指令、拆解任务步骤之后,机器人需要识别「视线」里的物体,判断推理出哪瓶饮料是符合指令意思需要拿取的。



不仅如此,嗅觉、味觉之类的智能,也将是机器人未来逐渐扩展的领域。
总而言之,多模态能力对于真正要进入家庭的机器人来说必不可少,尤其是多模理解尤为重要。
国产顶流:讯飞星火大模型


看得出,市场对机器人的热情,已完全被AI大模型点燃。
国内一家成立25年的公司,曾在2022年就启动了「超脑2030计划」,畅想着能够让机器人走进每个家庭。
这一计划共分为三个阶段,通过逐步推进,让AI可以懂知识、善学习、能进化。



一直以来,基于对前沿技术的不断探索,背后这家公司——科大讯飞正朝着目标前进。
先是在2022年科大讯飞全球1024开发者大会上,首次发布了「讯飞机器人超脑平台」。
这一平台面向开发者,提供了全栈的工具链,包括模型训练、资产生成和软硬件接入等等。
ChatGPT引爆大模型热潮之后,科大讯飞在23年5月首次发布「讯飞星火大模型」,并在一年多的时间完成了5次迭代。



而初代讯飞星火大模型就具备了体现通用人工智能的七大维度,包括文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力以及多模态能力。
在接下来的6月、8月、和10月以及今年1月,讯飞星火大模型完成了从V1.5、V2.0,到V3.0、V3.5的迭代升级。
大模型打破传统认知智能的天花板,为机器人更加深入地理解世界奠定了坚实的基础。
然而,要充分整合这些先进技术,以促进机器人在人机互动、任务规划和环境适应等方面的显著进步,还需要依赖专门的系统。
为「机器人超脑平台」注入灵魂

为此,科大讯飞在2023年7月正式将讯飞星火大模型与「机器人超脑平台」进行了深度的融合。
具体来说,科大讯飞机器人超脑平台,是以讯飞超脑2030技术为底座打造的,一个面向物理世界、虚拟世界和元宇宙的机器人开发平台。
它以多模态感知表达、开放式语义理解、大小脑协同运动控制和软硬件接入为核心,可以帮开发者快速搭建实体机器人和虚拟数字人产品。



如今,人形机器人在实际应用时,面临的挑战更多了。
你是不是经常在商场遇到机器人,鸡同鸭讲,根本讲不了两句话,就被逼疯了?
在这样的嘈杂环境中,人与机器人的交互,简直难上加难。



又或是,当你让机器人讲一个笑话时,那一本正经的播音腔,简直就是尴尬氛围组上线。
而破解这些问题的关键是,让机器人更好地「拾音」,且说话不再有那么重的「机器味儿」。



讯飞机器人超脑平台从「视听融合的多模态感知交互」和「大模型理解决策」两个方面,解决了这一难题。
首先,就是打造机器人交互的新范式。
为此,讯飞机器人超脑平台融合了语音、视觉、语义等多个维度的信息。
通过升级麦克风阵列算法,融合声音、人脸、和唇形信息,即使在嘈杂、高噪的场景下,机器人都能精准拾音,实现复杂场景「听得清」。
同时,通过语音大模型和超拟人合成技术,机器人「听得准」,「答得自然」,让机器人聊起天来更有生命力和感染力了!
其次,就是机器人的交互大脑。
这个大脑,毫无疑问就是基于讯飞星火大模型,实现了控制级指令、官方技能、核心业务功能、快速知识问答、闲聊陪伴等多交互场景的统一。
对于每个孩子来说,如果机器人能以妈妈的声音、口吻讲睡前故事,才堪称真正的「陪伴」机器人。



但若要实现这一点,还需要机器人具备情感化和高表现力的合成能力。
对此,讯飞机器人超脑平台还设计了多风格、多情感的AI人设,能够让每个机器人都与众不同。
顺便提一句,讯飞机器人超脑平台的虚拟人驱动协议已全面开放。
三方数字人产品通过接入该驱动协议,可以实现与讯飞数字人同等的交互效果。
讯飞机器人超脑平台已赋能四大领域398家机器人客户,深度链接1.3万名机器人开发者。



官网地址:https://aibot.xfyun.cn

星火加持,机器人飞升


为了进一步扩大合作生态,2024年4月15日,科大讯飞正式启动「星河行动」计划,招募生态合作伙伴共同推进机器人产业的繁荣。
而在此之前,有很多来自不同细分领域的国内头部机器人厂商,就已经用上了科大讯飞星火大模型的强大能力。
当前,在许多人看来,人形机器人是最好的通用具身形态。
当机器人走向落地,人形并不一定是完成任务最好的形态。它可以是一个机械臂,也可以是轮式......



科大讯飞与穿山甲机器人公司合作已久,一直共同探索AI技术与机器人的融合,不断拓宽服务机器人应用新的边界。
这家公司旗下新款小鱼、艾米、小雪等AI服务机器人,全都搭载了讯飞机器人超脑平台,以及讯飞星火大模型技术。
基于讯飞先进的语音识别、AI技术,机器人可以流畅地进行自然语言对话,迅速理解并给出准确回答。
同时,凭借着丰富的技术储备,它们还能提供各类信息和建议。



穿山甲机器人已广泛应用到餐饮、政务、教育、医疗等领域

当然还有家庭服务机器人,乐天派便是其中的代表之一。
通过接入讯飞星火大模型和多模态交互,这款桌面黑科技机器人成为孩子们的贴心「小管家」。
只需要一声呼唤,不论是娱乐、还是遇到学习生活难题,它都能以前所未有交互能力陪伴孩子。



而在头部人形机器人中,也少不了科大讯飞核心技术的身影。
我们熟知的,智元机器人、优必选、宇树科技等公司,都得到了讯飞全链路语音,以及讯飞星火大模型的加持。



还有近日官宣合作的EX机器人,更是将双方各自优势完美结合。
基于讯飞机器人超脑平台,将讯飞星火大模型和多模态交互技术应用到EX仿生机器人中,实现了与人一样的思考、对话和动作。



除以上的案例之外,科大讯飞生态「朋友圈」还在不断扩大。
机器人开发,最好的时代


我们还应该看到,机器人的发展不仅依靠AI大脑的技术迭代,还需要「身体」并行。
随着机器人行业的逐步发展,机器人行业内的组件供应也开始向专业化、成熟化方向发展。
4月2日,在上海召开的中国人形机器人生态大会上,可以看到机器人部件厂商也获得了长足的发展——
人形机器人通用底座、机器狗通用底座、机器人超脑板、多模态语音交互、3D视觉芯片、灵活机械手、机器人伺服电机、3D打印框架等厂商均参加展出。
会场进行了多项专题报告,比如「多模态+大模型,构建人形机器人新交互」、「人形机器人感知技术与发展」等细分领域的成果展示。



对于机器人行业的创业者和开发者来说,这将是最好的时代!
大量模块化、可快速整合的行业平台及部件,让机器人的开发不再需要像过去一样,从0开始做算法。
尤其是,像讯飞机器人超脑平台已经引入大模型的通用开放平台,进一步将机器人的常规算法和人机交互开发难度降低到了「拿来即用」的地步。
再加上,讯飞机器人超脑平台已经打通了对接链路公司(宇树、智元、EX机器人等)的成熟机器人硬件体系。
这意味着,二次应用开发将会成为入行最快、产品最快满足客户需求的方式之一。
显然,机器人底层硬件配套已初步具备,LLM技术更是赋予了机器人交互的核心。
接下来,针对客户需求的挖掘、痛点解决方案和用户贴身服务的内容,尚需进一步打磨。
这,将是机器人行业万众创业的开端。
大模型+机器人,前景一片大好


下一步,就是在LLM和机器人加速融合后,如何推动商业化落地?
从认知能力上来看,AI机器人的发展愈加接近人类。甚至,在外表方面,也变得更像人类了。
波士顿咨询公司(BCG)估计,到2030年,全球机器人市场规模将达到1600亿美元-2600亿美元。
也就说,LLM+机器人未来的市场前景非常广阔,可以深入应用于各种工业领域和人类生活场景。
在制造业领域,装配线上的机器人能够生产出,人类工人无法比拟的高质量和一致性的商品。
在仓库和物流公司中,AI机器人能够完成重型搬运工作,诸如运送产品、放置在货架等任务,大大减轻了人类劳动力的负担。
就比如,亚马逊物流仓库中的75万机器人大军,已全面投入了使用。



除了工业领域的机器人,AI医疗机器人还可以帮助医生做手术,做出更准确的诊断,也能引导患者完成物理治疗和康复。
展望未来,在餐馆、太空探索、教育、养老院等诸多场景中,都将得到AI机器人的全面覆盖。
不难料到,机器人的曙光已经到来,它正在以我们几十年前只能想象的方式重塑整个世界。
科大讯飞所做的,就是用技术革新,让机器人走进每个家庭。

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复

使用道具 举报

大神点评3

我有个小建议,楼主把内容写详细点吧才会吸引更多读者呀。
回复

使用道具 举报

萌Reverie 2024-5-1 07:02:21 显示全部楼层
在撸一遍。。。
回复

使用道具 举报

邱国平 2024-5-1 07:02:25 显示全部楼层
很看好这个
回复

使用道具 举报

高级模式
B Color Image Link Quote Code Smilies