Vol.106 产业观察16｜大模型的想象与泡沫，机器人的“不可能三角”与未来：与连文昭聊具身智能之上‪肢‬ 高能量

【本期课题】
具身智能之机器人上肢。
【栏目介绍】
在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。
【免责声明】
本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。
【本期嘉宾】
连文昭，中国科学院自动化所研究员。
【内容索引】
01:15 从Vicarious 、Google X 和FigureAI这些从业经历来观察，美国机器人产业经历了哪些变化？
01:50 机器人的实际应用已经有五六十年的历史。从最早只能重复编程和重复运动的机器人，到现在具有3D视觉能力的机器人，或者可以进入家庭的AGV（自动引导车）等等，软硬件交替发展推动了机器人行业不断螺旋上升。
04:58 大模型在其他领域还没有证明自己是一个可靠的、能显著提高生产力的工具。它们可以辅助人类，但还没有达到独立完成任务的水平。比如，用ChatGPT 聊天或创作，如果我们没有预设的标准答案，它可以很好地激发我们的想象力。但如果我们有一个具体的要求，那么 ChatGPT 可能需要多次尝试，甚至试到最后我们可能会放弃。
07:08 虽然人们在大部分时间里对事物的感知是模糊的，比如走到一个地方的前后左右。但是在特定情境下，我们需要精确的度量，而误差的大小很大程度上取决于当时的语境。我们管这个叫常识或直觉物理。
09:48 当时，我觉得机器人行业充满了机遇，就像从 3 千米高空俯瞰地面一样，遍地是黄金。但凡能做出一点智能的东西，就能极大地推动机器人领域的发展。
10:20 Vicarious, Google X, Figure：不同的基因、愿景和尝试
13:46 数字世界可以将所有空间、观测量、动作空间都离散化，在数字世界中，理论上是可以穷举所有可能性的。但是，在机器人和物理世界的实际操作交互中，相关的数据很难穷举，或者说即使想这样做，所需的成本和代价也是巨大的。
14:39 Google X通过收购整合，确定了三个主要方向：move、make 和 help
16:18 现在我们经常谈论柔性生产，小批量、大批次、高混低量的生产场景，就要求我们能有Software defined hardware，软件定义硬件，这是Google X 的初衷。
22:33 在硬件层面，过往我们一直面临着选择的困境：是制造一个瑞士军刀式的多工具集合，还是一个可以使用各种工具的手。
24:17 如果不考虑触觉或感官问题，只关注于如何控制灵巧手，哪些因素最难达成妥协？
27:16 Figure AI的愿景没怎么变，变的是人们对它的看法。他在成立之初就有很强的硬件基因，但在开发硬件本体的同时，Figure也下决心把 AI 技术融入其中，以区别于历史上已有的成果。
29:17 随着大模型的发展，以及最近这一轮引人注目的融资新闻，你离开之后，Figure现在的进展和发展和以前有明显的不同吗？
32:40 人形机器人领域虽然现在看似火热，但如果放在历史的长河中看，目前仍处于早期阶段。许多技术路线、商业场景、成熟度乃至于在社会中的角色都还没有收敛。
33:36 从软件、硬件、算法模型、控制等各个维度来看，中国和美国的机器人行业横向比较起来是个什么状况？
37:45 结合中美的经验，在机器人行业最容易形成的突破和优势：“科技驱动，产业落地”
39:56 今天机器人上肢的进展水平如何？
40:00 机器人的手部必须与环境进行交互，需要将物体从一个初始状态转移到另一个状态，这需要进行强接触。因此，我们不仅需要关注物体的几何特性，还