如何打造融入日常生活的機械人

演讲人：Wolfram Burgard（德国国家工程院院士、德国纽伦堡工业大学教授）

本次演讲主要分为两大部分：一是探讨机器人作为家庭新成员，将给日常生活带来的变革；二是重新定义家庭场景下的机器人，突破传统机器人的固有认知。

过去机器人主要应用于制造业与工业场景，未来具身 AI、具身机器人将走入千家万户，在物流、家庭照护、家庭辅助等领域发挥价值。人形机器人是面向家庭任务最具前景的载体，核心前提是拥有强大的感知能力，依靠高性能传感器，让机器人看懂环境、理解世界。当前机器人处理复杂任务的能力持续提升，下面展开具体技术分析。

一、提升感知：构建面向真实物理世界的下一代模型

要完成复杂的家庭任务，首要就是强化机器人的感知能力。近几年 AI 技术实现了过去难以想象的进步，但现有生成式 AI（如 ChatGPT）大多只基于文本、语言、图像，并不能直接适配机器人的物理执行需求。

机器人需要面向真实物理任务的下一代基础模型，除视觉、文本之外，还必须具备触觉等多维度感知能力。多模态基础能力，是机器人完成物理任务的底层根基。

现在机器人大多采用闭环反馈机制。若希望机器人可以在日常执行任务的过程中持续学习、迭代更新，就需要全新技术方案。如今模型迭代速度很快，每隔数月就会推出新版本，我们需要实现模型近乎 “一夜之间” 的快速重训练与优化；但现实难题是，大模型普遍规模庞大、能耗很高，高效快速更新的实现路径尚不明确。

由此引出几项核心研发方向：不止要攻克人形机器人硬件，还要打造多模态动作模型、世界模型；建立全球机器人数据采集机制，构建机联网（机器人互联网）。依托机联网与世界模型，机器人将获得终身学习能力，实现模型持续优化与机器人自我进化。

二、看似简单的家务，背后是极高的语义理解门槛

整理会议室、整理厨房，表面看是简单工作，实际难度很高。机器人不仅要识别各类物体，更要理解 “什么是干净的会议室、什么是干净的厨房（图1）” 这类人类社会的语义概念，这也是机器人落地的一大痛点。

图1 需要理解什么是干净的厨房

例如指令 “打开抽屉”。机器人先要理解什么是抽屉、拉手位置在哪、怎样算抽屉已经打开。 哪怕是一个简单动作，背后需要大量概念理解，才能在基础动作之上堆叠出复杂任务。

训练机器人就像人类组织语言：单一动作相当于单个字词，复杂任务等同于完整句子。可以借助大模型生成动作代码，但机器人必须拥有连续行为能力，把一个个独立动作串联成完整流程，例如拉开抽屉、再关灯（图2）。

图2 整理工作区并关灯的流程

以家庭清洁任务为例：机器人要识别哪些区域需要打扫、哪些物品不能触碰；识别工具是什么、工具放在哪里。这就要求机器人具备语义感知与语义理解能力，懂得任务目标，能够和开放、多变的现实环境交互。

技术实现思路：大模型拆解为子模块，兼顾成本与能耗

完整的基础大模型可以拆解为更小的子模型分工完成任务，规避逻辑冲突，实现模块之间高效协同；同时支持模型在边缘设备运行，完成持续再训练。随着技术成熟，大模型与机器人系统的能耗、成本会逐步下降。

Wolfram Burgard展示了演示案例：语义理解赋能扫地机器人，使其识别障碍物、规避无法处理的物体（图4），证明语义理解可以大幅提升机器人执行复杂任务的能力。

图3 扫地机器人要识别哪些物体不能碰触

三、抓取与操作：跳出纯几何逻辑，基于真实世界模型做物理交互

早期机器人图像抓取能力较弱，依靠几何逻辑规划动作，只判断动作有没有完成，却不理解现实世界中 “抓取物体” 的真实含义。

现在依靠基础模型，例如用于识别如何抓取物体的基础模型LAN-grasp，机器人不再单纯依靠几何坐标，而是基于真实世界模型完成抓取操作。

●   量化测试中取得更好效果，可以处理无把手杯子这类特殊物体，直接抓取杯身；

●   在任意家庭环境下，合理拿起、放置物体（如表1）。

表1 在语义化物体抓取方面，LAN-grasp有更好的表现

超市分拣演示案例：机器人把传送带上的商品装进购物袋。这里需要一套抓取约束规则：区分物体软硬、轻重、易碎属性，规划摆放位置；抓取器要具备力反馈，几秒内完成对物体属性判断；系统根据抓取约束数据库打分，自主评估抓取方案（图4）。

图4

反例是：人类不会把苹果放在易拉罐下方，机器人同样需要规避这类错误，追求一次执行成功，这是人形机器人的重要目标。

四、触觉感知：具身智能不可或缺的一环

机器人不能只依靠机器视觉。如同人类，触觉感知至关重要：即便看不到手部动作，也能感知接触压力、控制操作力度。

机器人需要触觉传感器，预测触碰物体时需要施加多大的力。训练来源包含真实世界实操训练 + 仿真训练，预测触碰反馈。这是具身机器人的底层基础，保障机器人可以和人类、各类物体在同一个物理空间安全共存、协同工作。

一些研究开始将触觉传感器嵌入机器人手指或末端执行器中，通过感知接触压力和形变信息，帮助机器人更精细地控制抓取力度。视觉提供场景理解，触觉提供接触细节，二者结合，有望让机器人在复杂家庭任务中具备更强的适应性（图5）。

图5

五、总结：家庭机器人落地仍需长期投入

让机器人真正走进家庭、室内办公环境，挑战巨大，还需要数年时间持续攻关。家庭机器人的开发思路完全区别于传统工业机器人。

未来需要持续加大硬件、具身智能算法、机器人数据集的投入，需要全球研究者长期共同努力，才能实现家庭机器人大规模落地。