人形机器人为何进展缓慢？伯克利专家：因为数据量差了10万年

过去几年里，AI聊天机器人飞速进化，现在很多人将它当成个人助手、客服代表和治疗专家。驱动聊天机器人运行的是大语言模型（LLM），它以机器学习算法作为基础，算法根据互联网海量数据而训练。

一些科技人士预测，只要短短几年，利用机器学习算法就能孵化各种机器人，比如外科手术机器人、替代工厂工人的机器人、家庭管家机器人等。但加州大学伯克利分校机器人专家肯·戈德伯格（Ken Goldberg）并不认同这种说法。

8月27日，戈德伯格在《Science Robotics》杂志发表两篇论文，指出想让人形机器人获得可以在真实世界应用的技能，速度会极慢——与AI聊天机器人获得技能的速度相差极远，核心原因在于可供人形机器人训练的数据太少了，与AI聊天机器人之间差了10万年。

在第二篇论文中，来自麻省理工学院、佐治亚理工学院和苏黎世联邦理工学院的机器人专家讨论了机器人的未来发展方向，他们展开激烈争论。争论的焦点在于：到底是采集更多数据来训练人形机器人，还是依靠传统工程方法给机器人编程，让它完成现实任务？

以下是加州大学新闻网站与戈德伯格的对话：

问：最近，马斯克等科技领袖谈到了人形机器人的未来，比如，他认为在未来五年内机器人将会超越人类外科医生。你认同这种预测吗？

戈德伯格：机器人技术的确在快速进化，但远未达到马斯克所说的程度。现在的热潮存在炒作，宣传的内容超出了机器人的实际能力。

在视觉和语言领域，ChatGPT展示了惊人成就，但大多研究者对公众认知感到担忧——公众认为问题既然已经解决，明年就能实现突破，实际上太乐观了。

我并不是说马斯克描绘的未来永远不会实现，只是说未来两年、五年或者十年不会发生。

问：未来如果想让人形机器人做手术，或者担任私人管家，存在哪些限制？会在哪些方面遇到困难？

戈德伯格：最重要的难点在于灵活性，比如让人形机器人拿起物体。想拿起一只杯子或者更换灯泡是一件很难的事，现在还没有机器人能做到。

这里有一个悖论，我们管它叫Moravec悖论，也就是说一件事人类可以毫不费力做到，所以我理所当然认为机器人应该也能做到。

如果让人工智能玩国际象棋和围棋，表现比人还好，我们就会问：“为什么机器人不能拿起一个杯子呢？”看起来拿杯子比下棋容易得多。

然而事实并非如此，想拿起杯子，需要对杯子在空间中的位置有清晰感知，需要将手指移动到准确位置，然后以适当的方式捏住，难度相当大。

问：在论文中，你说数据之间存在10万年的差距。所谓的数据差距是什么，AI聊天机器人与人形机器人在实际操作能力上差距又是如何造成的？

戈德伯格：为了计算数据缺口，我查看了互联网上的文本数据量，计算一个人需要多长时间才能阅读完。答案是10万年，要十万年才能读完。我们用这么多的数据训练LLM。

我们用10万年的数据训练文本模型，但想训练机器人，10万年数据微不足道。可以确定的是，训练机器人更复杂，我们需要更多数据。

有人认为，可以观察人类相关视频，从中获取数据。但如果只是看视频图像，根本无法知道动作细节是怎样的，从2D转化为3D也是极具挑战的事。所以这一难题无法解决。

还有一个办法是让机器人运动，获得模拟数据。如果机器人只是奔跑或者表演杂技，用这种方法还不错。你可以让机器人在模拟环境中进行后空翻操作，收集大量数据，在特定情况下，这些数据能应用于机器人。但就灵活性而言，仍然远远不够。

现在有了些工作可以远程操作，像操纵木偶一样操纵机器人，完成各种任务。中国和美国的仓库里已经有类似的工作，但对于人类来说，这样的工作十分枯燥。每工作8小时，就能获得8小时数据，但要获得10万年的数据量，太过漫长。

问：如果不收集数据，能不能推动人形机器人发展？

戈德伯格：目前的机器人技术处在范式转变阶段，有点像物理学发展到量子力学一样。行业分成两派，展开激烈争论。机器人技术正处在争论之中。

一派认为，人形机器人的发展依赖于优秀工程学技术，比如物理学、数学、环境建模。另一派认为，机器人根本不需要使用传统工具和方法，只要有数据，就能让人形机器人走向完美。

第二派鼓舞人心，背后有大量资金支持，但到了研究时，大家争论不休，在传统方法和新方法之间有许多争吵。

问：你认为未来的方向是什么？

戈德伯格：我认为工程、数学、科学仍然极为重要，因为有了这些，机器人才能运行，然后我们就可以收集数据。

当机器人执行任务时，如果表现达到消费者可接受水平，就能将机器人投入市场，接下来在实际运行中持续收集数据。

谷歌Waymo无人驾驶汽车采用上述模式，Ambi包裹分拣机器人也一样，它在仓库真实环境中运行，持续收集数据，不断迭代升级。