具身智能：为什么机器人终于能学会帮你叠衣服了？
去年九月二十三去南京看行业展，我挤了半小时才凑到台前，就为看那台吹得神乎其神的叠衣服机器人。镜头里它一爪子把T恤揉成了团，半天扯不开，台下哄笑一片，工作人员红着脸把它拖下去了。今年同一个展位，同型号的机器换了套具身智能算法，两分钟整整齐齐叠出三件不同尺码的T恤，连我故意扔过去的歪领子打底衫都给理平了。
南京行业展具身智能机器人叠衣服展示现场
我当时站在台子前，鸡皮疙瘩都起来了。也就一年时间，变化这么大。
很多人听“具身智能”四个字就觉得玄乎，什么新赛道啊新概念啊，炒的满天飞。说白了，就是原来的AI都活在屏幕里，只会聊天画画，现在给AI安一个能摸能碰能走的身体，让它自己在真实世界里学怎么干活。
具身智能机器人虚拟仿真预训练场景示意图
放在以前，你根本没这么高的计算能力跑这么多次模拟，也没有足够强的算法把虚拟经验迁移到真实世界。现在两样都有了，所以速度一下子就提上来了。
装个大模型就叫具身智能？差得远呢
我碰到过很多投资人，开口就是“不就是把ChatGPT装到机器人上吗”，听的我只想笑。哪里这么简单。
大模型输出的是自然语言，是步骤描述，它告诉你“第一步抓住T恤领口，第二步对折”。但机器人要的是左关节输出0.8牛的力，右关节转23度，十五毫秒内调整一次姿态，差一点都不行。力控误差差零点一牛，结果就是碎鸡蛋和掉杯子的区别。
更何况，真实世界永远有意外。你刚把T恤铺好，一阵风吹过来，衣角歪了。你站在瓷砖地上和站在羊毛地毯上，轮子的摩擦力不一样，走路的步幅就得调。你抓冰西瓜和抓纸盒子，手的触感完全不一样，握力得瞬间变。
这些意外，你不可能提前把所有情况都编进程序里，也不可能给所有情况都标好训练数据。具身智能厉害就厉害在，它能像人一样，碰到新情况，自己试两次就摸出规律了。
我上个月听实验室的朋友讲，他们做的具身智能机器人，第一次见榴莲，不知道该用多大劲抓，碰了一次，捏了一下，力度不对，第二次就刚好能拿起来，不会扎坏也不会掉。换做以前的机器人，根本做不到。
当然，现在的技术也不是完美的。我见过很多 demo，在实验室干净整齐的环境里跑的顺风顺水，拿到普通人家里，电线乱堆，家具歪歪扭扭，马上就歇菜。真实世界的复杂度，比实验室高一万倍。
具身智能来了，我们的生活会变成什么样？
最先落地的肯定还是工业和服务业。现在很多工厂已经在用具身智能的机械臂分拣异形工件了，原来要十个工人调参数，现在一个工人就能盯二十台机器。养老院里帮着喂饭、扶老人走路的机器人，原来动一下都怕撞到人，现在具身智能能实时感知老人的动作，跟着调整力度，安全多了。
往后呢？你想想，家里的扫地机器人现在只会按线走，碰到你掉在地上的袜子，它要么绕开，要么直接压过去。以后具身智能的家用机器人，能认出那是袜子，帮你捡起来扔到洗衣篮里。你早上赶上班，衣服扔在床上，它帮你叠好放衣柜里。
当然，也有很多人担心，机器人会抢了人的工作。我倒觉得，它抢的都是那些人不愿意干的活。一天重复叠一千件衣服，分拣几百箱货物，换谁干一天都腰酸背痛，机器干了，人去做更有意思的事，不好吗？
也别吹的太神。现在离家家户户都有个具身智能机器人，还远着呢。成本下不来，一个机器人几万块，普通人买不起。可靠性也不够，哪天它碰坏了你刚买的口红，你还是得生气。还有安全问题，这么大个家伙在你家里动来动去，怎么保证它不会误伤到小孩，这个问题到现在都没有完美的解决方案。
不过话说回来，去年九月在南京看它揉坏T恤，今年看它叠的整整齐齐，这个进步速度，真的超出我的预期。我们原来习惯了AI活在屏幕里，给我们回消息，给我们生成图片，现在AI终于要走出屏幕，碰到我们真实的桌子、衣服、杯子，走进我们的真实生活了。
这种改变，不是一下子从天而降的。它就是从一次叠不对衣服，到一次能叠对，慢慢走到我们面前的。你要是今年去过南京的那场展，站在台前看着那只机械臂慢慢把T恤折平，你也会和我一样，心里清楚，一个新的东西，真的要来了。
南京行业展具身智能机器人叠衣服展示现场
我当时站在台子前，鸡皮疙瘩都起来了。也就一年时间，变化这么大。
很多人听“具身智能”四个字就觉得玄乎，什么新赛道啊新概念啊，炒的满天飞。说白了，就是原来的AI都活在屏幕里，只会聊天画画，现在给AI安一个能摸能碰能走的身体，让它自己在真实世界里学怎么干活。
别被名字唬住，具身智能就是让身体自己“想”事
举个最简单的例子。你伸手拿桌上的陶瓷杯子，水装了大半，杯子有点滑。你的手指碰到杯壁的瞬间，就自然调整了握力，拿起来的时候手腕轻轻一抬，刚好把杯子端平，不会洒出来。整个过程你不用刻意思考“我要出多少力，手腕转多少度”，对吧？ 这种刻进身体里的经验，就是具身认知，放在AI身上，就是具身智能。 原来的机器人是什么样？工业线上的机械臂，都是提前编好程序，每一个关节转多少度，出多少力，都卡死。只要工件放歪了一厘米，它就能把零件焊错位置。你让它叠衣服，每件T恤的软硬度不一样，折的时候受力不一样，提前编程序根本不可能，一百万件衣服有一百万种折法。 说实话，之前我帮客户做分拣机器人项目的时候，就碰到过这个问题。同一批次的芒果，大小软硬差一点，机械臂要么捏破皮，要么夹不起来，改了三天参数，还是不行。那时候我们就想，要是机器人能自己摸一摸，自己调整力，该多好。 这就是具身智能要解决的核心问题：让AI不靠人写死规则，自己从和环境的互动里学经验。 不过话说回来，这个思路其实很早就有了，为什么最近突然火起来？还不是大模型把底子给铺好了。大模型学会了语言和知识的逻辑，现在把这套能力迁移到身体控制上，就够机器人用了。 现在主流的训练方式是什么？先在虚拟仿真环境里练，让机器人在虚拟世界里叠几百万次衣服，抓几百万次鸡蛋，把基础的感觉摸熟了，再放到真实世界里练个几十上百次，就能用了。具身智能机器人虚拟仿真预训练场景示意图
放在以前，你根本没这么高的计算能力跑这么多次模拟，也没有足够强的算法把虚拟经验迁移到真实世界。现在两样都有了，所以速度一下子就提上来了。
装个大模型就叫具身智能？差得远呢
装个大模型就叫具身智能？差得远呢
我碰到过很多投资人，开口就是“不就是把ChatGPT装到机器人上吗”，听的我只想笑。哪里这么简单。
大模型输出的是自然语言，是步骤描述，它告诉你“第一步抓住T恤领口，第二步对折”。但机器人要的是左关节输出0.8牛的力，右关节转23度，十五毫秒内调整一次姿态，差一点都不行。力控误差差零点一牛，结果就是碎鸡蛋和掉杯子的区别。
更何况，真实世界永远有意外。你刚把T恤铺好，一阵风吹过来，衣角歪了。你站在瓷砖地上和站在羊毛地毯上，轮子的摩擦力不一样，走路的步幅就得调。你抓冰西瓜和抓纸盒子，手的触感完全不一样，握力得瞬间变。
这些意外，你不可能提前把所有情况都编进程序里，也不可能给所有情况都标好训练数据。具身智能厉害就厉害在，它能像人一样，碰到新情况，自己试两次就摸出规律了。
我上个月听实验室的朋友讲，他们做的具身智能机器人，第一次见榴莲，不知道该用多大劲抓，碰了一次，捏了一下，力度不对，第二次就刚好能拿起来，不会扎坏也不会掉。换做以前的机器人，根本做不到。
当然，现在的技术也不是完美的。我见过很多 demo，在实验室干净整齐的环境里跑的顺风顺水，拿到普通人家里，电线乱堆，家具歪歪扭扭，马上就歇菜。真实世界的复杂度，比实验室高一万倍。
具身智能来了，我们的生活会变成什么样？
具身智能来了，我们的生活会变成什么样？
最先落地的肯定还是工业和服务业。现在很多工厂已经在用具身智能的机械臂分拣异形工件了，原来要十个工人调参数，现在一个工人就能盯二十台机器。养老院里帮着喂饭、扶老人走路的机器人，原来动一下都怕撞到人，现在具身智能能实时感知老人的动作，跟着调整力度，安全多了。
往后呢？你想想，家里的扫地机器人现在只会按线走，碰到你掉在地上的袜子，它要么绕开，要么直接压过去。以后具身智能的家用机器人，能认出那是袜子，帮你捡起来扔到洗衣篮里。你早上赶上班，衣服扔在床上，它帮你叠好放衣柜里。
当然，也有很多人担心，机器人会抢了人的工作。我倒觉得，它抢的都是那些人不愿意干的活。一天重复叠一千件衣服，分拣几百箱货物，换谁干一天都腰酸背痛，机器干了，人去做更有意思的事，不好吗？
也别吹的太神。现在离家家户户都有个具身智能机器人，还远着呢。成本下不来，一个机器人几万块，普通人买不起。可靠性也不够，哪天它碰坏了你刚买的口红，你还是得生气。还有安全问题，这么大个家伙在你家里动来动去，怎么保证它不会误伤到小孩，这个问题到现在都没有完美的解决方案。
不过话说回来，去年九月在南京看它揉坏T恤，今年看它叠的整整齐齐，这个进步速度，真的超出我的预期。我们原来习惯了AI活在屏幕里，给我们回消息，给我们生成图片，现在AI终于要走出屏幕，碰到我们真实的桌子、衣服、杯子，走进我们的真实生活了。
这种改变，不是一下子从天而降的。它就是从一次叠不对衣服，到一次能叠对，慢慢走到我们面前的。你要是今年去过南京的那场展，站在台前看着那只机械臂慢慢把T恤折平，你也会和我一样，心里清楚，一个新的东西，真的要来了。