摘要：王丛在北京工业大学获得计算机学士学位，之后于美国莱特州立大学攻读博士。在担任地瓜机器人CEO之前，王丛任地平线机器人事业部总经理，负责包括机器人产品研发、市场和销售服务的整个业务体系。

作者 / 曹锦

对话人物简介：

王丛，地瓜机器人CEO：

王丛在北京工业大学获得计算机学士学位，之后于美国莱特州立大学攻读博士。在担任地瓜机器人CEO之前，王丛任地平线机器人事业部总经理，负责包括机器人产品研发、市场和销售服务的整个业务体系。

周谷越，清华大学智能产业研究院副教授、协同视觉与机器人实验室（DISCOVER Lab）主任：

周谷越于2014年取得香港科技大学的博士学位，师从国际知名机器人专家、硬科技创业教父李泽湘教授。同时他也是前大疆创新(DJI)核心团队成员，资深科学家，计算机视觉和智能机器人领域专家，深圳市高层次专业领军人才。

如今，具身智能产业链已初具规模，技术迭代也呈现出空前的速度。

除了一些常见服务场景外，在科教领域，具身智能技术应用也有着特别的意义——对于高校学生来说，具身智能可以成为教学工具，开发出更多的思路；对于K12群体来说，了解具身智能，就是提前了解未来的世界。

在此背景下，12月2日，清华大学智能产业研究院（清华AIR）DISCOVER Lab推出RDK UniBots具身智能科教平台，旨在通过多方共创，构建具身智能科教的标准化体系架构。

周谷越（左）与王丛（右）

RDK（全称 D-Robotics Robotics Developer Kits）是地瓜机器人一站式智能机器人开发者套件。而RDK UniBots将以RDK算力平台与板载具身智能算法为基础，融合机器人产业与科教产业的上下游，支持用户根据个性化需求快速创建科教应用。

在该平台发布之后，RoboX与清华大学智能产业研究院副教授、协同视觉与机器人实验室（DISCOVER Lab）主任——周谷越，以及地瓜机器人CEO王丛进行了独家对话，他们不仅对UniBots的功能和意义进行了深入介绍，也对具身智能的发展趋势和挑战给出了独到分析。

RDK UniBots能做些什么？

据介绍，RDK UniBots采用分层式技术架构，涵盖从硬件到软件的完整解决方案，能够打通从RDK算力平台到DISCOVERSE仿真平台、AIRBOT系列机器人平台等具身智能软硬件应用载体的技术开发链路。

由此，RDK UniBots可广泛应用于K12 STEAM教育、职业教育、高等教育、科研探索等各类型科教场景。

目前，该平台已在清华大学等高校开展多门课堂教学实践。同时，地瓜机器人与清华大学正式签署全面深度合作协议，并与北京师范大学、华东师范大学正式成立具身智能未来教育联盟。

“大学与前沿科技更近，所以我们先在大学落地…在教学上，RDK UniBots会面向三个针对性的使用课程：传统工科、新融合学科的实践教育，当然还有人工智能和具身智能教学。”周谷越说道。

他表示，目前在清华已经在上述三个方向的教学中，以及多个科研实验室运用了该平台。未来，RDK UniBots还将面向全国和亚太区域进行推广。“目前应该有40家左右院校和科研机构，已经在使用这一平台。”

周谷越指出，清华AIR孵化的求之科技，会和地瓜机器人一起在RDK UniBots上持续开发——“结合我们的具身智能仿真平台，我们会将pipeline进行完全部署匹配，上层应用开发的接口会做得非常友好。”

但是，该平台不只是面向大学和科研机构。周谷越认为，具身智能可能会带动20年后的世界呈现完全不一样的状态。因此，让K12的儿童们提前接触前沿科技，也很有必要。目前，在冬令营和夏令营上，RDK UniBots也已经做出了系统性的解决方案。

2025年的质变，从灵巧手开始？

随着具身智能软硬件的不断进化，其各个阶段的突破都备受关注。在预测明年技术走势时，周谷越认为，灵巧手和触觉大概率会迎来突破。同时，足式步态问题也应该会被解决——双足机器人将从「能走」，转向追求行走效率，以及地形的适应性。

他介绍称，由于受限于灵巧手和触觉技术，目前机器人能操作的物体和任务是有限的，但在2025年，这一情况将会得到改善。这一判断，是基于触觉、芯片、执行器等技术的进步。

“首先，传统的灵巧手没有高质量的触觉反馈，只靠视觉做抓取，难以进行精细操作；其次，灵巧手依赖于很强的边缘计算芯片，而芯片的研发周期又很长，所以导致灵巧手研发功能受限。”

不过周谷越认为，目前的芯片、传感器、材料，和执行器小型化等技术已经趋于成熟，现在正处于系统集成阶段，能够预见在2025年就可以做好系统集成，同时RDK应用平台上的应用也会更加成熟。

“现在的执行器小型化之后，灵巧手的自由度可多达22-23个。”

灵巧手的有效控制，依赖于传感器以及在线的计算单元，整个链路需要经过大脑端、服务器端，然后经过计算再传回来。这样的长链路，非常影响实时控制效果。

现在RDK正在推动的，就是将任务拆解从云端下放到本地芯片端，这对于本地芯片端的算力带宽又是一个挑战。

他认为，要保障灵巧手的实时控制，还是要装配边缘计算单元，再加上触觉反馈。但是对于具体的算力需求，目前仍没有定论，还是要取决于对延时和精细度的要求。

“不同的任务所要求的赫兹率不一样：抓取可以很慢，动作变化不大；但如果说要‘转核桃’，赫兹率就得很大。其实整个机器人学，都是在用神经网络的方式去生成执行轨迹。”王丛说道。

对具身智能逻辑的高度总结

王丛介绍称，具身智能技术可以分成3大块——基于大模型的任务理解， Manipulation（操控）， locomotion（位移）。

他表示，目前locomotion的方法论已经成熟，后续基本就是硬件迭代；至于Manipulation，今年基本还都是夹爪式的。

目前，行业在研究如何用一套算法适应不同的夹爪，或者实现动作泛化时，是从刚性物体、柔性物体、铰链物体三条路线上分头实践的。但预计到了明年，有可能这几种方法会融合在一起，进行统一泛化。

“有些企业认为，在特定场景中，使用夹爪就够了。但到了终极的人形机器人阶段，它们还需要重新开发灵巧手，将上述3项工作重新再搞一遍，才能解决泛化问题。”

尽管机器人存在差异较大的不同形态，但归根结底，传感器类别的变化都不大，也都存在标准协议。尽管各家都有性能上的差异，但从接口Interface上来讲，其实都是相对标准的。

另外，从机器人本体的种类上来看，无非就是底盘式、足式、无人机，和带机械臂的几类。

其中，底盘类更多关注的是定位、导航、避障，并不关注locomotion；足式机器人需要加上定位导航，同时也要考虑locomotion问题；带机械臂则需要考虑manipulation的问题。

“虽然看起来形态各异，但机器人的细节上其实有很多共通性，不过肯定是比自动驾驶会更复杂一些。”王丛表示，正是因为这些共通性，RDK才可以快速灵活地适配各类机器人。

“当然，地瓜机器人也不是今年才开始搞，过去也已经搞过很多年了。”王丛透露称，为了应对算力挑战，明年地瓜还会推出算力更大的芯片。

「完全端到端」并不现实

“在现阶段，机器人采用「完整的端到端」是不是最有效的手段，还没有形成定论。自动驾驶的端到端，实际上是相对收敛的模仿学习，任务相对固定；但机器人的任务分布太广了。”

王丛认为，自动驾驶基本上就是结合各种传感器的信号，使得刹车油门等几个动作在联合分布上统一在一起。但机器人的动作超级多，任务也会超级多，所以未必能用端到端去解决一切问题。

“如果用人的第一性原理去思考：让一个人从小学习做木匠，他应该能学出来，但并不是一个「通用的人」。我认为，最终的机器人很可能不是完全的端到端，而是在特定任务上基于一个Foundation Modal，再加上一些小样本的端到端。”他说道。

而周谷越也指出，自动驾驶是一个非常具体的具身智能场景，机器人却是由成百上千个自动驾驶场景组合起来的，同时本体还在变，所以二者面临的挑战很不一样。

“从技术上来讲，所谓的端到端只是说从感知到决策的一条线给打通了。目前更现实的方法，是手脚局部的端到端——机器人应该不会融合全身所有零部件做到端到端，因为从本体的复杂度来说，汽车比现在机器人要低得多。”

他表示，类似灵巧手的单模块，是肯定需要端到端的。因为其动力学系统建模，基本上是不可见的，不适用其他解法。

“自动驾驶或许还能用rule based的方法去解，但要想用灵巧手操作柔性物体，传统控制方法就解不了。”周谷越称，自动驾驶主要关注的是短程任务，而机器人的任务往往需要被拆解成很多步骤，这就完全是两个问题了。

所以现在，周谷越将机器人的Pipeline分为四个层级——Large Model Layer、Grounding Layer、Acting Layer，Control Layer。在Acting Layer上的每个模块都是端到端的，而上层的长程任务会采用任务分解的模型——将任务描述进来，再去分解成每个末端执行器的输入。

“当然，如果未来数据足够多，或是垂直场景足够具体的情况下，同时符合ROI指标，也可以把这条线打通。”

来源：RoboX