（来源：刘聪NLP）
今年WAIC真是逛到瘫，17号中午就进去直播了一下午，然后晚上还陪某人（急性咽炎）去医院打针。
18号上午8点又跑去了徐汇场，跟苍何、栗噔噔一起逛了一圈。那边场子不算大，也又一些好玩的产品，尤其是AI眼镜很多。
现场有一副只有14.8克的AI眼镜，我试戴了一下，比我自己的眼镜还轻，挺夸张的。
下午陪老周逛了一下午的展，直接累瘫，说话时，现在做AI，拼的真是体力呀～
昨天上海下大暴雨，路上我们几个人盘了一下，这几天比较有意思的展，
没想到，对17号直播的第一个展厅-sudo，印象都很深刻，名字很有意思，linux命令，哈哈哈
直播前，有对sudo有过一些简单了解，知道它们主要通过大量仿真数据训练机器人。
这样做的好处很直接，不需要每学一个动作都安排人拿着设备不断遥操作，再采集和标注一大批真机数据。
不过现场工作人员又补充了一个更准确的说法。
苏度机器人早期以仿真数据训练为主，后面还是加入少量真实采集数据，让机器人根据物理世界里的反馈继续调整。
仿真解决的是数据规模，真实数据负责把机器人从虚拟环境拉回现实。
这个大白（速度R系列模型）当时展现了拼装的能力，看上面视频。
我们把两个方形插接件随意摆在桌面上，大白需要先找到零件，判断它的位置和角度，把它稳定抓起来，再对准另一个部件完成插入。
难点是零件没有固定位置，机器人每次都要重新判断，而且插接本身又要求接近亚毫米级的精度。
另外一边，还有四台苏度机器人一起完成电池模组相关任务，箱体上料 → 电芯装配 → 条码检测 → 成品下线。
精准抓取，其实我们在直播的时候展示的就是这个能力，抓取桌面上不同位置的配件，进行亚毫米级装配。
箱体上料这个，其实sudo还有个专门的位置，就在展示不同物体的抓取能力的，
比如一个小的物体，
比如一个较薄的盘子，
反正各种物体形状、材质和摆放方式一直在变，同时还会被突然移动，机器人都能自己找到合适的抓取位置，再把东西稳定拿起来。
我觉得最难的还是，sudo机器人使用双臂操作柔性包装布，将钥匙扣等礼物包好，再递交给现场观众
布料跟盒子这种硬装置不同，布料每被碰一下，都会产生新的褶皱、滑动或者遮挡，
机器人拉动一个角，剩下的部分也会跟着变形，刚才判断好的位置可能马上就不准了，
所以很考验整个过程的柔性物体操作、双臂协同和连续任务执行。
对于电芯扫码，考验的是机器人五指的灵活度，
sudo也是研发自己的灵巧手，从模型、到本体，全栈都做。
今年的展厅跟去年也有很大不同，感觉今年好多家，都在往灵巧手上使劲，
也确实，手部做好现在也是比较难的，太小的手力量不足，太大的手灵巧度不足。
因为好奇，
我后来又去搜了一下sudo创始人苏昊在WAIC主论坛上的演讲。
他提到一个挺有意思的判断，语言只是物理世界留下的投影。模型可以流利地描述杯子掉到地上会碎，但它没有真正感受过杯子的重量，也没有被重力教育过。
同时，具身智能行业接下来会越来越关注可靠性，从99%到99.9%，每多一个9，背后可能都是大量很笨、很慢的基础工作。
AI已经虽然会写代码、做PPT、生成图片和视频，但它还不能帮助老人翻身，也不能替人进入高温、井下这些危险环境。
所以，苏昊给物理智能总结了一句话，物理智能的使命，是把人还给人。
最后，
我逛完今年WAIC，一个很明显的感受是，机器人正在从唱歌跳舞，慢慢走向更精细的操作。
夹住一颗柔软光滑的胶囊，插好一根线，把零件放进亚毫米级的位置，叠好一块容易变形的布，几台机器人配合跑完一段生产流程，所有任务都在更接近日常生活和生产中。
当然，现场演示不等于已经规模化落地，完成POC也不代表机器人明天就能全面进入工厂。
我现在对具身智能有一个比较明确的判断，接下来的进步，不可能只靠把模型做得更大。
语言模型有整个互联网可以学习，机器人的数据却天然是碎的。不同机器人有不同的关节、视角和控制方式，同一个抓取动作，换一只机械臂可能就要重新适配。
视频可以告诉机器人一个人正在叠衣服，却很难告诉它手指用了多大力、布料什么时候开始打滑。
所以，具身智能真正需要的数据闭环，同时包含互联网里的视觉和语言知识、仿真环境生成的大规模交互经验、真机执行留下的接触数据，以及每次失败之后的反馈。
我也不太相信未来所有能力都会被塞进一个巨大的端到端模型里。
理解人的指令、拆解任务、调用知识，这一层可以慢一点。
机械臂已经接触到物体以后，控制力度、修正轨迹、躲开突然出现的障碍，这一层必须足够快，最好直接在机器人端侧闭环运行。
未来比较合理的形态，是一个负责理解和规划的慢系统，加上一组负责快速执行和实时纠错的底层技能。上层决定做什么，底层保证每一步真的做得到。
最后的最后，
期待，具身智能迎来自己的ChatGPT时刻。
热门跟贴