科學前沿 機器人與物理現實之間,還差一雙靈巧手!【科學前沿】

透视镜
20粉絲
41 次觀看·2026年8月12日
AI 生成·可能包含錯誤
視頻概述
AI 生成這段影片探討了人形機器人的現狀,指出其在腿部運動智能(如跑酷、平衡)已接近甚至超越人類,但在手部操作智能上仍處於極低水平。透過分析「莫拉維克悖論」,影片解釋了為何簡單的感知運動技能對機器人而言比高級邏輯運算更困難,並詳細討論了靈巧手的硬件瓶頸、訓練路徑及觸覺感知的挑戰。
說到機器人,你腦海裏浮現的第一個畫面是什麼?
是《重慶者》裏那個冒着紅光的T-800
還是西部世界裏的接待員?
這些都只是科幻,在現實中
可能很多人會想到波士頓動力
還記得十幾年前的大狗嗎?
它看起來又吵又笨,像個四腳的拖拉機
但是它在冰面上怎麼踹都不倒
那是我們第一次被機器的動態平衡所震撼
然後是Atlus
它學會了雙足行走
在雪地裏艱難跋涉
被一次次推倒又爬起來
再後來是SPAW的機器狗
這是操作和移動的第一次經驗結合
到了近幾年
Atlus徹底掌握了自己的身體
跑酷、後空翻、跳舞
動作的流暢度和爆發力
已經讓我們分不清這是特效還是現實
它向我們證明
部分場景下的運動智能
機器人
已經接近甚至超越了人類
你再來看今天新發布的人形機器人
走路姿勢一個比一個優雅
看到這兒
你是不是也覺得機器人的時代真的來了
他們會跑會跳
幾乎無所不能
但我們先暫停一下
我們回看一下那個機器人
給工人遞送工具包的視頻
先仔細看他的手
嚴格來說
這不能算是手
那只是一個簡單的
只有兩根或三根手指的甲爪
它能夾住形狀規則的工具包
但如果包裏面有一個生雞蛋
你讓它拿出來
恐怕就要被捏碎了
所以
機器人時代真的來了嗎
只能說如來
這就引出了目前機器人領域最魔幻的現實
機器人在腿部運動智能方面
已經進化到了超人的水平
但在手部的操作智能上
甚至還沒有達到一歲應用的程度
腿只需要解決兩個問題
支撐和移動
現階段別射倒就OK了
這裏要提到一個名詞
叫莫拉維克貝論
對計算機來說
下棋做危機分
這種人類定義的高級智能
輕而易舉
但對機器來說
學會走路拿東西
這種一歲小孩就會的
低級感知運動技能
反而難於登天
手是人類進化史上最精密的儀器
它能抓
握
捏
碾
推
拉
彈等等
人類80%的活動
都要靠手來完成
而機械靈巧手要實現這些功能
面對的是極致的空間限制
和極端複雜的自由度
還要兼顧力量
靈巧和耐用性
所以綜合多種因素
在機械硬件層面
手確實是工人最難的部分
說它是噩夢級地獄級都不爲過
這隻手
就是機器人
通往物理世界最關鍵的瓶頸
先來感受一下
我們在造物主面前的無力感
人手的兩個參數
第一個叫自由度
你的手有27塊骨頭
20多個主動自由度
最關鍵的是
你手指的主引擎
那些提供強大握力的肌肉
其實都藏在你的小臂裏
它們通過鋼絲繩一樣的基建
遠程遙控你的趾骨
讓你的手指既纖細又有力量
第二個數據
叫抓重比
一個成年男性的手
重量不到500克
卻能輕鬆抓起5公斤10公斤的重物
抓重比大約10
如果你是大力士的話
相信幾十公斤也不在話下
而目前地球上最頂尖的科研級靈巧手
比如英國的沙特漢
全副武裝精密無比
一隻造價幾十萬
但它抓重比也只有大約1.2
它重2公斤
卻只能抓起2.4公斤的東西
10比1.2
這就是生物進化
和人類工程學之間的鴻溝
造靈巧手已經是地域級難度了
教會手該做什麼更是難上加難
這條路通向通用人工智能
畢竟我們現在已經有了
極其強大的AI大模型
它們能寫詩能畫畫
理論上無所不能
爲什麼就不能控制一隻手呢
這就引出了目前機器人界的路線之爭
我們到底該如何訓練它們
要讓機器人學會和人一樣動手
數據從哪來呢
目前行業裏分化出了兩條
截然不同的進化路線
一是真身入局的影子模仿
人類怎麼做
機器人就怎麼學
最近斯坦福大學發佈了Human Plus
不需要昂貴的動捕服
也不需要複雜的參賽設備
只需要一個普通的RGB攝像頭
測試員站在攝像頭前
你動一下
機器人就動一下
如影隨形
機器人像影子一樣模仿人類
你幹嘛他幹嘛
所以叫影子模仿
這背後的邏輯是
與其讓AI在黑暗中
瞎猜怎麼動
自動駕駛汽車
也可以從上路的車輛上採集
但機器人就沒辦法了
在行業內
數據一直都是稀缺資源
採集一條高質量的
包含觸覺信息的真實交互數據
成本大約是5美元
如果要把設備折舊人工場地算進去
一條有效的真機數據
綜合成本可能高達400到500元人民幣
雖然特斯拉機器人有現成的工廠
可以在物理世界中訓練
是很大的優勢
只要積累了足夠多的真實物理數據
再結合強化學習
機器人就能把這個技能內化
變成他自己的技術記憶
但有人會說
找人教太慢了
成本太高了
能不能讓AI自己領悟呢
這就有了第二條路
模擬與現實混合雙打
這裏最強的代表
是谷歌DeepMind最近發佈的乒乓球機器人
打乒乓球對機器人來說簡直是噩夢
球速快
旋轉變化多
留給機器人的反應時間只有幾毫秒
DeepMind沒有讓人手把手的教
而是造了一個虛擬球館
先讓AI在虛擬世界中打個幾億次
學會了基本的擊球策略
然後再把它拉到現實中和真人對打
在和不同水平的人類打了29場比賽之後
這個機器人不僅學會了接球
還學會了套路人類
結果是他贏了所有的初學者
贏了55%的中級選手
雖然暫時還打不過專業選手
但也只是時間問題
機器人可以通過虛擬訓練加現實微調
掌握這種需要極致動態反應的技能
未來的機器人一定是這兩種路線的結合體
既有人的經驗
又有機器的算力
不過動作學得再像
你可能不知道
人類的觸覺有多細膩
最近發佈的一項關於遠程觸覺的研究
把這種差距給量化了
實驗很簡單
讓人類和機器人分別用手指
在沙子表面輕輕地掃動
去判斷沙子底下有沒有埋着什麼東西
注意啊
手指是不能接觸那個物體的
全靠沙子傳導過來的微弱的力的變化
來感知
結果呢
人類的準確率70%
我們的大腦能瞬間解析沙粒流動的細微異常
同時鎖定目標
而機器人的準確率僅爲40%左右
哪怕用了最先進的傳感器和長短期記憶算法
機器人依然顯得很遲鈍
經常誤報
或者根本感覺不到
這30%的差距
就是目前機器人看起來笨手笨腳的根本原因之一
沒有這種極致的觸覺
機器人抓雞蛋會碎
哪輩子會滑
給你按摩
不是沒勁就是一不小心把你給捏骨折了
所以啊
光有靈巧手是不夠的
現在的科研界正在拼命地攻克電子皮膚
未來的靈巧手
指尖上的傳感器密度將會是現在的十倍百倍
它不僅要能摸出冷熱
軟硬
還能像人一樣感知細微的波動
聊完技術我們再來說說錢的事
任何不能普及的技術
都是實驗室的玩具
國外的科研級靈巧手
比如說沙特漢
2019年就完成了單手解膜方
好是好
但一隻手就要幾十萬甚至上百萬人民幣
買一隻手的錢可以在三線城市買兩套房了
這誰用得起
這時候中國製造的恐怖之術就體現出來了
就在過去兩三年的時間裏
國內湧現出了一大批做靈巧手的公司
雖然這些產品和頂尖的相比還有差距
但價格便宜
他們硬生生的把靈巧手的價格從幾十萬
打到了幾萬甚至一兩萬的區間
未來還有可能更低
只有整體的價格下來
他纔有可能走進工廠
走進飯店
甚至走進你的家裏
幫你疊一幅倒垃圾
現在一些關鍵的零部件價格已經299了
以後還有可能更低
再過幾年
動手能力強的朋友
完全可以自己手搓一臺人形機器人
雖然現階段的機器人
走路會摔倒
跑步會撞人
但他們已經亮相起步
人形機器人是迄今爲止最爲複雜的智能終端之一
技術前所未有的高度繼承
它不是單一技術的展示
而是要求人工智能
機械工程
傳感技術
材料科學
仿生學
能源動力等數十個前沿領域
在同一個載體上深度融合
咱們國家新的五年計劃
佈局人形機器人產業
就是爲科技創新體系
設立了一個燈塔級的目標
驅動全產業鏈技術成績
而機器人整個營業當中難度最大的
就是這隻手
人的手可以說是進化的奇蹟
媲美人手的機械聯想手
也將是人類最高科技的體現
你看
它正在努力模仿人類的一舉一動
感受物理世界的溫度
