跟骑手学习送外卖，这家具身智能公司的机器人已经上岗挣钱了

原创 机器之心 机器之心机器之心原创作者：张倩你点过无人机送的外卖吗？在深圳、上海等一线城市，让无人机给自己送个外卖已经不是什么新鲜事。但它送的方式可能和你想的不太一样。想象中的无人机送外卖 be like：高安全性带来的是高可落地性。我们知道，像 Waymo 这样的公司在 Robotaxi 方面已经做得非常好了，平均五万公里左右才接管一次，但距离大规模落地似乎还是遥遥无期。其中一个很大的原因就是它的场景容错率太低了。而 Vayu 和我们选的都是一些高容错率的场景。除了末端物流，其实我们还落地了一些类似场景，比如帮机场驱鸟、帮鱼塘抛洒鱼料。从技术路线上来讲，大家都不约而同地看好这个路线。但相比之下，我们在数据上具备一定的国情优势。机器之心：你们的机器人盈亏情况如何？卢鹰翔：我们可以达到单个机器人的盈亏平衡。我们落地的末端物流主要是外卖和商超两大块，客户分别是国内在这两个场景市占率最高的两大平台。商超领域我们其实跑得挺成熟的，比如在苏州，我们给山姆送了 18 个月，累计送了 3 万多单。这 3 万多单累计下来是盈亏平衡的。我可以分享几个数据。第一个是平均效率，国内骑手平均每天送 35 到 40 单，我们的机器人平均每天可以送 20 单，相当于两台机器人可以干一个人的活儿。第二个是履约率，即有多少单是按时、无损送达的，这个数值可能更有意义。通常来讲，我们机器人的履约率可以达到 98.5%，按照达达对于骑手的考核标准，这可以达到 A 级（以 98% 为界）。在这个场景中，我们的机器人和骑手是在一个地方排队的，不需要前置仓为它们配备额外的人力。考核标准也和骑手一样。外卖是一个比商超更有挑战性的领域。它是多点对多点的配送，也要保证时效。在这个场景中，我们的机器人和人的考核标准也是一样的，超时或出现其他问题也要扣钱。在跟人类骑手进行平等的奖惩考核的情况下，机器人挣到的钱可以覆盖它的成本，包括折旧、电费、维修费、管理员工资等等。在具身智能产品还没有大规模量产的当下，这种盈亏平衡的情况是非常稀有的。未来迭代方向：上肢、自然语言和多模态机器之心：现在，这个机器人拥有上肢了，交互变得更加复杂，你们遇到了哪些新的挑战？龙禹含：最大的一个挑战还是数据问题。当机器人的能力扩展到上肢，它的数据是更加稀缺的，全球的科研机构、公司都在花很大的力气去收集数据。但即便如此，数据的多样性依然不足，实际训练出来的模型泛化性也不是很强。比如谷歌的 RT 项目，在做厨房场景时，他们有一个机器人数据厨房，专门用来收集数据。但离开这个厨房进入到真实场景后，他们机器人的成功率还是会大幅下降。不过，我们机器人的动作相对来说没有那么复杂，比如不用去学叠衣服等涉及柔性物体的动作，也不会像谷歌那样有很多步骤。它的动作基本上可以拆解为一些子问题，比如操作电梯的按钮、操作货物包装袋、拉开门让底盘出去等。在拆解出这些子问题后，我们就可以专门去收集这些场景的数据，然后利用一些模仿学习的算法去学习，让这件事情跑起来。在跑起来之后，我们的机器人会看到一些成功的案例，也会看到一些失败的案例。在看过各种各样的包装袋、门、电梯之后，它的能力就会逐步提升。机器之心：现在具身智能的一大方向是让机器人听懂自然语言，甚至基于多模态信息来进行推理决策，推行科技在这方面有没有一些计划？卢鹰翔：让机器人听懂自然语言这件事情肯定会去做，而且已经在我们的规划之中，下一代产品就会具备这样一个能力。本身我们机器人产品的应用场景就比较贴近人的日常生活，直接用自然语言交互将是非常实用的一个功能。龙禹含：关于多模态，其实我们的机器人现在已经在用多模态大模型了。即使是完成刚才提到的按电梯按钮、取货、开关门这样的操作，如果想达到一个比较好的泛化能力，现在最稳定的路径就是利用大模型的多模态能力。目前我们机器人里的多模态大模型主要用于解决一些视觉问题，比如物体识别、目标物估计。这有别于传统的自动驾驶，后者只针对某些类别，比如汽车、行人、电动车，去做识别。我们的机器人要识别不同样子、不同位置的电梯按钮，不同形状的纸袋、塑料袋以及不同类别的门，它面对的要求更高了，所以我们用多模态大模型来解决这些问题。机器之心：很多人认为，人形机器人会是具身智能的最终形态，您怎么看？推行科技是否有必要去做人形机器人？卢鹰翔：说人形机器人会是具身智能的最终形态，这背后的主要逻辑是：目前人类生存的物理世界，比如房子，本身是为人类躯体设计的，所以人形机器人会具备最广泛的通用性。但我们认为，碳基智能和硅基智能之间有一个很大的区别。碳基智能只能支持特定的躯体，比如一个人的大脑只能驱动一个人，一个狗的大脑只能驱动一只狗。但硅基智能可以同时支持多种形态，比如一套智能驾驶系统可以装在本田的车上，也可以装到丰田的车上。所以硅基智能本身不太受具体形态的限制。在认识到这个区别后，我们认为，具身智能不一定非要定义一个最终形态，比如变成人形去适应人类的生存环境。反之，它可以是环境本身。也就是说，它不一定非要去一辆汽车、一幢房子、一条生产线上去工作，它可以是这个汽车、房子、生产线本身。它可以同时存在多种物理形态。具体到产品开发思路上，我们不会跟风去做一个人形机器人，而是根据客户、场景的需求来决定把机器人做成什么样子，比如它按电梯或者开门需要一只手，我们就给它安一只手。龙禹含：我补充一下。其实在产品迭代的过程中，我们考虑过两种方向，一种是比较贴近于人的方向，一种就是现在这种方向。我们之所以做出现在这种选择，其实主要是考虑这个产品需要大规模在实际场景中落地。如果做成接近于人的形态，还要在非机动车道上达到接近骑手的速度，我们觉得是不适配的。而且还存在交规风险和居民、客户接受度的风险。未来，我们还是会根据客户的需求以及成本等因素来选择合适的形态。数据驱动贯穿始终机器之心：前段时间，李飞飞教授创立了一个空间智能公司，您如何看待这个方向？卢鹰翔：在看到新闻后，我们也做了一些调研，就是研究李飞飞教授这个公司具体要做什么。我们问了她实验室的学生，结果学生暂时也不太清楚。考虑到李飞飞教授之前一个非常重要的贡献是 ImageNet，而具身智能领域现在既没有特别好的训练数据集，也没有特别成熟的预训练模型，所以我们猜测，她这个新公司可能会在数据方向做一些事情，比如三维场景中人和机器之间相互关系的数据的收集，然后用这些数据去辅助机器人基础大模型的训练。机器之心：李飞飞等具身智能领域的研究者有没有给你们的创业之路提供一些启发？龙禹含：数据魔咒已经成为当前具身智能领域的一个共识。李飞飞等研究者给我们的启发，就是要尽快去实际场景中获得更多高质量的数据，而且是用商业化的方式低成本地去获取，然后再反过来推动技术的进一步发展和落地。这是我们在创立推行科技之初就确立的思路。在具身智能领域，这个思路已经被李飞飞教授这样的业界前辈反复印证。这让我们在这个方向的努力变得更加坚定。© THE END转载请联系本公众号获得授权投稿或寻求报道：content@jiqizhixin.com