新智元報道

編輯：編輯部

【新智元導讀】WAIC大會上，這個機器人憑驚艷實力引起了層層圍觀！疊衣服、分揀物品、聽指令取貨，他們研發(fā)的Mech-GPT多模態(tài)大模型和「眼腦手」系統(tǒng)，讓機器人的高難度操作性能暴增。現(xiàn)在，這家公司已經(jīng)成為市占率連續(xù)五年的行業(yè)冠軍了。

最近，馬斯克的「擎天柱賣爆米花」再次讓具身智能進入大眾視野。

特斯拉主題餐廳最近試營業(yè)，Optimus在餐廳上崗，裝爆米花的動作嫻熟流暢，引得大批人類圍觀——

現(xiàn)在的具身智能，已經(jīng)進化成這樣了嗎！

注意看他的眼睛和手，尤其是手中的盒子沒有被捏扁變形，「眼睛」還會隨著動作向你看來。

這些擬人的、連貫的動作對于機器人「大腦」是很大的挑戰(zhàn)。

而在世界人工智能WAIC大會上，我們終于見到了又實用、又通用、速度又快的具身機器人！

而且，不僅有人形，還有單臂、雙臂等各式各樣的形態(tài)。

這些機器人都來自同一個展臺——梅卡曼德機器人。

在梅卡曼德自研的Mech-GPT多模態(tài)大模型加持下，不管是何種樣態(tài)的機器人，都夠高效地執(zhí)行各種精細的動作和高難度的復雜任務。

對于前者，下面這個機器人輕松地擺出「承讓」和「ok」的手勢。

對于后者，那場景可就多了：

比如，擺在這個雙臂機器人面前的，便是典型的柔性物體——一件衣服。

想要把它疊好的難點在于，這一個長序列任務，需要機器人連續(xù)不斷地完成一系列指令。

而且在動作做下去后，柔性物體會產(chǎn)生很難預測的結(jié)果，這就對機器人隨機應變的能力提出了極高的要求。

不過，雙臂機器人最終十分順利地完成了這個長序列復雜柔性疊衣服任務。

4倍速

更進一步的，機器人還能自主分揀海量的隨機真實物體，具備對各種各樣真實貨品泛化操作的能力。

可以看到，下面這個雙臂機器人，它的面前現(xiàn)在準備了9個分類框和幾十種物體，如此復雜的貨品，它都能做到絲滑地操作和分類。

更神奇的是，如果我們把標簽換掉，它甚至還能根據(jù)情況隨機應變。

在這個過程中，它既展現(xiàn)出了廣泛物品的識別能力，也展現(xiàn)出了對廣泛物品的操作能力，以及對文字的識別和常識分類的能力。

有趣的是，這個過程中它不僅在完成收集物體的任務，同時也在為自己收集大量數(shù)據(jù)，讓自己的能力不斷提升。

而且在現(xiàn)場，這家公司絲毫不怕讓觀眾親身體驗。展位上早已擺滿琳瑯滿目的小物件，信心十足地等待現(xiàn)場觀眾的測試。

現(xiàn)場的人們可以隨意用自然語言發(fā)出頗有難度的指令，比如讓下面這個單臂機器人「把物品放到對應的紙上」。

在聽到自然語言的命令后，機器人搭載的百億參數(shù)大模型就會綜合語言輸入、視覺輸入，準確認識到自己該執(zhí)行什么任務。

另外，它還可以從貨架上準確無誤地取貨。

觀眾在服務臺ipad上下單選擇相應飲料，機器人收到訂單后，就會行駛至貨架處，取回對應飲料，回到服務臺遞給觀眾，贏得滿堂喝彩。

2倍速

在這場備受矚目的世界人工智能大會上，為何這家機器人公司能有如此充足的底氣，大膽展示自家產(chǎn)品？

自然是因為，他們家的機器人，性能足夠硬核。

具身智能，從哪里突破？

從上面這些驚人的demo可以看出，具身智能應用需要具有極高的豐富性和實用性。

比如，在機器人的速度、節(jié)拍、任務泛化性和物體泛化性上，都需要有極其優(yōu)異的表現(xiàn)，才能絲滑地完成各種多樣化的任務。

而梅卡曼德的機器人之所以能在這么多項指標上都表現(xiàn)亮眼，正是因為它的「眼腦手」充分做到了一體化。

手：Mech-Hand五指靈巧手

首先，就是Mech-Hand五指靈巧手。

它的設計緊湊，靈活度高，穩(wěn)定性好。

再加上可以搭配泛化的AI抓取算法，就可以毫不費力地精細抓取各類物體了，比如抓一個燈泡、一個雞蛋，或者敲鍵盤。

這些動作中包括了「捏、拿、摸、點、放、提、拽、拉、按、寫、拔」等幾乎所有「人類手」能完成的操作。

眼：Mech-Eye高精度3D相機

梅卡曼德機器人的「眼」，就是Mech-Eye高精度3D相機了。

這個「眼睛」搭配自研先進AI成像算法，因此可以對透明、反光的物體進行高質(zhì)量成像。

這些3D相機具有多種型號的設計，可以滿足不同場景下小體積、大視野、高精度、抗環(huán)境光等要求。

比如，它可以「看見」各類常見的復雜、真實物體。

還能「看見」各種顏色/細節(jié)豐富的各種真實貨品。

腦：Mech-GPT多模態(tài)大模型

梅卡曼德機器人的「腦」，就是Mech-GPT多模態(tài)大模型。

梅卡曼德通過自研AI大模型，可以讓機器人具備類人的學習、理解和推理能力。

機器人可以理解自然語言指令及復雜環(huán)境，還能自主執(zhí)行復雜任務。

只要我們發(fā)出指令，它便能準確完成「把食肉動物放到最大的容器里」等任務。

如果告訴它你餓了，它還會在思考后，主動遞給你一只香蕉。

正是因為「眼腦手」的配合，才讓機器人具備了高階的智能，能夠理解人在說什么，還能從人類的自然語言中推理出我們究竟想要什么，從而完美完成任務。

實用場景廣泛

從機器人的貨架取貨場景，我們可以看出，正是因為有了「眼腦手」和人形機器人的綜合配合，它的速度才能這么快，效率才能這么高，才能在多種常見的使用場景中發(fā)揮作用。

從以上的種種demo中，我們可以清晰地感覺到：「眼腦手」和不同形態(tài)機器人配合后，使用的場景太豐富了！

比如疊衣服和GPT單臂的「眼腦手」功能，都體現(xiàn)了機器人在豐富居家場景中的可用性：處理多樣且復雜的任務。

而機器人在貨架上取貨，則屬于零售和商超場景，而且效率很高。因此在未來，它們非常有希望運用到千行百業(yè)中。

而且，現(xiàn)在梅卡曼德的機器人已經(jīng)在工業(yè)場景大規(guī)模落地了。

這套系統(tǒng)早已不是實驗里的樣品，而是真正落地在了汽車制造等工業(yè)現(xiàn)場，已經(jīng)廣泛服務數(shù)十家車企

通過高精度的3D相機、人工智能軟件和工業(yè)機器人的結(jié)合，讓它能在不到2秒鐘內(nèi)就能抓取一件物體，對海量物體的抓取和操作，都是自主執(zhí)行的。

這樣的速度，讓它完全可以替代人類員工完成任務了。

而在醫(yī)療、工業(yè)等領域，因為對透明物體識別和抓取上料有超強的泛化性，它也有了超多的用武之地。

下面的場景，就體現(xiàn)出了梅卡曼德機器人對于透明物體強大的識別能力。

注意，這個過程中可不僅是攝像頭，而是采用了很多AI技術，否則機器人不可能如此準確地識別這些難度極高的全透明物體。

更令人印象深刻的是，梅卡曼德技術迭代非常快，在AI等前沿技術上，他們一直在不斷升級。

具身智能大混戰(zhàn)，為何他們率先上桌？

8年里，梅卡曼德通過「眼手腦」的戰(zhàn)略和AI技術的不斷迭代，讓自家的領域覆蓋了工業(yè)、物流、重工等多個行業(yè)。

用創(chuàng)始人、CEO邵天蘭的話說，這是一個「既要、又要、還要、也要」的過程：要有靠譜的硬件，有通用的AI算法，有落地快的部署能力，還有完善的培訓、技術支持、合作伙伴網(wǎng)絡，總之，這是在拼一整張「行業(yè)地圖」。

然而，他們卻扛住了壓力，連續(xù)五年做到了市占率第一，成為全球「AI+機器人」領域最大的獨角獸之一。

怎么做到的？這就要講到，創(chuàng)始人的獨特眼光了。

十幾年前，邵天蘭開始了一段孤勇的逆行之路：在清華本科畢業(yè)生中，他是唯一一個選擇去德國學機器人的人。這個選擇，在當時看來十分非主流。

那時，AlphaGo剛剛擊敗李世石，讓他看到一個時代正在眼前開啟。

在他看來，真正改變行業(yè)格局的，正是AI。不是要做單一控制的機器人動作，而是讓機器人真正具備感知、理解、決策能力。

這也就是為什么梅卡曼德不做機器人「本體」，而是專注去打造「眼」「手」「腦」。

服務這么多行業(yè)，需要瘋狂定制嗎？答案是否定的。梅卡曼德靠的恰恰就是極致標準化的產(chǎn)品+通用的AI算法。

原因在于，「眼」和「大腦」是共性的，個性的只是手腳動作而已。

在宜家，一把椅子只要幾十塊，但找木匠定制就要上千。而梅卡曼德，走的就是「宜家模式」。

未來十年，機器人進入家庭

10年前的自動駕駛已經(jīng)證明：誰先把業(yè)務跑起來，誰就能先積累數(shù)據(jù)、驗證模型，就能笑到最后。

今天的具身智能機器人，也是如此。

而現(xiàn)在，梅卡曼德已經(jīng)上桌了。

這家由清華海歸團隊在2016年創(chuàng)辦的公司，才短短9年，就成為了全球為數(shù)不多的，真正把具身智能機器人做成跨行業(yè)、多場景、大規(guī)模落地的佼佼者。

他們的機器人已經(jīng)在全球的15000多個場景落地，服務了超過100家的《財富》五百強客戶，業(yè)務遍布了50多個國家和地區(qū)。

根據(jù)第三方咨詢公司高工機器人產(chǎn)業(yè)研究所和睿工業(yè)的市場統(tǒng)計數(shù)據(jù)，梅卡曼德機器人在細分領域，已經(jīng)在2020-2024年連續(xù)五年市場占有率排名第一。

工廠上料、快遞分揀、廚房助手……機器人助理，已經(jīng)成為下一個時代的標配。

甚至根據(jù)邵天蘭的說法，指望機器人養(yǎng)老，可能比指望孩子更靠譜一點。

在他的設想中，90后在退休之前，就能看到機器人達到L4、L5的級別。

同時他也堅信：讓機器人進入家庭，未來十年一定會實現(xiàn)。

而梅卡曼德「眼+腦+手」的三重開掛，正在讓這種可能性越來越近。