人形機器人由展示動作走向理解環境，模型能否把指令準確轉成肢體操作成為關鍵。宇樹科技創辦人王興興20日在北京世界機器人大會論壇表示，公司正推進物理AI機器人模型研發，嘗試以大量真實和仿真數據訓練機器人；內部程式開發亦開始採用「AI寫代碼、人類評價打分」的協作方式。
王興興20日在世界機器人大會論壇介紹宇樹物理AI模型研發進度。
這是宇樹科技上市後王興興首次公開談論技術路線。他指出，大模型在文字和圖像領域進步迅速，但機器人要在現實世界完成抓取、行走和工具操作，必須同時處理視覺、觸覺、關節狀態和空間位置。模型輸入與機器人實際輸出之間的對齊，仍是物理AI最難解決的瓶頸。
王興興舉例，模型在模擬環境中可能判斷動作正確，落到實體機器人時卻會因幾厘米甚至幾毫米誤差而失敗。物件形狀、光線、地面摩擦、機械結構公差和感測器噪聲，都會令同一指令產生不同結果。任務步驟愈長，誤差也會逐段累積，最終令成功率下降。
宇樹正建立涵蓋人形機器人和四足機器人的數據系統，把遠程操作、人工示範、仿真訓練及實機回饋放入同一流程。模型先生成動作，再由人員按照是否完成任務、動作是否安全和效率是否合理評分，評分結果回到訓練系統，作為下一輪更新依據。
最後幾毫米
「AI寫代碼、人類評價打分」也被用於軟件開發。王興興表示，工程師可讓模型生成控制、測試或數據處理代碼，再由人員檢查結果和標記問題。這種方式可減少重複工作，但安全控制、硬件保護和最終發布仍由人類負責，不能把模型輸出直接部署到機器人。
物理AI與只回答問題的生成式AI不同。機器人的錯誤可能造成碰撞、跌倒或設備損壞，因此模型除了追求成功率，也要識別不確定狀態，在無法判斷時停止或交由人員接管。訓練數據亦須涵蓋失敗案例，才能讓系統知道哪些動作不能執行。
宇樹近年把產品由四足機器狗擴展至人形機器人，產品已用於科研、教育、巡檢和展示。上市後，公司要同時面對量產成本、供應鏈、售後服務和技術披露要求。物理AI模型若要成為通用能力，也須在不同硬件平台和使用場景保持穩定。
世界機器人大會今年集中展示人形機器人、具身智能和核心零部件。多家公司以模型驅動操作作賣點，但公開演示通常在設定場景進行。王興興把「最後幾毫米」視為瓶頸，意味技術評估不能只看動作是否流暢，還要檢查重複成功率、環境變化和長時間運作。
下載APP