对话孙立宁：具身智能离真正理解环境还有多远

 

会跑、会跳、会翻跟头的机器人，距离真正理解环境、自主决策并稳定工作，究竟还有多远？近日，苏州大学特聘教授孙立宁在接受澎湃新闻采访时明确表示，当前机器人的“小脑”本体和运动控制进步更快，部分具身产品有望在三至五年内落地，但具身“大脑”如果想要达到接近人的通用智能理想状态，是个漫长的过程。

孙立宁是国内资深机器人专家，本科、硕士和博士均就读于哈尔滨工业大学，毕业后留校从事机器人研究。

2010年孙立宁加盟苏州大学，现任苏州大学特聘教授、博士生导师，苏州大学先进制造技术研究院院长、机器人与微系统研究中心（省重点实验室）主任。他深耕机器人领域三十余年，研究方向涵盖工业机器人、微纳操作机器人、医疗机器人以及机器人控制与成果产业化，在学术研究与技术落地方面均具有深厚积淀。

人形机器人五个关键环节，最后才轮到“大脑”

澎湃新闻：如果把人形机器人拆开来看，您认为最关键的技术环节有哪些？

孙立宁：第一是人形机器人的多自由度，人形机器人有双足、双腿、胳膊，要在很小的空间里放那么多自由度。从设计上来说，轻量化、紧凑化、仿生化的设计是最关键的。

第二是机器人的关节，机器人翻跟头、跳、蹦，用到那么小的关节，动力和爆发力要高，要有高功率密度；还要能够长期工作，不发热，还要可靠，这需要关节的能力。

接下来，具身智能机器人应该对外部环境有感知和交互的能力，传感是很重要的第三个技术。人有视觉、听觉、嗅觉、触觉、热觉，我们强调的“具身智能”也要有这些能力，而每一种感觉要实现都很难。

比如一只手，要有电子皮肤，能抓很精细的物体，还要有精细的感知，这对过去的材料技术、芯片技术都提出了高度集成的要求。还包括红外传感器，在夜间或者天气不好的时候也能看见。比如家里的气体传感器可能只能检测煤气这一种气体，但人什么气味都能闻出来。视觉、听觉、触觉、嗅觉，还有环境温度等。

第四机器人的运控能力和全身动力学，相当于机器人的“小脑”能力，我们看机器人跳舞，抓东西、协作，这部分都是机器人的“小脑”。

以上四个技术具备之后，第五个技术才是我们所追求的具身智能理想状态：命令机器人干活，不用再告诉机器人具体怎么操作，它能把人的命令翻译成机器人所有的动作。机器人要通过感知、决策下一个动作，这就是机器人的“大脑”系统。

总结一下，机器人最关键的技术是“大脑”、“小脑”和“肢体”，小脑负责运动控制、感知部分，大脑负责所有传感信息的分析决策，从传感到运动控制，然后到机械手、关节、臂等，就是软件、硬件、传感这样的体系，把这些关键技术展开，最后组成机器人。

澎湃新闻：和传统工业机器人相比，现在的具身智能有多智能？能做哪些以前工业机器人、协作机器人做不了的事？

孙立宁：早期的工业机器人叫第一代可编程示教机器人，没有感知能力；第二代机器人有局部的感觉和视觉能力，知道抓取物体的位置，能看到焊缝的位置，但没有决策能力。

第三代机器人是我们追求的具身智能，能根据环境自主分析和决策。比如告诉它“把这个盖子打开”，它能自己判断手放在哪里、用多大力、动作失败后怎样调整。这个过程不是一条预先写死的轨迹，而是机器人自行感知、判断、动作和反馈形成闭环具备的能力。

做饭是一个能体现闭环的很好案例。机器人可以先模仿人的动作，把一道菜做一遍；但油量、食材、温度一变，原来的动作就不一定适用。它必须根据锅里的状态作出评价，再通过反馈和强化学习调整。人在菜谱里常说“少许”“温火”“熟了”“香了”，这些词背后包含大量经验，很难直接量化。机器人要理解这些隐性知识，必须把视觉、温度、气味、触觉等多种信息结合起来，还要有评价结果的机制。

“大脑”理想状态还要20到30年

澎湃新闻：现在的具身智能分析和决策能力水平怎么样？在你看来，机器人的“大脑”要达到这种理想状态，需要多长时间？

孙立宁：客观评价，如果指的是接近人的通用智能，现在还没有达到我们理想中的水平。大脑要达到那么好的理想状态可能需要20年到30年，小时候想象的科幻AI到今天也未能完全实现。

2023年机器人只能走两步，2024年能走两步，但可以看到机器人马拉松大赛过程中还会摔；2025年开始，机器人开始进工厂干活，2026年的现状，大家也都看到了，预计2027年陆陆续续会有应用发展。

这是因为“小脑”和肢体发展得比较快，但大脑还不行。虽然长了个脑袋，但它没有思想。传感器还没那么多，也没那么全，分析得也没有那么好。有的是遥控，有的是示教，有的是重复演示，有的是简单反馈。

电脑、手机、车都实现智能了，机器人的大脑还感受不到变化。未来20年有一个突破性的改变，我认为是有可能的。

参照过往经验，工业机器人用了40年才批量化，协作机器人干了15年才落实，医疗器械也验证了20年；虽然当前科技加速条件更好，“小脑”肢体部分进步较快，好产品3到5年就能出来，但“大脑”目前更多还停留在理论想象阶段，仍需时间沉淀。

澎湃新闻：大脑现在发展相对更慢，是因为我们的科学家企业家都扎堆在研究“小脑”了，还是因为它技术本身的问题？

孙立宁：有很多要素影响。

第一是算力，模型要做到又快又准，需要很强的算力，也需要高性能芯片 ，有时算法已经有了，但是CPU或者其他计算平台跑不动，形成一定瓶颈；

第二是算法，即使算力够了，算法是不是有足够强的适应能力？是不是能真正解决智能问题？这也还没有完全解决；

第三是数据，机器人所需要的数据量非常大，一张高清图片有很多数据，一个动作如果每秒几十帧，再加上每一个手指关节的运动信息，数据量非常惊人。而且还需要高质量的数据，知道如何处理，所以算力、算法和数据，这几个问题都要逐步突破。

中国小脑以下有竞争力

澎湃新闻：具身智能最大的一个问题，是大家对它的心理预期太高了吗？

孙立宁：可以这么说，大家确实容易高估技术发展的速度。但另一方面，一个新技术如果完全没有社会关注，也很难集中这么多人、这么多资源来推动它。所以一定程度的关注和热度也是有作用的。只是我们在讨论的时候一定要客观，既不能说这个方向没有价值，也不能把还没有实现的事情说成已经实现了。

澎湃新闻：哪些你认为还没有实现的事情？

孙立宁：如果指的是接近人的通用智能，五年内也很难达到。从应用场景看，机器人可以先在一些明确任务上变得可用，但不能期待机器人进家以后什么都会做。

例如家里的扫地机，如果给它装上一个机械臂，完成刷马桶、捡起袜子或鞋子这类动作，可能两年左右就会有比较实用的产品。

我认为三年左右有可能会逐步实现家庭康养落地场景，但不要一开始就想象机器人能像专业护工一样照顾失能老人，这太复杂。如果只是按照老人固定生活习惯，固定时间提醒吃药，帮他拿药、拿咖啡、拿手机和充电器等，这类简单、固定动作，三年左右有可能。

未来逐步落地可能的是低成本陪伴型机器人，三到五年内可能会有相关产品。在工业场景的落地，有点类似过去机器人拧瓶盖，但不要指望可以替代人。

澎湃新闻：您怎么看待当前行业的“泡沫”？

孙立宁：这是可能出现的，老百姓期望很高，但三年还没做出来，还不能用，这就造成老百姓的失望。

澎湃新闻：从全球来看，中国具身智能领域目前处在怎样的位置？

孙立宁：我们讲中国的技术进步，一方面要看到自己的成绩，另一方面也不能过度夸大。

中国的机器人为什么会被关注？本质上还是因为中国在一些领域发展得比较快。就具身智能来说，如果看机器人本体、关节、运动控制这些“小脑以下”的技术，我认为中国已经有比较强的竞争力。

（原标题：对话孙立宁：从拧瓶盖到能做饭，具身智能离真正理解环境还有多远？）