人形机器人，离打螺丝还有多远？

本文讲智元

前两天，是第二届世界人形机器人运动会

智元用他们的量产型机器人，非常高效的完成了一系列打螺丝工作，然后拿了金牌榜和奖牌榜的双第一：18金、16银、12铜

顺着这件事儿，让我来聊聊机器人行业的一些辛秘

机器人的遥控器

你一定刷到过非常多机器人的丝滑小视频，比如端茶倒水、叠衣服、后空翻，反正怎么看都很炸裂、让人眩晕瘫坐

但你会发现，这些小视频永远只是固定机位，或者从特定的几个角度拍摄...为啥呢？因为在镜头之外通常占个人，拿着手柄或者其他动作捕设备来操纵，大概就像这样

机器人的动作，其实是人在远程操纵，机器只是在执行指令。这其实挺常见的，现在 AI 脑子还不是很够用，应付不了真实世界里的意外

但现在技术也是逐渐好起来了，于是今年运动会的各种场景，会要求机器人脱离人手，否则得分减半；而对于 400 米跑和 1500 米跑，则强制全自主，把镜头外的那个人拿掉

捏豆子大赛

今年的运动会，专门为灵巧手设立了专项比赛，智元拆分出去的灵巧手子公司临界点，用量产版 OmniHand 拿到了 8 块金牌中的 7 块，考题包括粉末称重、开瓶撬盖、拆箱拆包、积木搭建，还有一个听起来最刁钻、但实际上最难的...镊子夹豆

豆子这东西吧，又硬又滑，反正我不觉得自己能很轻松的用筷子夹起来

但话说回来，虽然我夹不了这么快，但我用手拿肯定没问题...这里的区别在哪呢？我能摸到，能感受到这个用力的程度，然后把它拿起来（相反，你脑补一下，即便是用手，如果带上手套是不是也不行了）

对此，OmniHand 做了套方案叫 DUET，将动作系统和触觉系统绑定在了一起，让灵巧手能以每秒几百次的频率，感知到指尖触碰到了什么、有多大的压力、有没有发生滑动等等，然后这些数据会反馈作用到动作里，让夹豆子这件事儿变得可行

场景竞赛

今年的机器人大赛场中，场景赛共有 12 项，对酒店、图书馆、应急处置等多元部署态任务对机器人全身协同、环境理解、长流程任务规划提出考核。在这里，智元斩获了 12 块金牌中的 6 块，居金牌榜的首位

智元这边的参赛代表是精灵 G2，在参加运动会前，早已在龙旗工厂，上汽工厂等大规模落地部署，工作经验非常丰富，不依赖赛场特化改装，便可完整复现现实世界的工作流程。而在这些的背后是作业智能、运动智能、交互智能这三位一体的结构

智元内部把这套东西叫「三智一体」：机器人得四肢发达、头脑灵活、能说会道、干活利索，具体来说，是下面的几套东西

• GO2：Genie Operator 2.0，具身基座大模型，用来看懂桌上那个是杯子还是垃圾

• GE2：Genie Envisioner 2.0，世界模型，负责常识，比如知道杯子碰倒了水会洒出来，来能预测接下来会发生什么

• ViLLA：视觉语言隐式动作架构，把看到的东西翻译成具体该怎么动

这三套模型负责着机器人的看懂、想明白、干出来，这套东西跑通之后还有个额外的红利，叫跨本体泛化，也就是在可以在上一个场景中学会了抓杯子，而到了工厂里面就知道怎么抓零件

虚拟实训

在舞蹈、武术、乒乓等表演项目中，智元也拿到了 5 块金牌

这里给大家讲一个吹牛逼小知识：机器人打太极拳，是一件很考验功底的事情，它慢

机器人在跑步的时候，步子迈得极快。哪怕有一脚踩得不稳，身体失去平衡了，也没太大关系，因为很快就会有下一个动作，身体就被惯性带着糊弄过去了，还很有观赏性

但打太极就不太好糊弄了，它要求机器人以校为的站姿呈现，过程中身体缓缓下沉，重心一点一点地从左边移到右边，过程中并没有惯性能借，如果要保持观赏效果，很容易让平衡误差放大，然后摔给你看

为了让机器人能够更好、更快的训练，并实现全身姿态实时调控腾空、运动过程中全域实时校准躯干与四肢协同角度，动态调节重心等难点，智元搭建了Sim2Real 仿真系统，先在虚拟平台里训练好，再做能力迁移

但还不算完，电脑里的模型再逼真，与现实也是有差距的，比如关节摩擦力、地面软硬、电机响应延迟等等，真机一动就可能因为这些误差摔倒。于是智元采用了参数辨识的办法，先拿着真机在现实里做几组动作，收集真实数据。再拿这些数据反过来校准电脑里的虚拟模型，把假的往真的方向靠，逼着物理引擎接受现实的瑕疵

具身智能，要先具身再智能

机器人的田径场

量产版本的灵犀 X2 在 100 米障碍赛拿了金牌，400 米障碍又拿了银铜

而在取得这些成就的背后，是智元给机器人装上了眼睛

你没看错...是给机器人装上了眼睛

与大多数人想象中不同的是，市面上绝大多数机器人跑步，其实是闭着眼跑的，主要靠的是关节本体的感知，比如每个关节弯了多少度、脚底力量的反馈啥的，就一如你闭着眼睛在平地上走

这种方法在平地上跑步没问题，就如同咱们人也能闭着眼睛走。但遇到障碍赛就不行了，这里就必须用视觉或者类似的方案去判断台阶、跨栏以及场地信息，通过临场发挥来行动

在这一部分中，灵犀 X2 靠的是自研的 AGILE 通用小脑引擎，其全称是 AgiBot Generative Intelligent Locomotion Engine，在不规则的场地下，根据眼睛看到的画面，进行自主与半自主的决策，并对姿态进行调整

闭眼跑靠记忆，睁眼跑靠判断。这是人形机器人走出实验室、走进车间的一步

最后

这次参赛的智元机器人，也都是工厂实际在用的量产机

比如今年6月，精灵G2在龙旗科技江西南昌工厂完成了为期6天的平板电脑质检工段作业直播，6天内累计完成17625次作业，任务成功率达99.99％。

机器人行业，过去更多是开发态和创作态，今年会有一个大的变化，就是会进入部署态