都要2023年了，造機(jī)器人還能搞出什么新花活？

衡宇 楊凈 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

機(jī)器狗、機(jī)器人領(lǐng)域，又多了一個(gè)新玩家。

以AI知名的科技公司科大訊飛，2022全球1024開(kāi)發(fā)者節(jié)上官宣最新技術(shù)成果和進(jìn)展。

其中之一，就是“AI+四足機(jī)器人”項(xiàng)目，機(jī)器狗：小黑。

沒(méi)錯(cuò)，科大訊飛也決定擁有一只機(jī)器狗，還是很新的那種：能沿著臺(tái)階進(jìn)行上坡和下坡動(dòng)作。（現(xiàn)在的大多數(shù)機(jī)器狗還在“模仿動(dòng)作”的初級(jí)仿生階段，只具備基礎(chǔ)的平地行走功能。）

決定養(yǎng)“狗”的互聯(lián)網(wǎng)、AI公司越來(lái)越多了，現(xiàn)在認(rèn)識(shí)一只機(jī)器狗，需要從廠牌開(kāi)始分辨。

小黑的新，不僅在能力上，還在科大訊飛養(yǎng)它的方式上——別人造機(jī)器狗，更多是在做硬件，訓(xùn)練它走路、陪伴。

科大訊飛造機(jī)器狗，更吸睛的故事，聚焦在訓(xùn)練“超腦”上。

機(jī)器人超腦平臺(tái)

科大訊飛如何訓(xùn)？怎么訓(xùn)？現(xiàn)場(chǎng)小黑就來(lái)打了個(gè)樣。

別看外表平平無(wú)奇，但一上陣就懂了。

常規(guī)操作自然就不多說(shuō)了，自主導(dǎo)航上下坡，各種復(fù)雜地形也能穿梭自如，比如草地沙石玻璃路。

還可立即上崗上位，深入多個(gè)場(chǎng)景一線，完成檢查亂堆亂放、車牌人臉識(shí)別、工廠故障巡檢（化工、電力、工業(yè)）等任務(wù)。

通常而言，機(jī)器狗技術(shù)無(wú)非感知、控制決策兩個(gè)方面，小黑也同樣如此：

運(yùn)動(dòng)控制：AI+運(yùn)動(dòng)、自主導(dǎo)航、視頻分析、自適應(yīng)步態(tài)等算法。據(jù)官方介紹，他們率先打通了從仿真訓(xùn)練到真機(jī)部署的AI+運(yùn)動(dòng)智能的全鏈條開(kāi)發(fā)。

感知：多模態(tài)多傳感器融合。麥克風(fēng)、喇叭、攝像、氣體傳感器等多傳感器，通過(guò)混合式架構(gòu)和中央決策平臺(tái) 、多傳感器底層核心算法，賦予機(jī)器狗識(shí)別聽(tīng)聲辨味的感知能力。

這一切的一切，都是科大訊飛機(jī)器人超腦平臺(tái)AIBOT所賦予的。于是當(dāng)機(jī)器狗有了“腦”，從已曝光的能力提升中就可見(jiàn)一斑。

比如，實(shí)時(shí)地形自適應(yīng)能力、全局定位搜索能力、地圖構(gòu)建能力以及AI運(yùn)動(dòng)控制能力。

不過(guò)這也并不是機(jī)器人超腦平臺(tái)AIBOT的全部用處。超腦平臺(tái)也并非只是為了馴狗，而是由點(diǎn)及面，既有實(shí)體機(jī)器人又有數(shù)字機(jī)器人，在多個(gè)場(chǎng)景和行業(yè)下的軟硬件一體解決方案。

目前，它已部署在了全新的訊飛開(kāi)放平臺(tái)上。從這張架構(gòu)圖中可以看到，現(xiàn)在訊飛開(kāi)放平臺(tái)核心能力主要包括：能力云AIHUB、交互云AIUI+、模型云AILAB、資產(chǎn)平臺(tái)AIRES、超自動(dòng)化AIRPA、機(jī)器人超腦平臺(tái)AIBOT。

小黑，正是訊飛機(jī)器人超腦平臺(tái)AIBOT其中一個(gè)案例。通過(guò)交互大腦、運(yùn)動(dòng)控制、硬件模組來(lái)快速構(gòu)建機(jī)器人的運(yùn)動(dòng)能力。機(jī)械臂、人形機(jī)器人、仿生、特種等各種機(jī)器人都可以適配。主要有三大特點(diǎn)：高性能、高效率、高精度。

高性能：8核CPU，NPU算力高達(dá)6TOPS；

高效率：一次建圖覆蓋率90%；

高精度：5cm的定位和建模精度。

在現(xiàn)場(chǎng)，科大訊飛消費(fèi)者BG總裁于繼棟還列舉了柔性機(jī)械臂的例子，在賦予機(jī)器人超腦平臺(tái)AIBOT之后，新增了AI+深度視覺(jué)、AI+運(yùn)動(dòng)控制等能力，從而能快速應(yīng)用工業(yè)質(zhì)檢、商業(yè)服務(wù)、遠(yuǎn)程超聲、柔性生產(chǎn)等場(chǎng)景當(dāng)中去。

能力云AIHUB自然不必多說(shuō)，AI公司立身之本，再聯(lián)合生態(tài)AI能力，持續(xù)保證穩(wěn)定輸出，今年更是給出了全系列的離線版本。

在今年更新的513項(xiàng)開(kāi)放能力中，以SMART-TTS ，多風(fēng)格多功能語(yǔ)音合成最為典型。

以往語(yǔ)音合成主要用于語(yǔ)音助理和新聞播報(bào)這些場(chǎng)景，但這次在風(fēng)格、場(chǎng)景以及情感上有了新拓展，共有10個(gè)場(chǎng)景可選、11種情感可調(diào)。

交互云AIUI+。不管是虛實(shí)哪一種機(jī)器人，在與人交互時(shí)都面臨著公共場(chǎng)景下的干擾問(wèn)題。典型的難題場(chǎng)景包括同向人聲干擾，而本身以語(yǔ)音見(jiàn)長(zhǎng)的科大訊飛，提出了遠(yuǎn)近場(chǎng)多模語(yǔ)音增強(qiáng)技術(shù)，在同向人聲干擾環(huán)境下，識(shí)別準(zhǔn)確率從60.2%到現(xiàn)在提升到了86%以上。

模型云AILAB ，具體場(chǎng)景具體定制。像格式多樣、數(shù)據(jù)稀缺還是價(jià)格敏感的情況，都能為其提供小樣本訓(xùn)練平臺(tái)。5張圖片訓(xùn)練出OCR定制模型，半小時(shí)音頻生成商用發(fā)音人、零成本搭建喚醒詞，了解一下～

而聚焦于數(shù)字世界的生態(tài)上。資產(chǎn)平臺(tái)AIRES，顧名思義就是與內(nèi)容伙伴共建數(shù)字資產(chǎn)，比如虛擬人形象、數(shù)字藏品等。超自動(dòng)化AIRPA則是在解決企業(yè)的數(shù)字化轉(zhuǎn)型，包括智能化員工助手、柔性人機(jī)協(xié)同、跨組織無(wú)邊界協(xié)作……

最終，這些能力都透過(guò)實(shí)體機(jī)器人、數(shù)字虛擬人兩種形式逐步深入到各個(gè)行業(yè)與家庭當(dāng)中。

這也正是科大訊飛對(duì)AI新趨勢(shì)的理解。

當(dāng)下隨著元宇宙興起，融合AI與5G，虛擬世界與現(xiàn)實(shí)世界實(shí)現(xiàn)了深層次融合，人機(jī)協(xié)同逐漸人機(jī)共生的階段。

機(jī)器人，就是其中關(guān)鍵的載體。

基于這樣的邏輯，機(jī)器人超腦平臺(tái)AIBOT，依托混合式架構(gòu)、中央決策平臺(tái)、多傳感器融合，構(gòu)建端側(cè)超腦，讓機(jī)器人產(chǎn)品在感知智能、認(rèn)知智能和運(yùn)動(dòng)智能得到多維度的提升，也就成為了科大訊飛交出的第一份答卷。

確切的來(lái)說(shuō)，是科大訊飛整個(gè)超腦2030計(jì)劃的第一步：

更快實(shí)現(xiàn)讓“懂知識(shí)、善學(xué)習(xí)、能進(jìn)化”的機(jī)器人走進(jìn)每個(gè)家庭?；诔X2030計(jì)劃，以API、低代碼、軟硬件一體、解決方案等方式，面向?qū)嶓w機(jī)器人和數(shù)字機(jī)器人建設(shè)N種場(chǎng)景化機(jī)器人，賦能工業(yè)、農(nóng)業(yè)、服務(wù)業(yè)、特種行業(yè)，連接產(chǎn)業(yè)生態(tài)，共建行業(yè)場(chǎng)景。

“超腦2030計(jì)劃 ”第一步，跨出多大步子？

早在今年1月，這個(gè)計(jì)劃就已經(jīng)啟動(dòng)，核心是利用AI解決未來(lái)社會(huì)的剛需問(wèn)題，如教育、人口老齡化等。

其第一階段目標(biāo)，就是在2023年前，推出可養(yǎng)成的機(jī)器寵物、仿生運(yùn)動(dòng)機(jī)器狗等軟硬件一體的機(jī)器人，同期推出專業(yè)數(shù)字虛擬人家族，擔(dān)當(dāng)老師、醫(yī)生等角色。

該計(jì)劃的最終目標(biāo)，是推出懂知識(shí)、會(huì)學(xué)習(xí)的陪伴機(jī)器人和自主學(xué)習(xí)虛擬人家族，全面進(jìn)入家庭。

而現(xiàn)在，AI技術(shù)推動(dòng)四足機(jī)器狗小黑從異寵向工具狗邁了一步。

值得注意的是，機(jī)器人超腦平臺(tái)的背后支撐，不僅讓更多企業(yè)在工業(yè)級(jí)運(yùn)用中可以無(wú)糧養(yǎng)狗，更多的室內(nèi)和戶外場(chǎng)景中，實(shí)體機(jī)器人都在拓展人的能力邊界。

高精度的細(xì)活、繁重枯燥的累活、危險(xiǎn)易受傷的險(xiǎn)活……

機(jī)器人、機(jī)械臂，上！

人機(jī)協(xié)同之外，在人機(jī)交互階段，AI已經(jīng)在發(fā)揮日益重要的作用。

科大訊飛在背后提供技術(shù)與生態(tài)來(lái)支撐，率先證明了這一點(diǎn)。

實(shí)現(xiàn)超腦2030計(jì)劃需要哪些關(guān)鍵技術(shù)突破？科大訊飛AI研究院副院長(zhǎng)高建清公開(kāi)了相關(guān)信息。

第一，需要以深度學(xué)習(xí)（Deep Learning）為代表的AI基礎(chǔ)算法的突破。

在諸多AI基礎(chǔ)算法中，無(wú)監(jiān)督學(xué)習(xí)和知識(shí)推理是兩個(gè)亟待突破的關(guān)鍵算法。

1024開(kāi)發(fā)者節(jié)當(dāng)天，科大訊飛發(fā)布了兩個(gè)輕量級(jí)預(yù)訓(xùn)練模型：語(yǔ)音及多模態(tài)預(yù)訓(xùn)練模型。這兩個(gè)模型的參數(shù)量遠(yuǎn)小于業(yè)界公開(kāi)的模型，但效果卻達(dá)到了業(yè)界最優(yōu)，推廣性也很好。

整個(gè)2022年，科大訊飛有三項(xiàng)知識(shí)推理任務(wù)取得不錯(cuò)的成績(jī)，尤其在面向特定領(lǐng)域的知識(shí)推理方面，機(jī)器水平已經(jīng)在今年7月首次超過(guò)人類水平。

此外，知識(shí)推理的另一個(gè)重要研究方向，也就是如何實(shí)現(xiàn)推理過(guò)程的可解釋性，科大訊飛將傳統(tǒng)符號(hào)推理系統(tǒng)與深度強(qiáng)化學(xué)習(xí)相結(jié)合，得出一套在類人答題領(lǐng)域正確率顯著優(yōu)于傳統(tǒng)推理系統(tǒng)的框架。

第二，是引領(lǐng)人機(jī)交互發(fā)展方向的多模態(tài)感知技術(shù)、多維表達(dá)技術(shù)、認(rèn)知智能技術(shù)。

拿多模態(tài)感知技術(shù)舉個(gè)具體例子來(lái)說(shuō)，通常，語(yǔ)音識(shí)別的高準(zhǔn)確率，不代表識(shí)別出的文字合理、流暢。

科大訊飛基于多元語(yǔ)義評(píng)價(jià)的語(yǔ)音識(shí)別一體化框架，使用語(yǔ)義糾錯(cuò)任務(wù)與語(yǔ)音識(shí)別聯(lián)合優(yōu)化，讓語(yǔ)音識(shí)別保持高準(zhǔn)確率的同時(shí)，提高識(shí)別后文字的可讀性。

第三，需要研究軟硬一體的機(jī)器人關(guān)鍵技術(shù)，加大AI算法與運(yùn)動(dòng)控制的結(jié)合，讓機(jī)器人具備精細(xì)的運(yùn)動(dòng)控制能力。

具體的技術(shù)展示，已經(jīng)體現(xiàn)在小黑爬坡上坎的功夫中了。

除此之外，科大訊飛還整合工程能力，形成虛擬人交互平臺(tái)、機(jī)器人超腦平臺(tái)，探索數(shù)字虛擬人、機(jī)器人等方面的應(yīng)用。

現(xiàn)場(chǎng)，高建清展示了科大訊飛打造的一個(gè)裸眼3D場(chǎng)景下的高沉浸式人機(jī)交互。

而關(guān)于生態(tài)支撐這一點(diǎn)，在今年的開(kāi)發(fā)者節(jié)上，科大訊飛董事長(zhǎng)劉慶峰拿數(shù)據(jù)說(shuō)話。

首先，是訊飛開(kāi)放平臺(tái)在過(guò)去一年的發(fā)展情況——訊飛開(kāi)放平臺(tái)開(kāi)放的AI產(chǎn)品及能力，從去年441項(xiàng)增長(zhǎng)至今年513項(xiàng)；生態(tài)伙伴數(shù)從400萬(wàn)快速增長(zhǎng)到超500萬(wàn)，年增長(zhǎng)率超30%；AI服務(wù)調(diào)用年增長(zhǎng)率達(dá)到36%；輸入法語(yǔ)音調(diào)用量同比增長(zhǎng)45%，Z世代群體平均語(yǔ)音輸入次數(shù)達(dá)到61次，是整體語(yǔ)音用戶的2倍。

接下來(lái)，看看劉慶峰披露出的過(guò)去一年內(nèi)，訊飛生態(tài)的其它數(shù)據(jù)。

其一，是虛擬人交互平臺(tái)資產(chǎn)增加。一方面，科大訊飛基于AI虛擬人交互平臺(tái)，開(kāi)放平臺(tái)合作伙伴生態(tài)。發(fā)布一年后，虛擬人設(shè)計(jì)隊(duì)伍共468支，建設(shè)了700項(xiàng)虛擬人資產(chǎn)。

其次，剛剛結(jié)束的雙11“混戰(zhàn)”，帶來(lái)了最新消費(fèi)者數(shù)據(jù)：科大訊飛銷售額同比增長(zhǎng)32%。

最受追捧的當(dāng)屬本就是“老奪冠人”的AI辦公產(chǎn)品，智能辦公本、智能錄音筆和翻譯機(jī)產(chǎn)品，拿下京東和天貓所在品類銷售額冠軍。

一些辦公硬件，比如辦公本、會(huì)議耳機(jī)、翻譯機(jī)，年增長(zhǎng)率均近或超100%。綜合多個(gè)數(shù)據(jù)，不難看出AI生態(tài)已經(jīng)滲入各行各業(yè)，為生活和工業(yè)場(chǎng)景所熟用。

給出這一份綜合答卷，劉慶峰表示，隨著發(fā)展深入，AI在感知能力、理解能力、表達(dá)能力、運(yùn)動(dòng)能力方方面面，都需要承擔(dān)更大的任務(wù)。

一個(gè)屬于未來(lái)的時(shí)代正在快速開(kāi)啟。

當(dāng)數(shù)字經(jīng)濟(jì)更深層次賦能實(shí)體經(jīng)濟(jì)時(shí)，人工智能承擔(dān)了更大的任務(wù)。

這需要一個(gè)更強(qiáng)大的“頭號(hào)玩家”。

科大訊飛如何理解人機(jī)協(xié)同

2020年，科大訊飛發(fā)布了AI科技樹(shù)，強(qiáng)調(diào)“以基礎(chǔ)算法為主干，以技術(shù)體系為生長(zhǎng)方向，以場(chǎng)景理解為發(fā)展動(dòng)力”。

2022年，在超腦2030計(jì)劃的牽引下，科大訊飛的AI科技樹(shù)不斷壯大。既有以基礎(chǔ)算法為代表的主干發(fā)展，也有各技術(shù)體系的不斷外拓延伸。

作為AI技術(shù)落地的一種表現(xiàn)形式，人機(jī)協(xié)同已然崛起。人機(jī)協(xié)同的目的是改善工作流程，途徑是讓人和機(jī)器進(jìn)行工作和經(jīng)驗(yàn)的交流。

機(jī)器可以根據(jù)人類提供的信息，按步驟和流程執(zhí)行作業(yè)；人類再在機(jī)器產(chǎn)出的成果上，錦上添花。二者各做彼此的擅長(zhǎng)事，實(shí)現(xiàn)人類和機(jī)器的價(jià)值最大化。

而整場(chǎng)大會(huì)聽(tīng)下來(lái)，從整合多項(xiàng)技術(shù)的機(jī)器人超腦平臺(tái)窺見(jiàn)一隅，不難梳理出科大訊飛對(duì)人機(jī)協(xié)同的理解。

共分三個(gè)維度：

在物理世界，實(shí)體機(jī)器人拓展人的能力邊界。具體而言，輪足機(jī)器人應(yīng)用于餐飲服務(wù)、物資運(yùn)輸?shù)葓?chǎng)景；弈棋機(jī)器人可以滿足圍棋教學(xué)、訓(xùn)練和娛樂(lè)領(lǐng)域的多種需求。

在數(shù)字世界，數(shù)字工作助手助力工作提效；據(jù)悉，2022年，訊飛AI虛擬人已在醫(yī)療、金融、媒體、文旅等多個(gè)行業(yè)上崗，亮相兩會(huì)、北京冬奧會(huì)、世界人工智能大會(huì)等多個(gè)場(chǎng)合。

在元宇宙，虛擬人成為人的交互載體。

通過(guò)這三個(gè)維度，技術(shù)將和個(gè)人與企業(yè)深度聯(lián)結(jié)，多模感知、深度理解、多維表達(dá)都將個(gè)性化展開(kāi)。

在這個(gè)過(guò)程中，科大訊飛帶給生活的技術(shù)支撐和生態(tài)積累，是看得見(jiàn)、摸得著、用得上的。

“人機(jī)關(guān)系，已經(jīng)在從單點(diǎn)技術(shù)的淺層人機(jī)協(xié)同，向更深層次、更為復(fù)雜的人機(jī)發(fā)展。”劉慶峰如是說(shuō)。

而且這種人機(jī)關(guān)系，即將進(jìn)入可見(jiàn)、可感、可觸碰的人機(jī)關(guān)系。這也是另一個(gè)維度上，AI和智能，正在如何影響和參與實(shí)體經(jīng)濟(jì)。