00:00 / 02:31
连播
清屏
智能
倍速
点赞60
00:00 / 20:54
连播
清屏
智能
倍速
点赞NaN
00:00 / 02:33
连播
清屏
智能
倍速
点赞19
00:00 / 07:28
连播
清屏
智能
倍速
点赞6
00:00 / 01:10
连播
清屏
智能
倍速
点赞124
具身智能看起来这么火,为什么真正进入千行百业还这么难? 为什么具身智能看起来这么火,真正进入千行百业却很难? 难点不是技术——是同时算三本账:技术账、经济账、责任账。 先看大家最看好的工业场景。 工厂看起来最适合机器人:光照稳定,流程固定,任务清楚。 但问题是,简单的工位其实早就被自动化了。 比如固定路线搬运,固定点位焊接,固定动作分拣,传统机械臂、AGV、自动化产线已经做了很多年。 现在剩下的很多硬骨头,是人做起来很自然、机器人做起来很难的事情。 比如插拔线束、拧螺丝、装配柔性零件、抓取形状不规则的物体,还有打磨抛光这类需要持续力控的任务。 这背后需要视觉、触觉、力反馈、运动控制和泛化能力一起工作。 而且工厂很现实。一个机器人买回来,价格高,调试久,维护难,还不能稳定替代工人,ROI 算不过 2-3 年,就上不了线。 责任账也绕不开——出了事故谁担责,是工人本身、集成商,还是机器人厂商? 第二类,是非接触式服务业。 比如巡检、安防、保洁、园区配送,还有医院送药送检、酒店送物——擎朗、云迹这类公司的主战场。 它们不用完成特别复杂的手部操作,所以看起来更容易。 但难点在开放环境。 白天和晚上光线不同,地面可能反光,现场可能有噪声、人群、障碍物,也可能突然出现没见过的情况。 服务业的硬骨头是少误判、少停机、能解释——半夜巡检撞到清洁工怎么办?误判老人摔倒按了 SOS 怎么办? 出了问题,责任账落在谁头上,是物业、酒店,还是机器人方? 第三类,是家庭和养老。 这是想象空间最大的场景,也是最难的场景。 因为家庭环境太复杂了。 同样是"整理房间",每个家的布局不一样,物品不一样,人的习惯也不一样。 你让机器人做咖啡、叠衣服、铺床、协助老人起身、递药、收拾玩具,每一个单独任务都需要大量训练。 但用户真正想要的,是一台价格亲民、体积适中、安全可靠、什么都会、还要做得很快的机器人。 研究具身越深,我反而越惊叹人本身。 我们随手拿起一个杯子,绕开一把椅子,帮孩子穿衣服,给老人递一杯水,这些动作看起来普通,但背后是视觉、触觉、平衡、经验和情感判断的高度协同。 也正因为这些能力这么难复制,具身智能才值得长期关注。 如果未来机器人能承担更多重复、危险、消耗性的工作,人类也许就能把更多智能和天赋,留给真正热爱的事情。#具身智能 #机器人 #机器人编程 #AI #人工智能
00:00 / 02:41
连播
清屏
智能
倍速
点赞32
00:00 / 00:45
连播
清屏
智能
倍速
点赞88
00:00 / 15:59
连播
清屏
智能
倍速
点赞1314