文｜日晞視野 咸閑

編輯｜咸閑

8月9日，在世界機器人大會的演講臺上，宇樹科技創(chuàng)始人王興興談?wù)摰侥壳皺C器人運動控制領(lǐng)域存在的RL Scaling Law問題，他認(rèn)為現(xiàn)在的機器人在學(xué)習(xí)一項新的技能時，往往都是需要從頭開始研究以及教學(xué)。

而在未來更加希望的是能夠在原有的基礎(chǔ)上去不斷學(xué)習(xí)，使得他們的學(xué)習(xí)速度更加快速以及效果更好。

整個具身智能行業(yè)在目前并沒有人將強化學(xué)習(xí)的Scaling Law做好，所研究的算力增長、數(shù)據(jù)堆積，并不能直接讓機械手臂變得更加靈巧，或者讓雙足的機器人走得更穩(wěn)。

事實上，問題并不在于我們所提供的硬件、數(shù)據(jù)不夠好，而是其“大腦進化”以及環(huán)境不斷適應(yīng)，那么，面對具身智能Scaling Law缺失，我們是否應(yīng)該如同嬰兒時的教學(xué)，讓其不斷嘗試，具備真正不斷演化的能力，促使機器人界的“摩爾定律”誕生？

算力增長≠智能進化：具身智能的物理瓶頸困局

在目前的人工智能領(lǐng)域，我們逐漸認(rèn)為當(dāng)我們提供了更多的數(shù)據(jù)以及算力時，就能夠支撐機器人擁有更聰明的能力。

例如，ChatGPT的發(fā)展似乎印證了這一點——給它更大的模型、更多的訓(xùn)練文本，它就能寫出更流暢的文章，解答更復(fù)雜的問題。

我們可以知道在虛擬ai領(lǐng)域，數(shù)據(jù)是單一的，規(guī)則是明確的，所以增加算力和數(shù)據(jù)就能夠去提升虛擬ai的性能。

但當(dāng)這樣的方式放到機器人的身上，在它與現(xiàn)實世界交互的時候，我們發(fā)現(xiàn)其真實效果往往就會受到不同材質(zhì)的摩擦、空氣阻力、物體形變等產(chǎn)生隨機性影響，比如，運行中會被一些障礙物絆倒等。

哈佛大學(xué)的“機器螞蟻”實驗生動地展示了這個困境。研究人員給這個小機器人增加了10倍的運算能力，期待它能更好地適應(yīng)復(fù)雜地形。

但結(jié)果令人失望：它的環(huán)境適應(yīng)能力只提升了微不足道的2%。問題不在于芯片不夠強，而在于螞蟻的機械腿無法像真實昆蟲那樣靈敏地感知和適應(yīng)地面變化。

所以，現(xiàn)實世界中無數(shù)的物理特性就讓機器人在運行出現(xiàn)了無數(shù)個“意外狀況”。

并且，如今機器人在學(xué)習(xí)新的技能以及適應(yīng)新環(huán)境時，其芯片總是會需要較大的能耗。

這并不是通過技術(shù)的不斷進化，從而減少能耗的消耗量能夠解決的問題，而是應(yīng)該去面對根本性的缺陷：機器人還在用"蠻力計算"來對抗物理法則。

這樣的困境揭示了一個深刻的事實：在機器人領(lǐng)域，單純的算力增長就像給汽車裝了強勁的引擎，卻忘了我們所要前行的道路是崎嶇、坑洼的道路，它是否能夠?qū)崟r應(yīng)對路況呢？

我們更加希望的是其能夠像人類的生物系統(tǒng)一樣，總是在原有的基礎(chǔ)之上不斷進化，去面臨并解決受物理世界制約的困境。

達爾文式進化：具身智能的身體適應(yīng)智慧

真正智能的關(guān)鍵并不是在于它的“大腦”學(xué)習(xí)的東西是不是足夠多，就比如在自然界中，章魚沒有脊椎動物那樣集中的大腦，它的5億神經(jīng)元分布在觸手中，卻能讓八條腕足各自獨立抓取、探測甚至"思考"。

然而，這樣的生物所體現(xiàn)的行為是不同于機器人的集中依靠數(shù)據(jù)驅(qū)動的“大腦”智能模式，而是將身體本身也作為計算的一部分。

過去，機器人和AI的進步主要靠堆算力和數(shù)據(jù)，就像不斷給計算機提供大量的知識，希望它變得更加聰明。

但事實上的現(xiàn)實智能發(fā)展，無論是人類嬰兒學(xué)步，還是動物的精準(zhǔn)捕獵，都依賴著我們的身體與環(huán)境的實時互動。

所以我們更加需要它的身體有著的自己適應(yīng)能力——就像人類肌肉會在出現(xiàn)突發(fā)狀況時，主動產(chǎn)生一定的行為。

然而機器人需要適應(yīng)的是未在提前預(yù)設(shè)的情況下，根據(jù)指令以及環(huán)境變換，提供不同的狀態(tài)和行為。

正如，王興興所提及希望當(dāng)機器人處于一個新的環(huán)境時，能夠主動去探索一些事物，來滿足我們所提供的指令，而不是我們將一些具體的數(shù)據(jù)提供給它，只需要照做就行。

未來的突破點可能在于其“身體”和“大腦”的像自然生物一樣共同進化，算法不再需要為每個細(xì)微的環(huán)境狀況進行不斷地訓(xùn)練，而是像生物那樣在互動中自然調(diào)整。

這條路雖然艱難，但自然界的進化史當(dāng)中已經(jīng)證明其可行性。從單細(xì)胞生物到人類，生命進化或許給我們提供了較優(yōu)方向。

未來的機器人或許需要向生物學(xué)習(xí)，發(fā)展出與物理世界和諧共處的"身體智能"。

真正的突破，不是建造更精密的機械臂，而是創(chuàng)造出更加具有生命力的機器人。

重塑衡量標(biāo)準(zhǔn)：具身智能需要擁抱“生存力”

對于具身智能來說，真正的考驗從來不是重復(fù)完成某個固定任務(wù)，而是在變化中保持穩(wěn)定。

目前的機器人缺乏真正的抗干擾智慧——不是避免犯錯，而是犯錯后快速修正的本事。

我們總是笑著現(xiàn)在的機器人有著些許笨拙的行為，甚至對于它們的動作稱之為“老太行為”，但對于這樣還需不斷進化的具身智能來說，應(yīng)該把"容錯率"變成衡量智能的新尺度。畢竟在真實世界里，穩(wěn)定比精準(zhǔn)更重要。

像在孩童時期，當(dāng)我們拿起保溫杯時，不需要重新學(xué)習(xí)"抓握"這個動作——我們知道它和馬克杯一樣都是圓柱形容器，只需微調(diào)力度，就能夠同樣的拿起這個東西。

但今天的機器人完美掌握馬克杯后，面對保溫杯時又要從零開始訓(xùn)練。問題不在于它不夠“聰明”，而在于它缺乏對“杯子”這個概念的真正理解。

這種“泛化能力”的缺失，暴露了當(dāng)前機器人學(xué)習(xí)的核心缺陷：它們通過海量數(shù)據(jù)只能記住對于這個特定物體的抓取方式，卻無法抽象出通用規(guī)律。

真正的突破可能需要讓機器人像孩子一樣，先理解“抓握”的本質(zhì)（形狀、重量、摩擦力之間的關(guān)系），而不是死記硬背每個物體的數(shù)據(jù)。

當(dāng)測評標(biāo)準(zhǔn)轉(zhuǎn)向“生命力”而非“精準(zhǔn)度”，具身智能才能突破現(xiàn)在的天花板，邁向真正的實用化。

參考資料：

1。杭州ai之都— —王興興“炸裂”發(fā)言：機器人的ChatGPT時刻 即將到來丨王興興在2025世界機器人大會演講實錄（文字+視頻）

2. 機器之心— — 機器人邁向ChatGPT時刻！清華團隊首次發(fā)現(xiàn)具身智能Scaling Laws