机器人|马斯克的「机器人」,能复制特斯拉的成功吗?( 二 )


付春江 :特斯拉在高速铺装路面上所积累的这些数据 , 对机器人的贡献在于它哺育了 FSD 的算法系统 , 提供了最基本的数据基础 。 虽然在进入家庭时需要重新采集数据 , 进行新环境的适应与学习 , 但它有了基础标签 。
极客公园: 自动驾驶的算法可以迁移到人形机器人上吗?
付春江:倒不是说自动驾驶的算法 , 而是开发自动驾驶所积累的神经网络的相关经验 , 是这个神经网络架构是可以放到人形机器人身上 。
当然 , 自动驾驶与机器人要处理的任务有非常大的不同 , 第一个是速度上的不同 。 自动驾驶对实时性的要求非常高 , 它在速度上的这套框架放到人形机器人上 , 我觉得是非常合理的 , 甚至还有性能上的冗余 。
人形机器人与自动驾驶不同的地方在与环境的交互 。 人形机器人与人体、与环境的交互 , 是需要真正去触碰的 , 这跟自动驾驶完全不一样 。 你不能说让车去碰人 , 他们在过去也不可能积累这样的数据 。 他们在处理触碰问题时 , 过去的那套架构要怎样做出调整和适应 , 也是我们好奇和期待看到的 。
极客公园:刚还提到了特斯拉对产业链上下游的把控 , 车企的供应链和人形机器人是有共通性的吗?
付春江:车企与人形机器人整体的技术栈有很多可以复用的地方 。 人形机器人以前之所以没有大规模采用车企的供应链 , 是因为车企供应链供货量大 , 对资金的要求比较大 , 看不上人形机器人这个相对比较小的链条 。
那么随着特斯拉进入 , 现在很多车企的供应链 , 已经开始准备介入到人形机器人的供应链中了 。 比如说新能源车里的几大件 , 舵机、速器 , 还有电池热管理 , 其实经过简单改造 , 都可以用到人形机器人上 。
极客公园:在未来 , 特斯拉会在哪些方面跑得比其他公司快?
付春江:第一个增加算力 。 增加算力就看你的相关投入 , 像特斯拉这种规模大、投入大的 , 肯定进展相对快一些 。
第二点 , 在动作多样性上 。 动作多样性跟开发人员的数量还是有关系的 , 开发人员越多 , 能开发的动作就越多 。 像特斯拉这种量级的公司 , 可以有能力在短时间内建一个非常大规模的开发团队 。
第三个是特斯拉在材料方面 。 特斯拉的创始人马斯克还搞航天、卫星 , 他们在航空航天积累下来的材料方面的优势 , 也能应用到机器人上 。
第四是特斯拉在过去积累了开发各种平台与简化平台的能力 , 比如说 , 过去汽车制造也是很复杂的 , 特斯拉进来之后 , 把芯片、算法 , 通过平台化的方法大大简化 。
第五个优势是特斯拉制造工具的能力 。 特斯拉制造汽车的时候是专门造了非常大型的冲压机 , 它能制造工具 , 提高生产效率 。 人形机器人有五六千个零部件 , 未来也可能通过一体化的方式加快生产制造 , 这是它过去的经验证明过的 。

特斯拉上海工厂里的 Model Y Giga 压铸机 | 来源:特斯拉 2020 年四季度财报
极客公园 :从各项技术指标上看是不是意味着 , 特斯拉的人形机器人与现有的人形机器人 , 并没有代差级的差异?
付春江 :我认为特斯拉的人形机器人在整体布局上是没有代差的 , 不过在同一代内有改进的地方 。
它整体体积 , 就是他的体重身高比 , 会比其他的人形机器人要小 , 这个更「瘦」对舵机关节的功率密度是有一定要求的 。 特斯拉在电机方面有非常多的专利 , 我们觉得它的舵机功率密度在体积受限的情况下 , 可能有一个比较好的向上的提升 。 当然这种提升的开始 , 很可能是利用现有技术的代内提升 。

相关经验推荐