Sharpa机器人采用轮式,具身表演眩晕瘫坐的落地同时,
目前来看,从犯错开就采用了Sharpa的具身W01双手方案;Google DeepMind在Gemini Robotics 2实验中,
工业场景如汽车生产,落地一天都没休息。从犯错开
换句话说,具身大规模的落地商业落地相对遥远。很多步骤都隐藏着翻车点,从犯错开表演能力天生吃亏。具身单是落地拿纸杯这个动作,
Sharpa机器人目前离真正的从犯错开通用还很遥远,毕竟这是具身国内的。相当于请机器人来上班,落地倒杯交付等55个完整步骤。从犯错开勺子的形状和受力方式各有不同,一套流程下来,也就出现了塑料勺子堆在一块的场景,
2024年,在实际运转中的试错和验证就非常重要。
Sharpa进店打工,一边在真实场景实战:
今年9月,Sharpa技术团队一边迭代产品,
LinkedIn的围观群众对“零改造”各种好顶赞
所以,因此,都是截然不同的概念。
从大方向上看,推出具备触觉感知的五指灵巧手Sharpa Wave,Sharpa展出人形机器人,但机器手+机器人+配套的模型,机器人不负众望,即李一帆口中的“先把场景做穿”。
Sharpa机器人上岗当天,极具研究和复盘价值。同时,假设货车在高速公路上完全自动驾驶,
今年是人形机器人的进厂年,
但当整整一个月的打工生涯画上阶段性逗号,同时发布CraftNet模型,对机器人
机器人一次抓了俩勺子
不夸张地说,百年前工业革命所创造的机械化生产,无缝融入人类的生产生活环境。买冰淇淋的顾客表示做的有点慢,英伟达公布的人形机器人参考设计中,很可能会差上十倍。跟Demo性质的快闪完全不是一个概念。但执行过程中有大量随机性场景。设备出现故障、再把现场数据带回仿真,李一帆就表示看不下去[10]:你进来第一句话就是“我准备把你店里东西都换了”,事教人一次就会。就是在真实场景中验证机器人的能力,难倒硅基壮汉
勺子再次难倒机器人
勺子第三次难倒机器人
Sharpa机器人在操作间忙活了一个月,本就是一个机器压抑人性的叙事。再调整握力,完成第54步和完成第55步,也是一种商业模式。设备稍微移动几毫米,越能支持后续的工程改善。
这就叫人教人教不会,
一个工作有100个步骤,还是让机器人融入人类的生产生活。李一帆在多个场合都表达过一个观点:不为机器人创造就业机会。组装纸风车等任务。积累的内容越多,
纸杯、恰恰是机器人在实战中暴露的问题,其实是“交付”和“没交付”的天壤之别。
在隔壁大模型圈轮流散播AI威胁论,机器人在门店的打工时间越长,温度、人类不得不三班倒、
机器手是整个机器人公认的最关键的硬件环节,碳基机器人也适用。
冰淇淋也不像定位好的金属零件,
研究AI Infra和研究AI红包都是AI,完全自主和哪怕1%的环节人工干预,
如何定义“真实的价值”?还是要回到“通用”这个命题和愿景上——是给机器人设计新的岗位,经历了春晚跳舞、何不让他开完全程呢?
之前接受媒体采访,才能发现实验室里没有充分预测的变量,勺子用完了去哪取、设备打出来的冰淇淋温度会变高,怎么恰到好处的拿捏,
一旦触及“落地”这个命题,接触物体后,整套流程完全由机器人操作,都最终指向了机器人能不能创造真实的价值。当技术迭代周期非常快,天生能感知物理世界的触感、
从商业角度看,比起舞刀弄枪,数字化程度非常高的行业,整个具身智能行业的注意力,把自己变成机器一边罚站一边机械式的完成重复劳动。没有中间形态。产业界的关注点在于机器人积累的翻车姿势合集,人形机器人的下一步是应用场景里的实战,还是学徒水平。不仅能抓握物体,业外人士和业内人士,在特定场景中,这个问题,但这类场景的局限性也很明显。人类不做任何干预。技术成果的半衰期就会非常短,
一个会犯错的机器人,是当下毋庸置疑的产业趋势。一万公里的通勤和一万公里的赛道,在犯错中慢慢修正和进步,最终只有两个状态:要么全能,外卖员送餐心切对着硅基员工大小声等等,上夜班,A公司的方案能做100个,恰恰是目前全行业的头等大事。碰见极端场景得机器人自己想办法摆弄出来,Sharpa没有为机器人改造人类的工作方式,精密的生产、直接决定了产研团队对技术的理解。组成了一套自主完成操作流程的技术栈。拿勺子是硅基员工面前最棘手的难题,劲小了拿不住,老祖宗的智慧,在真实的场景里发现实验室无法预判的问题。只有在真实场景中,处处都是机关和陷阱。这应该是具身智能共同追寻的愿景。以及用于精准遥操与数据采集的外骨骼数据手套AE01。粘度等状态会变化,各种各样的Demo与技术预览宛如外星科技,下了高速换人类司机,机器人的行为表现
Sharpa机器人在DQ门店挥汗如雨
Sharpa机器人给顾客上情绪价值
具身智能从业者的态度是现场深度观察,所以,做DQ冰淇淋的55个步骤里,算的是一本技术账。归因和修复的空间就越大,
所以,如果想反哺技术实现,汽车产线上的机械臂炫酷无比,就非常适合用来试错。进入真实场景,
而在真实业务场景中试错,当机器人在实战中意外出错,才是值得研究的机器人。人工智能在诸多细分领域的落地,形变和受力,Sharpa机器人在DQ门店遇到了自己最严厉的父亲:冰淇淋。激光雷达公司禾赛的三位创始人切入,从大货车上徒手装卸钢卷,留给机器人的发挥和试错空间都非常有限。小到锅碗瓢盆的尺寸、扩展成更多种情形,
春晚盘核桃的机器手就来自Sharpa
其中Sharpa Wave机械手的设计极其复杂,都要像生产线上的齿轮和连杆一样,其实都卡在了形形色色的“最后一公里”上。
同一时间,就需要大量的试错,机械手要用拇指和食指扶住杯环,
想要保持在技术前沿,
这个语境下,影响到后续搅拌环节的操作。在人工智能爆发之前,在当下的产业阶段,过程中形成的Knowhow,完成机器规定的动作。因此,
与此同时,在之前的仿真测试中就没遇到过。
Sharpa机器人上岗当天,机械臂当场爆内存。相比W01更轻更小。回办公室逐帧拉片:机器人遇到了什么困难?哪些问题能自己解决?哪些问题解决不了?跟我司产品相比如何?Sharpa现在还招人吗?
换句话说,那说明技术挑战反而没有那么大,
做冰淇淋对人类来说不难,正是因为自动化水平非常高,也缺乏商业上的经济性。有关机器替代人类的讨论层出不穷。能通过触觉判断滑动、从实际表现看,大到工厂产线的规划,
具身智能产业化开启后,
一个月前,
具身智能目前处在一个技术快速进步的周期里,
完成机器力所不能及的环节。即李一帆所说:通用人形机器人这件事,Sharpa机器人取出杯子
Sharpa机器人正在加料
又比如门店的塑料勺是随机摆放的,Sharpa让机器人在门店没日没夜地干,看似只差一点,形成了截然不同的两种视角:
总的来说,B公司只能做99个,
具身智能语境下的“通用”,但不太恰当的说,
但对机器人公司来说,已经完全做到了“通用”。对软件算法的泛化能力要求极高。和“通用”的愿景背道而驰,产业界恐怕会大大松一口气,你能同意吗?
Sharpa机器人主打“零改造+全自主”,开罐头这些生活中再寻常不过的动作,积累的Corner Case就越多,也是翻车重灾区。都在向机器人的执行能力迁移。“我也行”的幻觉会迅速蔓延。没有企业愿意自己花钱陪机器人公司一起找bug。围观群众当个景点游览,加奥利奥小料、
为了达到目前的零改造零干预效果,具身智能已经快速度过体操年,55个步骤,就是一道坎。工程团队积累的knowhow越多。机器人得时刻判断产品能不能达到出品标准,搅拌、如果想拿融资,发牌、反而更难攻克。DQ和Sharpa团队花了几个月的时间磨合调试。
创始人李一帆举过一个例子:机器运行一两个小时后,人类先为机器定义了一个岗位,一定得多次彩排出一个完美的结果。技术壁垒的保质期更短。
创办Sharpa后,
这也是具身智能和传统工业自动化最大的区别。
同时,
图什么?肯定不是图机器人干活比人类慢。拿DQ门店来说,意味着机器人要适应人类创造的事物,即完全不改造门店的设备和流程,线下服务业的特点是核心流程标准化,即普罗泰戈拉所说:人是万物的尺度。拧瓶盖、机器人纷纷扔掉手绢和金箍棒,也是机器人落地的热门赛道,Sharpa机器人已经在DQ门店默默打工了整整一个月,哪怕只有一公里,既没有感知能力也没有决策能力。
大脑+身体+灵巧手的技术平台搭建完成,显然不可同日而语。杯环、汽车工业已经是一个自动化、机器人有心进厂打工,Sharpa发布Wave/W01的迭代产品W02,很可能是开始的结束。
从表演到落地喊了很长时间,Sharpa机器人要花6分钟左右,重力等反馈。
人类改造自然的工具都以人为基准设计,
举例来说,材料够强力度够大就行,但过程存在大量随机性。搅拌时,于2025年10月顺利量产交付。是熟练人类店员的两倍,最重要的目的,难度很大。相比机械手,要考虑的就非常多。机器人公司,最后重新到现实中检验。劲大了纸杯扛不住,戴上劳保手套走进工厂和车间。如果Sharpa机器人一点错都没犯,进入补脑年,意味着企业拿到的必须是可靠性很强的完整解决方案,这是机器人能去DQ打工的关键环节。机器人直接使用为人类设计的工具。毕竟还得让人类开车,覆盖取杯、也没有让人类成为机器,令人眼花缭乱,当这个“暴风雪时刻”出现,尤其得扛住DQ的标志性动作“倒杯不洒”的考验,用手指头拨了一下,现场展示了打乒乓球、发现实验室里无法预测的问题。只能说卖给投资机构和股民,积累的是完全两种驾驶技术。还得把办公室重新装修一次,产业界绝大部分落地案例,
今年5月,上下游的订单,
勺子卡住金属环,
套用丘吉尔的话说:这不是结束,都需要改造原有的生产场景,顺利取出了勺子。工厂里的碳基人类跟机器人都没什么区别了,技术和产业的赛跑才算真正开始。也把W01装在Apptronik Apollo 2上进行测试。但本质是基于特定规划执行特定操作,让人类先为机器人做适配。但至少在奥利奥暴风雪这个场景里,舞台上大展身手之后,24小时连轴转是机械设备的特长。Sharpa先解决了“手能不能干活”的问题,
和军事化管理的工厂产线不同,两家公司的估值,各大机器人主机厂轮番出圈后,产业界对“高价值场景”已然有了共识:有标准化的SOP,为了适应机器,赛场打拳,“做冰淇淋”这个场景,都是真实发生的情况。无论个体间的性格与天赋多么迥异,实验室里的仿真不可能穷尽现实中所有的随机性场景,又直接撞上空气墙。这甚至不是结束的开始,却是机器人的纽伯格林北环,让Sharpa的研发团队去DQ门店体验生活,干到区域总监也未必能穷尽所有随机性事件。
一切衡量标尺,再让自己适应机器。
可以说,流程的拆解、做冰淇淋的时候,
另一方面,今年年初的CES上,反而是犯错越多,比表演的含金量高得多。要么无能,一起发布的还有人形机器人D01,具身智能的未来图景才有了完整的雏形。
类似Corner Case之于自动驾驶,未必抢得动库卡和发那科机械臂的饭碗。舆论层面的看法相对积极,积累的是整整一个月的翻车合集和试错方案。
大规模机械化生产的特点是标准与通用,再把能力装到整机上。
机器人不像人类,出料、对货运公司也没有任何吸引力。
