出品|搜狐科技
作者|常博硕
编辑|杨锦
8月11日，在世界机器人大会主论坛上，银河通用创始人兼首席技术官，北京大学助理教授王鹤发表了题为《以合成数据为翼，驱动人形机器人商业化腾飞》的演讲。
银河通用成立于2023年5月，至今已有两年多的时间。据王鹤介绍，银河通用是一家专注于具身大模型的通用机器人公司，提供从定义硬件、合成数据、训练端到端的具身大模型，到形成客户直接可用产品的一站式解决方案。“我们的使命是让通用机器人服务千行百业、千家万户。”
目前银河通用的估值已经超过10亿美金。就此，王鹤表示：“我们从成立的第一天就是要真正做有生产力的通用人形机器人。今天通过我们自主研发的基于视觉闭环输入的端到端趋势大模型，银河通用的机器人已经能在一系列场景自主工作方法操作，展现了人形机器人生产力的更多场景和可能。”
在机器人训练中，数据问题一直是困扰各大厂家的难题。王鹤认为，目前具身数据的难题主要源于真实数据采集昂贵，难以扩大到大模型充分泛化所需要的数据量。
王鹤解释道：“目前，教会机器人工作最直接的数据是遥操作数据。然而，这类数据面临着产能不足且成本昂贵的现状。以自动驾驶为例，数百万辆车每天都在运行，才能源源不断地产生数据。而目前全球人形机器人厂商的产能仅在千台到万台之间，与自动驾驶车辆的规模相差甚远。此外，遥操作需要雇佣人员进行，这进一步增加了数据采集的成本。”
王鹤认为，人形机器人要实现大规模商业化，必须解决数据来源问题。目前最大的公开数据集只有一百万条，这与具身大模型所需的数百亿条数据差距巨大，而这也构成了银河通用对数据的独特看法。
“我们认为，在现阶段，数据必须包含动作信息，但又不能是昂贵的真实世界数据。我们解决方案是利用物理仿真。”
目前，银河通用主要通过计算机图形学手段，将真实世界的物理完全搬进仿真环境，即构建一个大规模的物体资产库，让机器人可以与各种柔性物体进行交互，例如抓取、放置、开门、开抽屉、使用遥控器等，继而大规模生成这些动作数据。
谈及合成数据的技术细节，王鹤解释道：“在这些可交互的物体资产上，我们利用银河通用积累的合成的管线来产生大量的动作，这些大量的动作又可以通过强化学习的方式让机器人自主摸索生成。那么不管是直接合成还是强化学习试错生成的数据，都可以通过仿真器进一步的检验，再用渲染器把它变成视觉数据，最终直接把模型部署在真实世界。”
抓取，这一对人来说十分简单的动作，对于机器人而言却需要大量的训练才能完成。而通过合成数据，王鹤表示银河通用已经获得了全球首个十亿级别的抓取合成大数据。“在此之前，遥操作采集的数据最多只有百万级别。正是这样海量的抓取数据，才真正训练出了一个操作抓取的基础大模型。”
王鹤进一步表示：“我们是全球第一个、也是迄今为止唯一一个训练过抓取具身基础大模型的公司。我们训练出的模型在吸收了十亿级别的合成数据后，能够直接泛化到真实世界。”
随后在演讲现场，王鹤通过视频展示了机器人执行一个抓鸭子的任务。视频中，即使在夸张的迪斯科灯光下，机器人也能成功抓取。王鹤解释说：“这正是因为它已经学透了抓取背后的本质，训练好的模型不仅能抓取特定的商品，还能实现零样本泛化。能直接识别并抓取不同品牌、不同高度、不同瓶盖的新款矿泉水，无需再次训练或采集数据。”
王鹤举例说：“在商超的环境里，只需要演示一种货品的抓放，它就能自动迁移到同类的所有不同款不同品牌的货品当中，这样让我们具身大模型的客户用得起，我们才能迎来人形机器人的一个商业化、规模化的时代。”
目前，在世界机器人大会的银河通用展台，机器人已经实现了双手抓取。当顾客同时下单两个不同的商品时，机器人可以一心二用，同时抓取，哪怕是需要不同操作的挂装和瓶装商品。除此之外，银河通用还展示了机器人全身运控和视觉伺服能力的漂移搬运过程，这种能力的快速涌现，同样得益于合成大数据的巨大能量。
最后，王鹤表示：“目前，我们已在零售、工业领域率先落地。下一步，我们将在接待和康养场景继续努力，让千行百业、千家万户真正感受到人形机器人的生产力。今年是银河通用千台应用元年，我们希望与大家携手，共同推动行业健康发展。”返回搜狐，查看更多