硬核！“華為天才少年”讓自己組裝一臺(tái)家用機(jī)器人不是夢(mèng)！

如果說宇樹機(jī)器人向我們展示了新一代機(jī)器人在工業(yè)、娛樂等方面的潛力，那么由“華為天才少年” 彭志輝創(chuàng)立的智元機(jī)器人則在昨天開啟了機(jī)器人在家用領(lǐng)域的應(yīng)用大門。

沒有跳舞、武術(shù)、翻越障礙等花哨的動(dòng)作，智元機(jī)器人靈犀X2展示的僅僅只是騎車、縫葡萄、看書、聊天等我們?nèi)粘Ｉ钪?span id="nphyl0b" class="mgc">最普通的情形，但是我們知道，這些最普通的情形，才是機(jī)器人產(chǎn)業(yè)最大的難點(diǎn)——在電力的驅(qū)動(dòng)下，想要化身大力士不難，只要一個(gè)千斤頂即可，但要模仿人類的日常動(dòng)作，卻涉及人工智能、機(jī)械、電子、影像等方方面面的技術(shù)。

在擁有這些人類的基礎(chǔ)能力后，讓靈犀X2g更像一個(gè)人了！所以彭志輝表示：“我們希望機(jī)器人的生產(chǎn)力價(jià)值能夠外溢到日常生活，讓機(jī)器人成為‘吉祥三寶’，也就是保安、保姆和保潔。”

那么，智元機(jī)器人如何做到讓旗下產(chǎn)品初具家用機(jī)器人的雛形呢？

硬件為基:可以像組裝電腦一樣組裝機(jī)器人

總體來看，智元機(jī)器人靈犀X2全身共28個(gè)自由度、體重33.8千克，采用了一套基于Diffusion的生成式動(dòng)作引擎，基于VLM的硅光動(dòng)語多模態(tài)模型。其中，在硬件方面，靈犀X2共有三大創(chuàng)新！

像組裝電腦一樣組裝機(jī)器人：

靈犀 X2在硬件設(shè)計(jì)中，將靈犀 X2硬件系統(tǒng)抽象為一系列可復(fù)用的核心組件，核心組件包括：小腦控制控制器 Xyber-Edge，域控制器 Xyber-DCU，智能電源管理系統(tǒng) Xyber-MS 以及迭代了多版本的核心關(guān)節(jié)模組 Powerflow 等等。

通過這些可拆分、復(fù)用組件，智元能夠像組裝臺(tái)式電腦一樣，快速搭建起一套靈活、完整、可靠的人形機(jī)器人系統(tǒng)。

大量使用柔性材料：

在機(jī)體的材料選擇上，智元使用了非常親和的柔性材料。這使得靈犀 X2 的皮膚柔軟有彈性，這一方面能夠保證運(yùn)動(dòng)時(shí)的柔韌性，另一方面也對(duì)人類接觸友善。

全新的關(guān)節(jié)設(shè)計(jì)：

靈犀 X2 的機(jī)電關(guān)節(jié)模組重新設(shè)計(jì)，在 X2 原型機(jī)全身 28 個(gè)自由度中，沒有使用到任何一個(gè)并聯(lián)結(jié)構(gòu)，既能夠保證慣量上移，又實(shí)現(xiàn)了傳動(dòng)鏈的完全解構(gòu)。這意味著任一關(guān)節(jié)的活動(dòng)，都是獨(dú)立驅(qū)動(dòng)，避免并聯(lián)結(jié)構(gòu)中多鏈條驅(qū)動(dòng)帶來的相互約束問題，降低了肢體末端的慣性，保證動(dòng)作更靈敏精確。

軟件為“心”：讓機(jī)器人自身具有學(xué)習(xí)和交流能力

要讓一臺(tái)機(jī)器人像人，只有硬件創(chuàng)新是不夠的，這只能讓它在外形上像人。還必須搭配算法和大模型技術(shù)，才能夠讓機(jī)器人在行為動(dòng)作上，也像一個(gè)人！

相比于傳統(tǒng)的機(jī)器人，人類最大的特點(diǎn)是具有自主學(xué)習(xí)能力，而靈犀X2在這方面邁出了關(guān)鍵一步，該機(jī)器人同樣具有自主學(xué)習(xí)能力。

3月10日，智元機(jī)器人還發(fā)布了首個(gè)通用具身基座模型——智元啟元大模型，它開創(chuàng)性地提出了Vision-Language-Latent-Action (ViLLA) 架構(gòu)，該架構(gòu)由VLM(多模態(tài)大模型)+ MoE(混合專家)組成，可以利用人類視頻學(xué)習(xí)，完成小樣本快速泛化，降低了具身智能門檻，并成功部署到智元多款機(jī)器人本體，持續(xù)進(jìn)化。

目前，靈犀X2目前初步具備了簡單任務(wù)中對(duì)操作物體的零樣本泛化能力，比如給葡萄“縫合傷口”等精細(xì)活也不在話下。

當(dāng)然，作為一款可能家用的機(jī)器人，靈犀X2還必須具有與人類交互的能力。

在人機(jī)交互方面，靈犀X2搭載多模態(tài)交互大模型“硅光動(dòng)語”，并通過邊緣側(cè)“端到端”模型架構(gòu)的工程優(yōu)化，使其具備毫秒級(jí)的交互反應(yīng)能力，使其能夠通過人類的面部表情和語音語調(diào)精準(zhǔn)判斷情感狀態(tài)，并做出相應(yīng)的回應(yīng)。靈犀X2還能模擬人類的好奇心和注意力機(jī)制，有“偷看”“撓癢”等擬人化的表現(xiàn)。

彭志輝表示，硅光動(dòng)語中的“光”代表視覺，“動(dòng)”代表動(dòng)作，“語”代表語音，因此也是第一臺(tái)真正具備復(fù)雜交互能力的“靈動(dòng)機(jī)器人”。目前該公司還在完善這款機(jī)器人的思維模型。

在這些技術(shù)的加持下，在彭志輝發(fā)布的視頻中，彭志輝已經(jīng)能和靈犀X2展開正常聊天了。在問題和答案并未預(yù)設(shè)的前提下，機(jī)器人對(duì)彭志輝提出的問題一一作答，比如：

如果我的狗和你掉進(jìn)水里，我先救誰？

如果給你看《銀翼殺手》你會(huì)不會(huì)哭到短路？

靈犀X2 回答的是「先救狗狗我沒事」，「不會(huì)哭但會(huì)感慨萬千」。這類語言表述自然，兼具「理性」與「感性」，甚至在回答的時(shí)候，它還會(huì)有手部動(dòng)作向你互動(dòng)。