# 当机器人学会认路，物理世界才真正接上了 AI

An episode of [科技乱炖](https://invisiblenetwork.ai/podcast/1492740686), 23 Aug 2026, 1 h 20 min.

Audio: https://tk.wavpub.com/WPTK_Hx8KT5WCDNDoJTOu-28600a8802e2.mp3

机器人，可能是过去两年科技行业里最像“一夜之间冒出来”的东西。 世界机器人大会的展馆里，几百家公司同时在做人形机器人、机器狗、机械臂。它们会跑、会跳、会翻跟头，甚至已经开始尝试自己出门买咖啡。 但机器人当然不是突然出现的。 从上世纪五六十年代的工业机器人，到日本对人形机器人的早期探索，再到 ASIMO、波士顿动力，人类已经折腾了几十年。机械结构、电机、控制系统不断进步，但机器人始终有一个很难跨过去的门槛：它可以被控制得越来越好，却很难真正理解自己要干什么。 直到 AI 开始补上这块缺失已久的“大脑”。 强化学习让机器人学会保持平衡、走路和奔跑；大模型和视觉模型则进一步让它开始理解环境、拆解任务、做出判断。机器人发展的重点，也因此从“怎么让它动起来”，逐渐变成了“怎么让它自己决定该怎么动”。 这也是“机器人”开始变成“具身智能”的关键一步。 这期《科技乱炖》，我们来到世界机器人大会 2026 的现场，从机器人的几十年发展史聊起：为什么机器人和人工智能的发展一直彼此交错？为什么过去那些看起来已经很厉害的机器人，很多动作其实仍然是预编程的？大模型究竟改变了机器人什么？ 以及，一个更现实的问题： 当机器人终于有了“大脑”，它接下来应该去干什么？ 【本期嘉宾及主播】 • 唐文彬：高德具身业务负责人 • 朱峰：「津津乐道播客网络」创始人，产品及技术专家。（微博：@zhufengme） • 某高老师：「科技乱炖」主播，资深运维专家，互联网和 IT 行业从业20 年，现任某互联网安全公司高管。（微博：@某高老师，Blog：某高老师 – 人间观察） 【制作团队】 后期 / 卷圈 封面 / 姝琦 运营 / 卷圈 监制 / 姝琦 产品统筹 / bobo 【联系我们】 希望大家在听友群和评论区多多反馈收听感受，这对我们来说十分重要。欢迎添加津津乐道小助手微信：dao160301，加入听友群。 【关于「科技乱炖」】 由多名资深从业者主持的科技点评播客，以实际工作中积累的经验为基础，结合实际，把近期科技热点变成犀利、独到、深刻的独家观点。 【关于「津津乐道播客网络」】 在一派纷繁芜杂里，我们为愉悦双耳而生。科技、教育、文化、美食、生活、技能、情绪……严肃认真却不刻板，拒绝空泛浮夸。与专业且有趣的人携手缔造清流，分享经历，传播体验，厘清世界与你的关系。 津津乐道 | 科技乱炖 | 津津有味 | 记者下班 | 不叁不肆 | 厂长来了 | 编码人声 | 沸腾客厅 | 拼娃时代 收听平台 苹果播客 | 小宇宙App | Spotify | 喜马拉雅 | 网易云音乐 | QQ音乐 | 微信听书 | 荔枝FM | 央广云听 | 听听FM | Sure竖耳App | Bilibili | YouTube | 华为播客 联系我们 津津乐道播客官网 | 公众号：津津乐道播客 | 微信：dao160301 | 微博：津津乐道播客 | 商业合作：hi@dao.fm | 版权声明 | RSS订阅 本节目由「声湃 WavPub」提供内容托管和数据服务支持。

## Chapters

- 0:00 开场：世界机器人大会现场，高德为何而来
- 2:20 机器人发展简史：从达芬奇到工业机器人
- 8:14 自由度与结构：为什么人形机器人这么难
- 15:48 从预编程到强化学习：大模型带来的转折
- 22:17 机器人的小脑与大脑：运动控制与任务决策
- 28:42 VLA、世界模型与执行模型：大脑的技术路线
- 37:02 当前瓶颈：模型太大、响应太慢
- 40:42 高德的切入点：导盲犬机器人
- 50:00 末端配送与巡检：更多落地场景
- 58:16 机器人专用导航：从车道级到步道级
- 1:08:15 打破负反馈螺旋：场景与生态
- 1:13:40 展望未来：物理AI端口与行业热潮

## Transcript

[0:00] 说话人 1: 本节目由津津乐道制作播出。大家好，这是一期科技乱炖。那这期科技乱盾呢？有一点不一样。我们今天是在世界机器人大会二零二六的现场，我们来和高德来做一个现场的开放麦。我想大家可能有点儿想不通啊，这个这跟高德有什么关系？对，别着急，一会儿，咱大家慢慢聊。那今天呢除了我某高老师以外呢，我们还来了一位嘉宾。那请我们的嘉宾来介绍一下自己吧。
[0:43] 说话人 2: 大家好，十分高兴。能够和两位老师一起来探讨一下高德为什么会在巨声领域去做一些工作。我是唐文彬，高德具身业务的负责人，大家也可以叫我子乔，这是我在公司内的一个昵称。
[0:56] 说话人 3: 没事，我们叫唐老师就好了。
[0:57] 说话人 1: 对，其实我们今天想聊的一个话题有点意思。我们不想聊今天的满坑满谷的各种机器人是吧？刚才我们早晨过来，我其实看了一天，我今天到这儿啊，我就震惊了。
[1:08] 说话人 3: 我真没想到咱们国家做机器人都有这么多厂商。
[1:12] 说话人 2: 其实现在在我们国家的话，可能有超过三百家不同的具身基械公司啊这么多了。对，已经超过三百家对对。
[1:21] 说话人 1: 但是我今天不想聊这个，为什么呢？我们的听友给我反馈了一个意见，说什么呢？说你们得聊聊这些机器人怎么从一夜之间冒出来的那我就在跟他们说一个话题，这不是一夜之间冒出来的机器人这个概念从上个世纪六七十年代就有人在讨了。但是今天我们又看到了这么多满街跑的机器人，其实这里是有一个发展路径在里面的。嗯，啊我们的智能，我们的AI到了一个程度，它可能会往前走一步。我们的呃机械控制能力到一定程度上又会往前走一步，其实它是一直是这样一个过程。所以今天我们看到不是突然冒出来这么多。这些其实以前可能是在工厂里啊，在各种专业的领域，今天跑到街上是有跑到街上的一个历史使命的。我说大了了他一首历史使命。所以我想唐文斌老师给大家聊一聊机器人，这个概念是从什么时候开始？
[2:20] 说话人 2: 其实如果这样讲的话，之前这个概念十分十分的早。从达芬奇时说就有哦哎呦嚯真的这个其实最早是达芬奇有做过这个，就是说当时有设计过一些机器人的方案。后来的话呢，当然那个太早了，就我们就不去追溯他。然后说刚才正好您提到了说工业机成这件事，工业机器人是在可能是一九五七年的话，当时最早在这个美国有提出说要做这种工业机器人的b作弊。
[2:46] 说话人 1: 但是这个最早的时候，然后后来是那个机械臂机械臂那种那种形态。
[2:51] 说话人 2: 对对对，呃，是这样的一个形态。呃，当然我我不去讲那个科幻小说当中的那些概念啊，然后后来呢是当然发扬光大，把这样一个叫copace这样一个概念，发扬光大的呢是日本人。日本人当时是日本人说就是他们要做这个机器人，然后后来逐步的开始呃，有了这个我们称之为叫这个像发纳科啊，像这种氨川啊的这样的一些工业机型的公司。我们国家的话呢是差不多是从上世纪八十年代，当时是最早是沈阳自动化所的蒋新松蒋院士。当时他是第一个到国外，然后把这个工业机器这个概念引入到我们国内。所以省自所在我们国家的这个机器人版图当中，也是个很重要的一个科研的机构。然后呢，我们开始有一些国内的机器人，但那个时候就是国内机器人，我们还属于一个追赶者吧，或者说是学习者的这样一个角色。然后到九十年代，当时我们引进了那个发那科，就是当时在上海上海电器把这个发那科引入和上海电器合资成立了一家这个呃中国上海的发那科咨询有限公司。
[3:56] 说话人 2: 然后开始做这个工业级机器人，然后开始将我们的整个国内的自动化产线进行一个升级改造。
[4:03] 说话人 1: 也就是以前我们这些机器人，就像刚才我说的，都是用在这种专用的领域，比如去工厂参观。嗯，啊看那个机械臂，它其实也叫一种机器人。
[4:13] 说话人 2: 对，最早的话这种就称之为机器人。然后人形这个概念也是很早，就有，其实是和那个工业机器人是同步在走的。但是他那个太早了，最早的话也是当时是那个日本人，日本人他们做了很多这种工业基础，就是人形的这种研究和探索。
[4:28] 说话人 1: 这里我必须给我们的听友们讲一个故事，我在疫情前吧，一八一九年的时候去美国的计算机历史博物馆，他专门有一个展柜里面展示的，应该就是六七十年代，就是那些日本公司研究出来的各种各样的人形机器人。你就看那个东西，可科幻呢，你看那科幻电影里那个东西是什么样，它就是什么样。但是当时江解员就跟我说一件事情，为什么当时人类有盲目的自信，说我现在能搞机器人了？就是因为当时有计算机了，有算力了。当然我们今天去看，当年那个算力呢远远是不够的。但是大家突然觉得哦，它不是一个能动的电动机或者能动的一个杠杆了，我可以用一些计算的资源去控制它了。
[5:21] 说话人 3: 所以当时大家就做出了好多东西，你说这个让我感觉他和人工智能的发展史很像，或者说他们俩是同步的对。因为你看啊，有的时候你觉得咱们在六七十年代，甚至五十年代，就有现在的这些人工智能的理论了。怎么那么超前？其实不是超前，是现在的人工智能实际很落后，并没有发展出非常新的东西。嗯，只不过是为什么在那阵没有？而现在有呢？是因为算力，哎，所以基础设施变好了。嗯，这些算法可能老早就有，那机器人可能也是这样，就那时候的基础可能已经奠定了很多基础，但是底层的东西还没有
[6:00] 说话人 2: 对高老师您说的这一点确实十分的正确啊。就是之前最早我们在说这个机器人，它你可以认为它它是一个叫结构和计算相辅相成的这样一个概念。在很早的时候，就是刚才您提到了那个人工智能，人工智能最早从图灵发展起来，对吧？它提出了那个所谓的就是图灵悖论这个东西。然后后来我们有很多的人工智能的一些理论，一些理论发展到现在它和机器的发展，它其实是同步的。
[6:27] 说话人 1: 它是交或者是交交替身上。比如说我的电动机的技术，我的控制技术对上升了，那算法就开始往上追他，追到那发现哦我算法厉害了。然后呢，但是我的这个呃控制的这个，比如它的丝滑程度啊，它的呃这个步进电机的这这个精度啊，它可能又不够了，然后它控制有上么让我会帮你介绍。
[6:50] 说话人 3: 你说这个我想起来以前我看过一个介绍，就是不是有一个东西是三层的一个摆，就是它能能保持平衡啊，那个三层都在上面立住。我记得最早开始训练都是完全模拟的对，就是在在这个屏幕里面画三根线，然后在那儿模拟，最后才把它做成一个视频。也就是说可能一开始纯软件就可以把机器人的很多东西都设计出来了。
[7:16] 说话人 2: 其实最早并不是纯软件，因为这就是说软件能力不足。最初的时候其实是纯机械的方式啊，纯结构纯机械的方式，通过一些电机的这种方式去把这个机身拼凑起来。呃，因为您刚才提到到美国去看过这样一些博物馆里面，它有一个很经典的，就是一个纯结构的一个双腿。嗯，它不带任何控制的纯结构双腿，然后基于它人体的一个结构设计，然后它可以在一个像那个跑步机的那个道道的履带上面，它就可以走哦想起来了。
[7:43] 说话人 3: 对，在那之前还有一个单腿跳啊。
[7:45] 说话人 2: 对，没有错啊，就那个没有所谓计算，那个是纯结构，纯机械的东西，纯用机械来实现的。
[7:51] 说话人 1: 对
[7:52] 说话人 3: 它里面的功能，对我觉得那个结构那个很巧妙啊。你看我们家小孩小时候也参加过这种击前比赛，做的那种什么寻线机器人，嗯，它就是一个光敏的二极管。对，一极管线，这等于没有编程，它就是一个开关。你偏离了以后，这边开了，它那边是往这边转，或者是说就是简单的那种PLC嘛，那电机就能解决了。
[8:14] 说话人 2: 对，PLC和单片机还不一样。Plc是属于那个大型的那种这种相对来说复杂一点的工控的这种设备。那回过头来讲，就是说后来呢从这个人人机器人开始，但那个时候一直是个概念。因为人形跟工业不一样，因为它最大不同在于人性，它的自由度更多，我们称之为自由度啊，是机器人当中一个十分关键的一个概念。嗯，呃什么叫自由度？就是说假设我们说的这个空间当中有六个维度叫前后左右上下，然后三个旋转嗯XYZ,然后绕这三根轴度，这就是所有的自由度。这就是这这叫一个这叫六个自由度，某一个单点。但是呢当你把这个东西就锁起来以后，一个关节它一般就只有一个自由度，一般就只有一个自由度。您可以想象一下，你的手指的它某某一个环节，对它就它只能够要不你说你说单杆节，它只能够绕着这一根轴做旋转，嗯，要一个自由度。那么对于这个像工业机器人来说，它一般是六个自由度，或者说是七个自由度。呃，但是人形不一样，人形它是仿人的，它可能有四十多个角度。
[9:13] 说话人 1: 我试着理解一下啊，就是比如说我们工业机器人，那它是放在这个场景里面的这个台子上的。所以你怎么动或者怎么样，它是为了满足这个工业的需求，它是为了最终的那个目标点，
[9:27] 说话人 2: 达到他那个目标的那个点位和那个姿态。然后它是通过六个电击，它是串联的。所谓串联，就是一个接着一个，这样的形式，一个接着一个。
[9:36] 说话人 1: 那如果是人形，他就不一样，他必须按照人的那个运动规律来，它有类似于像人的这种形式，你得要两条腿，嗯，你得要两两只手。
[9:43] 说话人 3: 所以为什么贵工、贵机器人行业都在沉迷于做人形机器人？
[9:49] 说话人 2: 呃，可能是因为这可能是一个执念吧，或者说我称之为一个概念。你为机器人机器人你都翻译成人了是吧？大家肯定是希望做成人啊。但另外一个其实所谓的做机器人，它的核心目标其实是为了帮助人，或者说是减轻人的一些负担。我们的理想状态不就是人能够休息，让机器人去做事情嘛，实际上是融入人类社会，对，还有人类社会。所以经常大家也会有这样一个问题说，唉，我看到有轮式的啊这个有有这种带底盘的有什么什么为什么你一定要做人？那么会说这个society,这个社会，它所有的设施公共设施是所有的这些呃整个环境都是为人而服务的。所以我们会想说，那自然而然的一个人形机器人，它最好的能够去适应这个社会，去适应这个环境。
[10:35] 说话人 1: 啊，对，也就是说以前我们讲人机接口，那如果我们做一个人形机器人，咱做的是机人接口。你想这个社会里有很多东西是我们希望用智能去操作的。比如帮你开个车，这车不是自动驾驶的车啊，帮你开一个车帮，你上房修个房啊，帮你拧个这个弄个那个这你除除草对吧？这种事情你想那个除草机不可能是专门为某个东西来设计的，那就是我要跟你辩经啊。
[11:07] 说话人 3: 因为我是做互联网出身的，我以前呢在做这个很多很多年，以前我们公司在开始做这个持续集成的时候，我给他们讲什么叫自动化测试。啊，我的一举的一个例子就是热一个饭到底是做一个人形机器人在那帮你颠勺，还是做一个微波炉去转五分钟啊，一定是做微波炉，又便宜又省事又标准OK啊，所以我在告诉他们做自自化测试，不不要通用用的，要做专用的OK啊，这个是观点啊。嗯，所以我想反驳你个问题啊，就是好，比如说我们现在可以有类似于自动扫地机、自动擦地机、自动除草机嗯等等等等。那我们为什么要搞一个通用的机器人来干这个原本这些活连原本的东西就不能扔了呀，哪个成本低？我的意思是哦，
[11:59] 说话人 2: 他其实上面有这样一个概念，就是我们之前一直在讨论这个问题，我们叫一加x加n我们曾经有过这样一个概念，这个展开降量对它什么叫一加x加n呢？N就是您刚才提到的什么微波炉啊、扫地机啊、洗衣机啊、电视机啊，我们只要人的生理结构没有发生变化，在家庭环境当中这些东西永远不会变。嗯，而且而且您说的它作为一个专用的这样一个设备，它一定是最廉价的，一定是最有用的啊。接下来回过头来讲，但是这些设备你你想象一下，任何一个洗衣机也好，微波炉也好，总要有人去使用它。懒惰是催促的科技技步的生产力的推动力的对。所以那么接下来就变成说哎，那谁来去驱动这些嗯这n个设备，家庭当中不变的这些设备，对吧？那么我说会不会有一个x一个x比方说是一个轮式底盘的，加双臂的，或者说像我们这我们现在目前在高德，我们所做的这样一个四足的这样一个机器人。嗯，这是一个具体是一个什么样的形态，我们现在也在做探索，
[13:02] 说话人 2: 但最终会有一个一一是什么？一是那个真正取代人的那个人形机器，它不光是要去操作家庭当中所有的这些设备，这x和n驱动这些设备，同时它要和人进行交互。嗯，真正让人感觉到说，哎，那我在家庭当中他是一个伙伴，嗯，他是一个家人，而不是某一个device.嗯嗯，所以这个就是我们原来设想过是有这样的一个概念，他们所有的是那个x对，我们现在在做的是x当然我们有目标是向那个一区啊。
[13:30] 说话人 3: 呃对我我的听到这我的感觉是说它其实是两种路线，比如说小爱同学那也是一种路线。嗯，你要把所有的设备都换成智能的，然后再用一个什么网关把它连在一起，我可以躺着就可以遥控指挥空调了，遥控指挥窗帘了。嗯，但是呢这是另外一个路线，就是我可能有老的，比如说空调这个东西换起来很容易，但我可能又稍微贵一点东西我没办法很快智能换。那我还要希望有智能的人去操作，那就中间加一个层次，就是我们从n逐渐变成x这个过程，反正最终目的都是人懒，对吧？
[14:08] 说话人 2: 对，其实怎么说呢？就是这样一想的，就是说可能我们说小爱音箱或者什么这种方式啊，嗯呃，但是所有的这些它的前提条件是这种的控制，它是和物理世界不发生交互的。一旦你需要和物理世界发生交互，比方说哎我打开空调，空调是没问题啊。那我今天要开个冰箱，把东西放进去拿出来，
[14:30] 说话人 3: 这个时候他就没有，或者是我打开空调的时候，你顺便把窗户关上。
[14:34] 说话人 1: 对啊，这件事情他就没有办法，他得有这个自主和规划的能力。
[14:38] 说话人 3: 对，除非你整个房子全都是家用电机，嗯，但是那肯定还有得，比如说你地下有个纸团，嗯，咱们把它捡起来。
[14:46] 说话人 2: 对啊，这个你看今天场馆里面有很多的一些厂商，或者过去扫地机器人厂商已经在推出了一些带臂的这个对对扫地机。那不计不就是为了把一些杂物给拿起来，对吧？嗯嗯，啊所以其实科技进步目目标就让让人够够越来越的去做这些事情。是啊，那那再回到再最初的，就是说我们整个就说这个叫模型，或者说算力和我的结构之之相相辅相成，不停的前进进。从工业器器人开始到可能在呃九十年代开始逐步的进入工厂。我们国家开始自自动化开替替人。然后从原来的简单工位或者是的操作，变成有机器器人。在在我我们国家就是全市最大的工业机械的这个消费国，然后再到什么。但是一直到两千年以后。当时最早最有名的，我相信几位也知道那个日本的那个阿什姆，嗯，日本那个什姆他们当时做了很久，包括这个波森顿asdynamics做的机器人。嗯，当时波森动力他们用他们的液压系统做的那个机器人。确实他们在这个从传统控制的角度来讲，他们已经到了登峰造极的这个
[15:48] 说话人 1: 像我们当时看那个视频都惊呆了啊，但是后来发现有一些是cg啊，是吗？
[15:55] 说话人 2: 但是确实他们已经做到登峰造极程度。但是就算是做到那个程度，他有一个最大的问题没法解决，叫什么？所有的动作都是预编程的，都是安排好的。
[16:06] 说话人 1: 包括今天说实话啊，这个听我们悄悄的听啊，我发现今天这个唱馆里很多机器人啊是背后有一个操作手啊，你要操作在后面操作的。哎，你看这个车往里跑这个事，我是这么理解啊。
[16:20] 说话人 3: 首先呢你不能说遥控的机器人这个事儿就不高级啊，实际上遥控机器人呢它首先解决了平衡和行动能力的问题。嗯嗯，这个不是遥控的对吧？这是他自己解决的，然后遥控指是他解决往哪走。那往哪走这个事儿我可以你稍微升级一下，就可以让他自己规划。嗯嗯，嗯但是你最基础的，比如迈步上楼梯保持平衡，别人推他一下，他能站住，这个肯定是内建的机器人里边的。
[16:47] 说话人 2: 所以我觉得至少他能证明这个事是他做的对这一点您提的是一个很关键的一点。这可能一般的就是呃普通的一些听友，他们可能并不了解啊，让机器人保持平衡，保持balance是一个极其困难的一件事情啊，就我们过去看我，我才讲是像波波顿动力，他们做到了登峰造极。对，因因为他们整个平衡性做的极其的好。但是为了达到这样一个我们人体站立啊，就是双腿站立的人形。我们人能够站立，它是经过几亿年的进化，它是一套极其复杂的平衡机构平衡机制。那么机器人原来的保持这个平衡是极其困难的。那么为什么现在大家看到这个场馆里面又蹦又跳？对啊，都能够保持平衡。这就是我一回头头来讲，叫人工智能的发展。那让我们整个控制的方式做了一个其他的转变。
[17:34] 说话人 3: 哎，所以我刚才就想问这个问题啊，就是我们这两年看机器人突然变多了，和这个大模型有关系吗？
[17:42] 说话人 2: 呃，有极大的关系啊。我刚才就讲的就是到我刚才说那个两千年的时候，当时那个日本人做阿什姆包波波顿动力做这个阿特拉斯。那做到后面呢做到可能二零一五年一六年一七年的时候就已经做不下去了。
[17:55] 说话人 1: 因为大家已经不知道灾该该怎么继续往下做啊，也就是他已经遥控的非常好好了。但是就不知道后面我们应该做什么了，那个时候还没法遥控。
[18:04] 说话人 2: 您不知道，其实为了实现现在这个遥控就要靠大模型哦，就刚才就高老师说的零件很对，因为现在大模型都让它能够站站住，站站稳啊，所以才能遥控，否则你连遥控都遥控不起来啊。
[18:17] 说话人 1: 因为我不可能把一百八十多个，关键都能遥控都能控制，
[18:20] 说话人 2: 没有错没有错，您说的对了。所以呢就是呃在就是那个就是GPTMAI出来以后，然后我们说那个整个大模型，让我们整个机器人界，或者说整个我们后来改了个名字叫巨声。嗯，原来来就说机器人可可能不一定能够抛这这个II这个概念念对对。所以就是说说看到希望看到希望。所以我们当时有一个就我我那天跟呃谁聊的，我说当时为什么马斯克在二二年的时候要做这个擎天柱？Okms当时我们完全不理解你为什么要做这个东西，因为这个东西还早得很。
[18:55] 说话人 1: 后来知道啊，原来他背后他投了openAI,他比别人看见的早了，一看的早一步啊，他知道大模型将来能力会走到这儿。
[19:03] 说话人 2: 对对对啊，所以呢在在那个时候，就是在那个时候，就是当大模型来了以后啊，当然大模型更早一点，二零一二年那那个就是exnenehinter那个嗯时候出来做大模型。那那个时候呢，就我们就用强化学习来做。刚才我们提到的那个控制的那个部分，嗯嗯，叫localmotion,叫步态控制的这个部分。因为通过强化学习的方式，这时候是什么？它是一种你也可以称之一种暴力解法也好，或者说通知部通过一种所谓叫统计学的方式去做也好，我不再去推算可能四十多个关节哦，所以原来是规则驱动，规则驱动，那确实很难对它的模型是极其极其复杂的。它是个很高维的一个一个模型。所以在那个时候呢，我们就开始通过强化学习啊，可能我们在整个比方说像英伟达做的那个就仿真环境，coslscosmos,嗯，然后几几百个几千个几万个不同的机器人，同时在仿真去走快跳。嗯，然后练出一套这个参数，来让它能够在不同的呃状态下保证它的稳定性。
[20:05] 说话人 2: 这个是这几年机器人，或者说我们在去年看到这个春晚舞台上语速，它的机器人能够表现那么好的原因。它依赖的是现在的这种强化学习的这种方式OK啊，而不是传统的这种规则的控制方式。
[20:20] 说话人 1: 明白了，以前如果是通过规则的话，一旦就eels嘛。
[20:24] 说话人 3: 对想吧？
[20:25] 说话人 1: 对，就是elseseifelse.对，那只能是这么来解决。
[20:30] 说话人 2: 嗯，他还不只是ifelse的。嗯，ifelse还简单了。过去的话我们控制它的话，因为我我刚才又回到前面一个概念，叫自由度的概念。Ok四十多个自由度，我去解那个方程，大家解过方程啊，嗯这个二元一次好做是吧？嗯资源一直到可能几十元的这样的一种方程，那个是纯靠理论靠数学去做的。那个解不出来，完全是靠数学做，完全是靠数学做的这个能。
[20:56] 说话人 3: 我能感觉到一点，但是不一定能说清楚。比如说你要保持平衡，嗯，你身上的所有的关节每一个动多少度，你你那个角可能就得对应的动多少度，没有不导，它是一个复杂的求解过程。对，它它要数学全身的输入，来来给你脚一个，让让角力输出出，想想事儿有多复杂。
[21:15] 说话人 2: 对，而且那个呢还有另外一个问题，就是我相信各位也经常会听到一个大模型界在经常说叫泛化性、泛化性的事儿。所谓泛化性性，就是我这一套模型能够适应不同的这个条件和情况。但是我刚我们刚才说的，回到那个通过数学的方式去解它。有一个输入。所谓输入就是各种传感器，嗯，各种电机的信号，那些都是有高度这个噪音的夹杂在其中的。就他无法解决那个泛化器的问题。
[21:45] 说话人 1: 哦，对它的输入不一定是一个稳定的，它的输入本身就不是一个稳态的一个输入。
[21:50] 说话人 2: Ok这就导致说我们原来通过数学的方式，你让他站住都是一件极其费劲的事儿。
[21:56] 说话人 1: 因为它噪音太多了。你最后求解推出来的那个结果，它有可能会偏。
[22:01] 说话人 2: 而且你想我们要推出这么复杂的一个模型，意味着说它每时每刻它每一分每一秒，甚至于说每十个毫秒它都在变化，嗯，它都在变化。那我不停的去计算解不出来的。嗯，他的这个求解要求太高，究定要求太高了。
[22:17] 说话人 1: 所以大模型来了，它是从什么角度来解决的这个问题。
[22:21] 说话人 2: 呃，大模型来了以后呢，我们是一套复杂的参数表，它可能是一个更高维度的一张表。但是这个表呢就成生成这样一整套，我们称称之为叫参数表嘛，然后它能够呃去适应所有的这种可能性。适适应所有所有可可能性，就所有可能性，我已经在仿真环境当中都跑过了。嗯，啊都能够比方说基于这个输入，我就能够大致推断出一个是一个什么样的输出。嗯，然后保证你个机型的一个稳定性。
[22:47] 说话人 1: 也就是说对一个模型来通过仿真器给它各种各样不同的输入，对获取到的这个结果作为训练都是放进去。他做训练。对，然后让他理解他在运动过程当中的各种误差和偏差来怎么来纠正。
[23:03] 说话人 3: 我知道了。所以这个东西啊类似大语言模型，他叫大运动模型。
[23:08] 说话人 1: 哎，好像是这概念吗？
[23:10] 说话人 2: 就类似于这样的概念，类似于这样的概念，对类似于这样概念。所以呃通过这种方式呢就解放了我们去处理复杂的这种数学模型的这个呃困境。嗯嗯，然后哎由此就是让我们说哎机器人可以做出各种匪夷所思的动作，只要能够想象得到，就能做出。
[23:29] 说话人 3: 所以我们能能理解成这其实做了一个机器人的小脑。
[23:33] 说话人 2: 嗯，对，你可以认为这其实就是一个机器人的小脑啊，它负责运动平衡等等这件事情。
[23:39] 说话人 1: 对，就那那个小脑，你看我们人
[23:41] 说话人 3: 人走路，其实你不太想这事儿嘛，他不是个大脑控制的，他自己处于下意识的就能保持平衡了。大脑在哪儿呢？
[23:49] 说话人 2: 就大脑主要是用于去做理解。那么我们回回过头来想第二个问题就是那你有了小脑就是说你能够让他去做出这些动作啊，正常的走和运动了。
[24:00] 说话人 1: 对，我们可以解决了。
[24:01] 说话人 2: 对，然后刚才您提的后面我们有个人操作，嗯，操作其实是大那个人其实是大脑。Ok所以就回到过头来说，第二层就是说我们新天行就从去年开始，当时我们提的一个概念叫大小脑。大小脑。当然就用人的这样一个概念啊，或者说叫快慢系统也好，呃，系统一系统二系统零也好，现在就来了，是我们要一个大脑，我们要一个大脑。这个大脑是用于做感知，做决策，它基于外部环境信息，然后基于指令信息，然后来决策说我接下来下一步要怎么去做。嗯嗯，那么有了大脑，有了小脑，我们才能称之为一个智能，才能称之为一个智能。
[24:37] 说话人 1: 你看毛老师这个大脑你有没有发现他可能更大？它的复杂度在于说他原本如果只有小脑，他是个我买回家的电子玩具。嗯，对吧？我遥控它，你往前走，你往后退，你往左拐往右拐，这个没有问题。一旦有的大脑，你打算让他干点活的时候，他有点不一样了。你发现了吗？对他必须要理解这个世界了。比如说你拿起一个手机怎么捏，你和拿一个杯子起来怎么捏？它是两个事儿啊。
[25:12] 说话人 3: 你说到这儿，我突然想一问题啊，你看我们讲小脑这一趴更多的身体协调运动脚，但是手这个事还有点复杂。
[25:22] 说话人 1: 是啊，
[25:23] 说话人 3: 手有点不是小脑有点大脑的意思。
[25:26] 说话人 1: 我刚才在展馆里转了一圈，各种各样的手有一个我看到一个专门做灵巧手的一家供应商啊，但是我也看见有两个手指头的三个手指头，呃，各种各样的手。
[25:36] 说话人 2: 对对。就是您刚才提到了一个在基层领域更加重要的一个概念，我叫灵巧手。嗯，灵巧巧手。为什么最终器器人他要去做工作，他要去实现这个很多的任务，对吧？嗯，那么实现任务的话呢，就意味着说他要去做操作，做操作做操作的话，他就需要一支付。您刚刚提的说呃，两指的、三指的，五指的，就我们现在整个就是学界呢，或者说是产业界，大家也没有确认，说到底是哪种手指是最合适的。五指当然像人了，它的灵活度最高，灵巧度最高。但是我们做了一个分析，其实生活中可能百分之九十几的这个任务工作不需要物质，他不需要那么多的这个这个手指来去完成这个工作。五指的目的是为了提升这个稳定性，提升稳定定。对，好，刚刚您说那个拇拇指临床手操作是不是要大脑？它的原因在于说那个五指的这个临床手，它的关节太多了，他也是他一只手上就可能有二十二个关节。按照人的或角度来讲，二十二个对二十二个二十二个关节。
[26:40] 说话人 2: 那么除了这二十二个关节之外，现在在做的一件很重要事情，我称之为叫触觉传感。嗯，就过去都是说视觉传感。然后但是当你做操作时候，其大部分看我们人你操作一个手机，您刚才拿了一个手机的手，其实你看都不用看，对你摸上你就知道哎，它是一个硬的东西，它是个硬的东西，然后我抬起来，该扒多大力，嗯，不让它掉。嗯，这是什么？这是触觉。嗯，那么触觉的话呢，他触觉并不是一个比方说我们摸这个手指啊，他并不是说一个一整块是一个触觉，不是的，他是一个个的触觉的点。嗯，一个触觉点有可能在一根手指上就有几百个不同的触觉的点。这么多的信息发回来以后，他所要处理的这个信息量就更大了。嗯，所以您说它是一个大脑，其实你可以认为它是一个放大的小脑啊，它也是一个下意识的行动。
[27:32] 说话人 1: 你想你拿出来这个手机，你就感觉到它，你这个不是需要你大脑想一想的对，
[27:38] 说话人 2: 但他现在为什么要说是大脑呢？想一想呢？因为现在的很多的触觉的方式呢，是一些间接的触觉方式。就我们说有那个叫力学传感器，所谓力学传感器，它是一种比方说基于这个材料形变的方式或取直接的这个力，对吧？但现在呃最流行这种我们称之为叫数觉传感器皮肤的，像什么？就是触觉、johnset这种方式。嗯，它是把光学信号转换成哦力学的这种信号，它其实是一个间接的一个方式。那么它通过光学形变去判定说啊，我现在到底是捏了个啥什么东西。嗯，它是尖的，是钝的，是圆的，是方的。通过这样的方方式去感受。嗯嗯，所以它也是一个判断的过程，它也是一个判断过程程这里也有复杂杂计算，它有复杂的计算判断的过程。所以他们说就是马斯克说手可能集成了整个机器人一半的这个复杂度，原因就在这个地方。嗯，原因就在这里啊，那个我们从回过头来去讲这个大脑这件事儿啊，大脑的话对对大脑就很重要了。
[28:42] 说话人 2: 因为大脑是什么？呃，瘫呢跟我们这个身体不一样，身体是基于。比方说你看我们站人站的话，你脚站在这个地上，你会有这个力学的反馈。比方说这个全身这个电击啊，这个转动啊等等一个重心的摇摆，嗯，它是通过小脑方式可以去控制它平衡。
[29:00] 说话人 1: 但但是他很快，他这个反馈必须要很快，他很快。
[29:02] 说话人 2: 所以一般就像这个自动驾驶一样，那这个东西必须得要在啊机器里面，不能够通过云端做。嗯，那大脑不是大脑是什么？是基于环境的这些信息指令的信息，他要去做判断。Ok这里就带来了一个我们经常说叫自主自主。你要这个感知了之后，能做判断，然后能够把一个复杂的任务分解成一步一步可执行的单步任务，这是一种叫自主。
[29:29] 说话人 1: 也就是说他的小脑别管是通过感知还是通过外部的输入，告诉你了一些外部的环境信息，它可以保证你是有一个正常的运动态。但是呢你有了这个能力，也就是说给你了一个赋能，对吧？你能走你能跑，你能跳了。但是你用这个能力去解决什么样的任务，那是大脑的那是要干的事情，大脑要干的对这个任务分几步。对，这样放进冰箱里非要分几步啊，就像你刚才说的，打开空调，必须要把窗户关上，那他就是一个长城任务嘛，对对吧，他自己能够想出来啊，我这个空调和窗户之间的关系，他有联系，
[30:08] 说话人 2: 想嗯他有联系，他有联系。所以呢这件事情呢就是我们称之为叫这个是大脑他他去做决策啊，所以现在的整个的我们大脑的或者说在决策这个方向上，大家说从去年到今年啊，有几个方向叫一个呢是最经典，叫VLAvision,languageaction对模型。这个听过很多，对，这听过很多所谓vision就是看吧。
[30:34] 说话人 1: 就是执行动啊，对它就是叫基于呃视觉的视觉理解的行动，哎，对理解的行动。
[30:42] 说话人 2: 然后呢，接下来还有一个叫什么？我们称之为叫今年很火的叫wordmodel是吧？大家都在说wordmodel、世界模型、世界模型，然后还有什么worldactionmodel.嗯，那这三个之间的分点是什么呢？我们说那个世界模型wordmodel是什么？是比方说咱知道这个一瓶水，我放桌上，我手拍它一下，那我有个概念它一定会摔下来。对，或者说我把我把一个球扔扔出去，它一定会往前飞往前，这个叫世界模型型，能够想象得到说它的一个结果。结果是说我这个东西我把球扔出去，或者说我去抓这瓶水，它会有一个什么样的一个结果？他最终的一个动作会是什么样子？那么whatactionmodel是什么呢？是说我虽然知道说哎，这瓶水我去拍它一下，它会这样倒下来，但是我怎么拍它这个过程是什么呀？
[31:35] 说话人 1: 就是我怎么执行它？
[31:37] 说话人 2: 对，然后说我拍到什么地方或怎么这个呢？它是通过过现在叫DDactionmodel去实现的哦，执行。因为它最后你要让器器人去执行嘛，你不能光告诉他说，哎，你你去拿那个钥匙，就是说你拿那个钥匙，对吧？
[31:51] 说话人 1: 但它是两个概念，这两个东西好像互为因果关系。对，然后
[31:54] 说话人 2: 那么VRA是什么呢？Vra就是说说哎我看到了这个桌上有这个手机，或者说我看到这个台子上有个什么东西。嗯，然后呢我有一个指令说把它拿起来，但具体是怎么拿起来，拿起来的过程当中会不会发生什么问题，对吧？比方说您看啊这个咱这一瓶水我我放这个地方，然后我说我拍单它会倒。但是他倒了以后呢，我说我又不希望他倒的过程当中，我又您可能松手，把这个瓶子给抓住了。我要怎么去响应这样的一个变化？那个这个是VRA实现不了的啊，他是一个基于因果逻辑的这样的一个一个概念。
[32:30] 说话人 1: 就是他看到了什么，我让他做什么就就去做了，他就去做了。
[32:34] 说话人 2: 过程当中的变化，
[32:36] 说话人 1: 他是不知道的，他是不知道的啊。
[32:37] 说话人 2: 或者说过程当中发生了变化，我应该怎么去响应，响应不了，知道，那就是一个更简单的执行。
[32:42] 说话人 1: 或者我不是他是他是理解他是理解你的意图，理解你的意图。
[32:47] 说话人 2: 但是在wordmodel和wordactionmodel里是没有那个理解意图这件事啊。
[32:56] 说话人 1: 呃，也就是比如说他会帮你来推算我推过这片水中多大的力，接下来会发生什么，它会发生什么。对对，比如他是翻出去了，比是说它纹丝没动。
[33:05] 说话人 3: 比如这个里同样有物理物理定律，在对它是有物理定律在的。
[33:09] 说话人 2: 但是呢它没有因果，说为什么要推这瓶水啊，或者说我为什么要拿这瓶水啊？我口渴了，比方说我跟一个机器人说，我口渴不渴了，那么他会看桌上有瓶水，他给你拿过来。Ok,这个是VRA,他说我要去拿这瓶水，他有一个思维的逻辑，把任务拆解啊。但是去拿的过程当中，这个瓶子如果说假设咱们说这个瓶子它是个玻璃的，或者说是个啥的，那个很光滑，我捏上去它可能要掉啊，我得要发力。
[33:35] 说话人 1: 嗯，那这个呢它就v要一直做不到哦，那所以他这几个几个事情要结合起来要做的。
[33:42] 说话人 2: 其实正常来讲呢，我们认为应该把它们去结合起来。嗯，结合起来啊，只有结合起来，它是一个相当于也是一个叫说从嗯这个叫慢思考系统做完了以后，然后再到快思考系统。
[33:55] 说话人 1: 但是这里有一个问题，这个所谓的慢思考系统也不能太慢啊，不然这瓶水不就掉地上了吗？
[34:01] 说话人 3: 所以我在想，现在你看我们在展馆里看的机器人很多都很缓慢，是不是跟这有关系？
[34:06] 说话人 2: 哦，对，您说的太对了。这个其实就是现在的问题就是我们的模型太大，然后它的运算速度太慢，然后执行和怎么说呢？就是真实的，希望它执行和这个思考之间它有距离，它有gap,大脑是在云端的。
[34:23] 说话人 1: 呃，想半天啊，然后想完了之后回来再给到他的小脑去做执做反馈，做做执行。那他这个反馈流程应该会挺慢的。比如说我们这种大语言模型来举例子，他token可能一秒也就几十个token吧。对，那这样的话，那其实回不来，什么快速的有效的信息，他只能是搁在那儿。但是这紧紧着就会带来一个问题。比如刚才我们说的场景，它玻璃杯会往下滑，那都掉摔都掉地上，他在想想起来呀，对，这才会有这个问题。
[34:54] 说话人 2: 对，所以为什么要用WAM呢？他要去想象说这是个玻璃杯。嗯，他我先预想预推算说，我拿上这个力文件上，它有可能会往下滑。嗯，那么我要加力抓紧啊，是这个原因，就是他提前做预判与性性做预判。
[35:12] 说话人 1: 我通过物理世界的规律，我提前知道哦，这个东西可能会滑，或者是它很重。对，所以我提前算出来那个力要大一些。对对对，
[35:21] 说话人 2: 他提前要做要做一个规划，这样就比他
[35:25] 说话人 1: 往下滑了，你感受到再告诉他怎么办。
[35:28] 说话人 3: 要来的他仍然需要有应变的问题。你比如说你用力了，你突然发现你要把捏碎了，你要搁人马上，你就可以反馈紧松，都是很及时的。但是他这个事儿又不行了，对吧？
[35:42] 说话人 2: 对，这就是现在为什么您看到展馆当中很多的操作还很慢。就我们有一条很重要的那个从就是说操作模型上一个很重很重要的就是它的一个响应的速度，响应的速度，它响应的速度多快。这个是我们现在在追求的一个目标，希望把这个响应的速度提的越越高越好嘛。啊，你有看到有很多就是那个机械臂拿东西，然后你把它移开，它，再重新看重新算。
[36:09] 说话人 1: 对对对，他要重新来一遍，他要重新来一遍。
[36:12] 说话人 3: 我原来以为这个是硬件问题，不是不是硬件，不是不是啊，硬件是很快的
[36:18] 说话人 1: 对。你看机械臂工厂里那个蹭蹭蹭蹭蹭，带着那个汽车跑的多快呀。
[36:22] 说话人 2: 对，就那个跟硬件没关系，硬件是能够足够响应，但关键是你思考的太难。
[36:28] 说话人 1: 哦，这是现在的问题，这是现在的困难，现在有解吗？
[36:33] 说话人 2: 呃，他的问题在于说算力还是本地算力一个是本地算力，另外一个模型太大了。嗯，我们刚才讲的就是当你获得了一个就更好的一个泛化性的时候，我更好的一个通用能力的时候，你可能在某些点上你就会弱一些。嗯，当然我们现在在努力去假设说我们对这个物理世界的规律认知更多，然后模型可以做的更一点，嗯嗯，它能够执行的更快一点。嗯，啊这个是我们现在在努力的方向努力方向。
[37:02] 说话人 1: 所以它在云端跑的就是一个我们现在理解的大语言模型嘛。
[37:07] 说话人 2: 对基于大语言模型的这样的以大语言模型为基础的一个你做了一些后训练对对做一些微调，然后出来的这个东西对对啊，所以所以基于此呢，就是我们认为当然了，这其中是一个是叫我们称之为叫您刚才说了，就因为它模型太大了，它是真的太慢了。啊，当然也有这个算力的原因啊，那我们端测的这个算力是不是足够大对吧？同时呢也有这个怎么说呢？就是可能我们还没有找到一条更加正确的道路，嗯，对吧？还有另外就是我们在操作过程当中，他操作的不准抓的不稳，那也是因为可能数据量不够，嗯，训量不足。所以呃在我们看来，其实人行还需要有很长的一段路，很长的一段路。嗯，呃这也是为什么在高德我们会说，那既然如此我可能先不做人形，或者说我人形先做一些预言。因为我们的今天我们的展台上也有我们的人形去做的一些操作的这样一些模型。
[38:08] 说话人 2: 嗯嗯，但我们先落地场景，先回到了这个，称之为叫移动，嗯，啊回到了移动。因为我们认为所谓的移动指的是什么？是这样的，就是因为高德有大量的这个高德是一家地图公司啊，对，高德是一家地图公司。那么我们呢有这个积累了可能二十多年的这样一个时空的数据，嗯，甚至会叫时空的数据。因为它不只是简单的这个呃空间位置，还包括一些时序的这种东西。
[38:32] 说话人 1: 嗯嗯，嗯
[38:33] 说话人 2: 那我们可以很方便的说，呃告诉一个机器人说你可以要从a点移动到BB点，然怎么走走。那过程当中会有什么会碰到什么样的障碍物，然后碰到障碍物了之后，我们怎么去呃处理。嗯，那这个呢是我们的这个呃优势，
[38:53] 说话人 1: 就是你有既有的一套，大家应该都用过高德地图是吧？对呃，做过导航，大家可能能理解到啊，它有一整套的这个世界是什么样子的数据。对，以及甚至说是一些实时的数据。比如说我们现在高德中最多的就是等红绿灯时，看那个能等看那个还剩多少，这个算是一个时序数据的一种。
[39:20] 说话人 2: 对，没有错。
[39:20] 说话人 1: 对，没错，那那我要有对这个世界的理解，他再去做移动可能会更好一些了。
[39:26] 说话人 3: 我大概听明白了，就是刚才我们一开始讲的机器人呢，你可以在屋里做各种操作。嗯，但是高德上呢是想让这机器人出门，哎，
[39:36] 说话人 1: 转一圈圈，它是可以以以前咱是放在台子上，让他啊喷个汽车呀个个啊。对，现在他能溜达出去了。
[39:43] 说话人 2: 对，就是您看现在我们在掌馆当中的所机机器人都是在一个封闭的小空间当中做事情。
[39:50] 说话人 1: 哎，对，都在一个台上一个台上。
[39:52] 说话人 2: 对啊，那但是在台上呢，现在的这个完成这个事儿的这个程度还不够，能力还不足足。那我们想呃整个技术要发展嘛，那我们想说呃怎么说，在这个过程当中，还是能够让这个我们刚才讲就机器人的最终目标，还是帮助人去解决一些事情，还是去干活嘛，去干活的。那么我们说怎么能够让机器人在现有的这种技术条件下能够干活。所以我们就做的是叫移动，或者说叫基于这种我们高德本身数据的。然后包括基于这一整套数据所发展起来的导航模型的这种移动能力，移动能力。呃，这个是我们的一个初衷。那个初衷呃，然后怎么去做呢？因为今天在场在这个会场当中，大家都在说找场景找场景。那么我们找的第一个场景呢就是做导盲，导盲犬
[40:42] 说话人 1: 就是导盲。这个场景他跟我说完之后，马上就能get到。为什么我们之前做过那个残疾人日的节目，然后我们请来的就是一个盲人嘛，他就牵着一个导盲犬来的。当时然后这条狗啊真的挺聪明的。说实话就是前面啊有什么障碍，或者哎这个门儿有多宽，他都能够给这个盲人示意的非常好。那就比如说这门比较窄，那个狗就会站在这个门的一边帮它把着点，然后它能够走进去。然后呢，哎怎么拐弯怎么走？这个狗基本上他我问过这个盲人，我说这个熟悉的场景，它自然醒，对吧？那对于不熟悉的场景，他怎么能判断到你能进哪个门呢？他说这个是需要说靠人去领着，但是他能够给我起到一个指示的作用。比如这个门多宽多窄啊等等，它能起到这个作用。如果熟悉的场景，那个狗自己就带着我走了。这个对于他们来讲是特别特别有用的一个能力。就是这个狗是当他的眼睛，
[41:44] 说话人 1: 但是很不幸，第二次再录音的时候，这狗死了完了麻烦了。就是以前场景没有了啊。对，这个他即便他再拿来一只狗，嗯，他那个狗也不记着这些事情了，那得又得重新适应一遍。
[42:02] 说话人 3: 人和狗之间在有一个磨合的过程嘛，我们总是在新闻里看到说训练一个导盲犬可贵呢又贵，然后你也还要排队是吧？
[42:10] 说话人 1: 对号排上这个导盲犬能够帮助到盲人，但是它的保有量和产能太小了。嗯，就大连那一个基地一年出不了几只狗，然后呢，这个狗也有寿命的问题，也有各种各样的还得生病。对他那天给我提出来的这个哎导盲犬这个场景我马上就get到了。如果他有他的这个时空的数据，那这个狗一定是能够带着人出门的，他又对环境有感知。那进到一个陌生场景里，他一样和那条狗一样能告诉我这个盲人这个门在有多宽，有多窄，你应该怎么走。前面是不是会有坡会有草地，你就可能不太好走，
[42:51] 说话人 3: 他都会能告诉你。我刚才呀在咱们高德展台，我闭着眼睛试用了一下，那个导盲就体验了一下，赶紧对试试试用体验。我觉得这个第一个是劲儿还挺大的，往前蹭蹭蹭拽着走啊，呱呱呱呱的往前。嗯，然后呢这个我觉得高德设计的很细致，嗯，就是第一个他那个手柄上有震动哦，然后这个狗呢上面有卖，有这个扬声器，还可以说话。打他们告诉你，他告诉你前方有个拐弯。嗯，但是今天展馆比较乱啊，听不太清，但是他我能听见他在说话。嗯嗯，嗯进一步呢这个刚才这个工作人员给我讲啊，他说还有一个耳机。对，就是你真正特别乱的时候，在耳机里可以提醒，因为在大街上也很怪对对。呃，比如说你该上坡了什么什么的，因为他那个他那个狗身上好多摄像头，哎，这就比狗强吗？
[43:41] 说话人 1: 狗它不会说话呀。
[43:42] 说话人 3: 对啊，而且这个震动也很重要。你比如说前面如果说熟悉了，比方说下卡的的候候有一个什么样子模式的震动，那我就小心一点。往下迈嗯，也狗可能它也有对应的这种提示的方法啊啊，但是呢它这个就就像你说的这个他也不会死，他坏了吧，我再换一台，没准数据还能备份过去，那肯定是能备份过去。
[44:06] 说话人 1: 啊。
[44:07] 说话人 2: 我们机器啊，对所有的数据是这样的，所有的数据就是说我们有两套记忆系统，长短记忆系统。然后像刚才您提到这种就是在云端的长记忆统，嗯，它所有的就是说我一只狗出现这个地形以后，其他所有的狗都能够知道这块地形是什么样子的。
[44:24] 说话人 1: 哦，他就跟那个高德的那个汽车导航一样，你前面一堆车在刹车，你们后头那个车马上就能提示你前面可能发生了事故，请你马上刹车。高德就是这功能。
[44:36] 说话人 2: 我们的那个导盲犬呢，就像您刚才提到的，就是说它其实比真正的导盲犬要好，要比真正的导盲犬聪明。同时呢他应该和人能够进行自然语言对话。嗯，所以他能够很明确的告诉他前面是什么。然后我们是做过调研的，其实全中国的话差不多现在有三四百条的导盲犬，哎，太少了，太少了。我因为我们有一千八百多位市障目。对，然后呢，这个导盲犬还有一个问题是它的驯养成本太高了，嗯，驯养成本太高，而且它毕竟是个碳基生物啊，咱说这个人和人有向性，人和狗也有向性，嗯，它也有情绪，这条狗不一定说能够跟你配合的好，这得看运气先看运气。然后另外就是狗嘛，他还是我们都知道呃养养狗的朋友都知道叫遛狗。嗯，你每天你还得遛它啊。对那你对于一个市障的这个朋友来讲，那到底是狗遛他，还是他遛狗啊？对呀对呀，这个事情也很麻烦啊。
[45:32] 说话人 1: 对啊，赶赶上一赶上一个比较这个宅的市障人士，你说他每天还得
[45:37] 说话人 3: 专门出去遛这个狗狗这个事呢，虽然它跟人是有感情交流，嗯，但也确实有人不喜欢宠物，是何况还会遇到那种你要去的地方，不允许宠物进，你又遇到这个之前新闻说那事了，对吧？啊，对，再说我这不是宠物，我这导盲犬啊嗯那也是狗啊，打起来。
[45:54] 说话人 2: 对所以所以我们做这个导盲犬呢，其实核心一点就是希望帮助这些人呢能够走出家门。其实我们在路上就是看到的这个市上的朋友比较少啊，不是说他们不是说人少，中国没有没有盲人，这都出不来出不来，他真出不来。我就举个例子，就就咱对面这个小广场嗯，盲人走到这个地方，他就完了。他基本上他拿了个盲杖之后，你知道盲杖作用是什么？咱咱有体会啊，比如说敲敲，左敲一下，右敲一下，你碰到障碍物，你才知道说啊，这里是不能走，那边是可以走。但这样这样一个小广场上周围都是人，嗯，他就一片迷茫，他不知道方向在哪，他不知道方向在哪，他不不知道该怎么去走，这是一个问题。啊，另外一个呢，就是其实盲人他出行的时候，他的目的是要到某一个地方。哎，假设说哎我今天就得上邮局去菜场，嗯，啊这是生活当中必备的那导盲盲就能够告诉这个盲盲，他带着牵引引这个盲人，到这个邮局，到这个菜场，甚至于说到某个摊位前。
[46:55] 说话人 3: 嗯嗯，嗯这个呢就是我们的这个相当于你导已跟跟这个导盲犬说话了。对啊，你领我去，最近邮局是对啊，它就开始了，就跟导导航一样嘛，就是导航，但是狗是不行的，狗做不了。
[47:08] 说话人 2: 对，狗的话呢就是一般只能记住七个地方，嗯，正常来他只能记住七个地点，但七个点就意味着盲人他这一生就被受限在这七个地方了，然后这个是不太合理的，而打完检甚至还他可以这样就是这样。回过头来讲，就我们的大脑，我们刚才讲大脑要做任务的拆解。嗯，我今天可以告诉他说，哎，我今天我上邮局打份挂号积分挂号信，然后我要去某某菜场买啥菜。接下来我要去啊这个比方说哪个水果店，或者说我要去什么地方要干什么，你帮我规划一下，它自动给你规划个最短的路路径。
[47:46] 说话人 1: 哎，我突然意识到一个问题，你还带着马人去干什么，自己去不就就完了吗？
[47:51] 说话人 2: 啊，这个你说的这个是我们另外一个工作哦，是我们另外一个工作。这个这个回头我再跟你讲，这个呢也是跟我们阿里整个生态有关的一个另外一个工作。
[48:02] 说话人 3: 你说的是说我去菜市场买菜。对啊，我现在要去见个朋友，你狗气狗去的那不行啊，我就说日常的买个菜呀之类的。这个狗，我问了，刚才这个我是用那个狗啊，后背能背一筐。是哦，你看你这样活的狗不行吧，是还帮你能装好多东西。
[48:20] 说话人 2: 嗯，哦不只是装好多东西，它还能帮你买东西。
[48:24] 说话人 1: 这个是跟我们整个而这个跟导盲犬这个项目像就没有太大关系。
[48:27] 说话人 2: 然后接下来讲那这个呢还是买东西。然后另外这个核心就是你今天带我公公园，你今天带我去我要上班的地方。嗯嗯，嗯这个是核心的点，让这个盲人带真正人去真正能够融入到这个社会。Ok盲人也要有尊严的，其实人都是需要有尊严的。我我要有尊严的最好的方式。我要参融入到这个社会，我要参与到整个社会生产生活当中去。
[48:53] 说话人 3: 这个没问题，牵一个这个高德的导盲犬出去，绝对是众人目光的焦点。
[48:59] 说话人 2: 这倒是对，就我们当时最做的第一个项目就是做导盲犬。但其实过去也有很多的一些团队，或者说他们去做过导盲犬。为什么做不成呢？两个原因，第一个城市级的地图，这个他们不具备。嗯，这个太难了。然后呢，不光是有地图，还有这样一个自动的导航的能力。然后第二个呢就是大脑就过去的时候，过去的时候，其实在大脑这个方向上就做的很一般。嗯，但现在不一样，现在我们的这个大脑就特别的厉害，他能够呃就是理解，比方说有人过来了，我该怎么闪，对吧？然后前面有几条不同的路，我该选择哪条路啊？就像您之前这里所提到的，这样就是它能够很好的一个可能比你自己都了解你。我们平时走路走出门，还得打开高德地图呢来看一看呀。对呀对呀对呀，他就牵着你，都不用担心这事儿，而且能够通过自然语言的这个对话。我们刚才讲到那个耳机呀，嗯就正常的我们应该是盲人出去呢，他应该带着耳机，通过耳机和这个狗进行对话。
[50:00] 说话人 2: 而且它有一个叫声纹识别身份识别，他能够不能别人喊一句，哎，对对对，这完了这个对对对吧，这个就必须得要去根据这个只听主人的这个指令明白，只听主人指令他就可以出去。啊，所以呢我们最初是做其实奔着这个目标去。嗯，那么是希望真正的说哎，我们既然做了具身智能嗯做了AI,希望他真的能够帮助到人。嗯，那么目前的这个AI或者是具身智能这一块呢，其实在帮助人或者说实际应用落地方向上，其实缺乏痛点，缺乏痛点，对吧？然后您刚才提到那个哎我自己让他去买东西，这就是另外一个事儿。就是由此衍生出来呢，就是嵌入到我们阿里的整个生态当中。因为阿里有单量的物流快递，那么现在当然物流快递很多了。就是但是有一个问题就是中国啊，你看咱们中国有大量的老小区，六楼啊，没电梯，那快递员爬个楼好累啊。嗯，啊，同时呢我们有大量的这种办公园区，外面进不去的，甚至现在一些高档小区外卖都进不去。
[51:03] 说话人 2: 那这个东西你说外卖什么的都放到外卖柜吗？嗯，然后就就等着他坏嘛。
[51:07] 说话人 1: 啊对呀，你到夏天又用不了一个小时，他就坏了。
[51:11] 说话人 2: 对啊，那么这个我们的这样一个我们称之为叫这个叫做末端配送的一像机器人。嗯，他就我们背上有个框，然后就可以放进去，然后他就可以带着这个东西直奔这个二零三办公室会议室啊，这个有点像酒店里这个送送外卖那个机器人。
[51:28] 说话人 1: 对，但是因为它环境更复杂，对酒店里送外卖送那个就是那那个他在有俩轱辘在那跑的那个机器人儿，我总觉得它就是提前给你定好的位置。你输个房间号，我是我用过的一个玻璃，呃，先输个密码。嗯，你可以问那个前台那个人啊，那你这些密码多少？嗯，四个八哦，输个密码。然后呢就告诉你，你输入房间号一回车啪门开了，你放进去一点，确定走。对，就走，就干这一件事儿。
[51:55] 说话人 2: 对，这个呢是基于传统的那种slam的做法，他把图啊什么定位都建好，嗯，但他做不了大范围的，而且像小区他干不了啊，因为酒店难知道，每天有人打扫，他过道是干净的啊。
[52:08] 说话人 1: 对对小区你不一定楼道里有什么的，你都不一定楼道有什么。
[52:11] 说话人 2: 对啊，然后不一定在路上会碰到什么人。嗯，对，然后这是一个。然后另外呢，就是我们还实现了叫支付，怎么叫支付？就是说我是这样，比方说有些快递我狗过去之后，完了以后，他回来送回来之后，他能够自动给你拍张照啊，发到你的手机里说哎，快递来了，从外卖来了，你自己开门拿一下，ok然后可以做扫码支付啊。就这个呢是我们切入到整个的这个生态循环当中去，希望去帮助那些快递员，让他们去解决可能前端的问题。嗯，但后端的这种费劲费力的事儿，不好做的事儿，由我们的这个机器去做。
[52:51] 说话人 1: 也就是说比如像爬楼啊，在小区里找人啊，对啊，甚至最后一公里。我现在最烦的一件事，这种就是每天下楼去菜鸟驿站吧，把快递拿把快递拿回家这个事儿。那对于夏天的我来讲，我觉得还挺痛苦的。
[53:05] 说话人 3: 说实话，特别是如果老小区没有电梯啊，因为老小区就更费劲了。
[53:10] 说话人 1: 你像我家有电梯，我觉得都挺费劲的。就是专程程下一楼就为了干这一件事事，把快递很无趣的，把快递拿回来就干这一件事。
[53:23] 说话人 2: 对然后呢由此呢其实再引申一部事情是什么呢？其实我们现在已经在做了，我们可能后续的话，这个可能到九月份到时候可以看到。就我可以告诉狗说，你去菜场给我买三斤黄瓜。好，他就自己去跑到菜场，然后他还能够看说这黄瓜新鲜不新鲜。
[53:42] 说话人 1: 哦啊。
[53:42] 说话人 2: 他当认识黄瓜，他是通过这个视觉语言，就是视觉的这个模型。然后他去判断说，我们通过VIT去判断说，哎，这个黄瓜新鲜不新鲜，然后传给你说你你要不要确认吗？啊，你要不要给你手机上，或者说给你说句话，然后你说我要买。嗯，然后那个不是现在咱菜场里那个餐贩都有那二维码啊，他直接扫就好了，直接扫就可以了啊。
[54:04] 说话人 3: 然后往后背筐里一放一放能知的重量。
[54:07] 说话人 2: 对，就直接可以做这样的事。然后还有包括像哎你去给我买杯咖啡啊，嗯我我们办办公室经常干这样的事儿，就是你去给我买杯咖啡啊，现在你们办公室里已经能做到了啊。对，我们有有一个当时有做过一个实验啊，然后说哎你去给我那个瑞幸买杯咖啡，他去了瑞幸那天去了，发现瑞幸门关了，然后他发个消息回来说瑞幸门关了，但我看到附近两百米有家星巴克啊，我要不要给你去星巴克买哦，我们的大脑就是说现在人工受到这样的一个情况，ok
[54:40] 说话人 1: 就是说他已经有自己能判断和规划的能力了。没有错，他甚至能知道这个瑞幸关了。哎，我觉得这挺能耐的。哎，他怎么能知道他能关呢？
[54:49] 说话人 3: 直觉吗？
[54:50] 说话人 2: 视觉我们视觉拍一下之后，说看到门上这个铁将军挂门啊，这个四个关的哦。然后然后他说OK这个门关着，然后他直接说哎，给这个你通过一个判断，嗯，通过一个思考的链路，然后判断说这个门关了，然后他会给这个后端的这个主人发一条信息，说OK拍个照说，现在微店关了。嗯，然后我附近还有你要不要去？
[55:14] 说话人 1: 因为我们有自己的地图，他可以自己去做，这挺厉害的。他因为有地图，他还能知道附近有没有电。
[55:20] 说话人 2: 其实我们在地图的背后，还有很多很多的这个算法的工作，嗯，还有一些工程的工作啊，其实没有那么简单。
[55:28] 说话人 3: 所以我理解是这样，就是你看咱们说的判断环境站稳了，在屋里的怎么操作。这个属于约微观层面的。比如说在酒店里头，刚才说酒店里送餐，这是个微观的。然后高德导航咱们看见那个是宏观的。嗯，比如说我从大路，我从这儿怎么走，这条大路到底是骑自行车走路，怎么到哪儿？嗯，但实际上还需要有一个中观，嗯，就叫什么呢？比如说你能识别哪是人行道，嗯哪是自行车的更细力度。这个东西咱在导航app里头没有，但是高德可能有那德很坏，他不放出来。
[56:02] 说话人 2: 不是，因为因为这个呢就涉及到一个就我们自己的一个叫呃导航的模型。它是基于视视觉的，它基于纯视觉的这样的一个导航模型。就像您刚才提到叫中冠的啊，这个前面是不是有这个路上是不是有自行车啊？然后这个是不是有人过来呀？
[56:20] 说话人 3: 啊，或者说这边哎，今天这个路上不巧堵了，他甚至我我觉得可能都不是不需要动态，比如说这就是这是能过人。对，但是呢他可能就是那个庄子只能过一个半米宽的人。嗯嗯，这些东西导航上不会告诉你不会，但是你你比如说你要是推这个手推车，你就过不去了哦。但可能高德底下它有这数据，嗯，啊比如说这个能过多宽的东西，或者说这是马路牙子，这没斜坡，这些都是很很很细节细利度的。它又不是像我在室内动小东西，那么微观的嗯嗯嗯嗯这个其实很重要。否则我一个机器狗装个高压导航，嗯，看起来也能走，它可能就上大路了。
[57:01] 说话人 2: 对，上高速了就对，就是现在的地图呢，大家往往都是叫车道级啊。对，但我们现在做的是叫步道级，ok啊，人行步道级的。然后呢，到园区呢就是园区级的。嗯嗯，啊您刚才说的最细腻度的呢，现在比方说现在有一些呃厂商他们在做的就是巡检机器人。嗯，他用激光啊扫描一圈啊，然后建个精图叫高精图。嗯，但在城市里面你没法建立高精图，在动态环境当中没法建立高精图。这个呢就要依赖于我们一方面我们整个背后的这个就是动态的地图数据。同时呢要依赖于您刚才提到就我们基于视觉的这样的一些导航的能力，一些模型。
[57:42] 说话人 3: 我觉得高德啊就是太藏一手了。刚才我脑子里边想了好几个场景，你比如说高德，现在我们自己装的手机app也可以步行导航，没错，他也可以走路。嗯，但是我就发现有一个点，比如说你要过马路，他给你搞一过街天桥。嗯，但是他不会告诉你这天桥是斜坡还是楼梯啊，比如为你走车路，你肯定能过，因为你走路你怎么都能过去。对，但是你如果是一个机器人儿，嗯，对不起，也不一定哦。因为你这个机器人是轮式的还是足式的，嗯，所以它必须要适配，它需要有一个机器人专用导航。
[58:16] 说话人 1: 这哦这事儿人家不放着人自己用哦，哎有道理，这个数据很重要。而且我现在觉得他们高德去做的很多，就像我刚才说的，那时序数籍他做的都是非常实时的东西。对他不是说我今天啊这是个坡，那是个台阶，没有这么简单。对你的力度没有这么粗，它力度可能会更细。比如说刚才过去的那一辆车看到的是什么样一个路况，他就能往后传，对他完全是一张。因今今天们还带了一张网。
[58:50] 说话人 3: 刚才在那个试用这个高德这个导盲犬的时候，嗯，在想一问题说这狗要是自己出去了，它够不着电梯按钮钮么办啊啊后来朱峰提醒说他没必要坐电梯，因为他能爬楼梯是这样。
[59:06] 说话人 2: 其实呢如果正常和我们有梯控，在园区内部，他能够是控制电梯啊，当当有一些协议啊，有些协议另外一个，但是确实他可以爬楼梯，就我们为什么要做成？所以很多人也会问说，你们既然这样，你都是导航，都是移动，你为什么做成这种轮式底盘呢？嗯，那不是更轻嘛啊，而且好像看起来更稳啊。对啊，我们要做成主式的目的呢，就是也是为了让他就是能够过这些沟沟坎坎。Ok能够带着。比方说我们当时在做导盲犬的时候，有两条很重要的点。一个呢是能够带盲人进地铁嗯嗯上地铁。但是地铁必不可避免，就是有楼梯的不可避免，必须有楼梯，而且不可避免的地铁站台之间它有缝隙啊，它有缝隙。嗯，对，因为你要让人能够走这个叫交通工具。嗯，然后第二个什么呢？说你这狗，你要能上这个巴士公共汽车能上出租车。
[1:00:01] 说话人 3: 嗯，但轮式底盘那个东西，那啊那个是对实际上必须得有腿的，我觉得四足的也这个这个足式的呀也难。那个那公交车挺高的，对你四足的好像更稳当了一些。
[1:00:14] 说话人 1: 嗯，
[1:00:15] 说话人 2: 对，所以我们就是就是为了让这个整个城市的这种交通工具也能够被使用，所以我们就选择了这样一个方式啊，所以你看就是机器人专用高德导航，嗯，它不导电梯路，它导楼梯路。
[1:00:31] 说话人 3: 嗯，你想一想是不是是，
[1:00:33] 说话人 1: 而且我还有一个挺好奇的点哈，你看在马路上这件事情别管啊，小区里的马路，还是说大马路，他们肯定是有数据有建模的这个不可否认对吧？我们比如现在开车进到某一个小区里的小区里的小路，他都能知道这个没有问题。但是其实我对刚才他说的那个场景挺好奇的，就是办公室的同事说，你给我下楼买杯瑞，幸去把我送回工位。高德可不能把这个办公室里每一个工位的位置都收录了呀，也不能把你写字楼楼下的那个瑞幸的那个情况收录了呀。所以说这个东西还不是说完全依赖于高德的数据，它肯定下面还会有一套东西来做实时的识别。
[1:01:19] 说话人 2: 对，就是我们自己做了一整套的这个，我们称之为叫aboat系列的模型。然后其中有一个叫navigation的，呃，现在出到了一点五啊一点五版本。那就是他可以就你刚您说的这种在高德地图以外的可能更细腻度，更私密的这样一些环境下的这种呃信息地图信息一般怎么做呢？我们会我们我们很轻量化的让狗说，哎，我带着狗在咱办公室转一圈哦，转一圈就可以转一圈。他就知道啊哪个工位，哪个办公室或者说洗手间在什么地方啊，对，全部都记住啊，因为它有视觉，然后呢可能这些数据在狗之间就可以复用了。
[1:01:59] 说话人 1: 下次再来一只狗，比如说来个访客带了一只狗，
[1:02:02] 说话人 3: 哎，大家俩狗先聊一会儿，然后就都明白了。
[1:02:06] 说话人 1: 哎，有可能甚至不用聊，人家云端数据就已经同步了，嗯，也就不用再扫一遍了。
[1:02:11] 说话人 2: 当然这个数据还是因为很多是隐私数据，我们还会注意这个隐私的安全。
[1:02:15] 说话人 1: Ok那还是让他们聊一下先。对对对对，OK.所以在这里你看他的云端的数据，就是既有的高德数据和它的一个视觉能力。它正好在中间会对齐，嗯，对齐了之后你就能解决。不仅能在屋里跑跑完了，他还能出门，就不像那个扫地机器人一样，知道吧？那个有时候我忘关门了，他就进电梯走了，就不知道去哪了。但是他能解决这个问题，他进电梯也没关系，他出去给我买个菜再回来都可以，对吧？就是你只有室内能力不行，只有户外能力也不行，这两个东西结合起来，它才能变成一个使用的。
[1:02:56] 说话人 2: 对它要有一个这是称之为叫室内外导航能力。嗯，长程导航能力，同时呢要有一个叫任务理解及拆解的能力。嗯嗯，要把这些能力都综合起来以后，然后你突然发现哎，我今天做的这个机器人，或者说这个具身智能的东西，它真正能用了。
[1:03:15] 说话人 1: 对我觉得这是特别重要的。因为最近采访很多具身智能的这个厂商都跟我提一个问题，有给他们做配套服务的啊，有做这个本体的。然后这些厂商呢跟我提到最多的一个问题，就是我现在在一个负反馈螺旋律，我说什么叫复盆会螺旋呢？说我这一个一个巨身的这个机器人啊，现在造出来要八十万，然后我就要想这个东西要卖给谁，他才值这八十万人家要企业要算账的吧，你真就假定卖给都是tob的，卖给企企业要算账，我雇个人多少钱啊？你这八十万我多久才能谋定他的工资能回本啊，
[1:03:57] 说话人 3: 这个问题回答不了，你让我想起了马斯克那个灵巧手的故事，就是他把他那个那个擎天柱机器人放在工厂里。嗯，结果那个手啊工作强度一大，就特别爱坏啊，说几个礼拜就坏一换一个啊，那可贵了，贵啊那就贵了。
[1:04:12] 说话人 1: 然后呢，这里就会造什么叫付款。对螺旋呢？就是因为它卖不出去，因为你知道工业品都是靠规模来降成本的，
[1:04:21] 说话人 3: 它成本就降不下去就只能融资了，先便宜卖吧啊。
[1:04:24] 说话人 1: 对，然后就只能融融资。这个当然咱说就是后话，上市也好，融资也好，这都是是后话。但是这里就是负反馈逻辑，还有一层就是它的生态系统也没有办法配合。它。就是没有办法为他去这些供应链上的厂商软件厂商也好，应用的厂商也好，去帮助他提供这些相应的服务的支持。嗯，也不可能所有能力都是他做对吧？那肯定在产业链上是有各个环节来帮他去做这个。
[1:04:52] 说话人 3: 你说产业链的这事，我就想说，高德你发现了吗？这事儿别人干不了。
[1:04:58] 说话人 1: 对，所以说你看啊现在这些巨身的厂商都面临这个复款规格螺旋在这个螺旋里。但是一旦说我们的场景有基于场景之上的应用有了别管，哪怕你是帮我拿一个星巴克的，或者是瑞幸的外卖回来，那也叫场景，对吗？嗯，巡检像tob,咱就是说tob这一侧巡检，那我就算嘛，我相信啊我不知道他能不能透露价格，但是我相信他这个四条腿的狗肯定比那个两条腿的人要便宜。
[1:05:30] 说话人 3: 这个事我其实刚才也想说，就是选择四足是是不是为他其其在在在，比如说小脑这部分实现会更容易，呃，这块很纯熟，应该讲四足这一块。
[1:05:41] 说话人 2: 而且他有个问题，就相比双组呢，四组它更稳定，而且会还可以换成轮式的。就刚才这个您提到了说巡检巡检的话，我们就会有这种轮族式的方案能组织方案。然后当然了，他肯定第一个他肯定会比人性要便宜啊，对吧？第二个它的效率更高，跑得快是吧？跑得快啊，跑得快。而且另外还有一点是什么呢？就现在的巡检有个问题，就是很多一些厂区一大也不好做了。嗯，厂区一大就是为什么呢？因为厂区大了以后呢，因为我刚刚讲传统的这种方案都是slam高精建图的。你厂区大了以后，它建图很困难哦，
[1:06:19] 说话人 1: 然后他的可能那些雷达呀视觉打不到。
[1:06:22] 说话人 2: 对，而且另外一些在一些可能空旷的地方上，他那个对比做不好的话，回环做不好的话，他就会迷失自己。嗯嗯，他找不到，他会他会走错，嗯嗯，他会走错。对啊，另外呢就是这是巡检，然后还有一叫巡逻。嗯，其实有很多管线啊，管网啊是什么？这种在野外的啊，他的环境经常变。
[1:06:41] 说话人 1: 嗯，然后
[1:06:42] 说话人 2: 比如说在半山腰上，对对对，然后还人家还提了一个要求，就现在对于这种传统巡检有一很麻烦的事。就是咱厂区大了以后，里面经常有草嗯，草一长，机器人到这儿它就不会动了。周围都是障碍物，传统的，他认为是障碍物，他认为是障碍物，他就没法动了啊，那走不了了啊，经常会有这种问题。
[1:07:03] 说话人 1: 所以咱们的这机机器人就哎我认知知它是草草，因为它有上帝视角，对它有上帝视角，我有我不是上帝视角，是我知道这是草。
[1:07:11] 说话人 2: 嗯，我能理解，
[1:07:13] 说话人 3: 我得撵过去哦，包者就说其实也不用理解。对，因为你有一个宏观地图出去没有，你知道这没障碍物，他看出来的东西肯定是软的，哦
[1:07:25] 说话人 1: 也可以这么理解，但是这个也不排除有有坏人，对吧？
[1:07:29] 说话人 2: 你放点硬的东西啊，对，这个也有。所以我们其实还是靠理解。因为看们障碍物物之后，他他他认为说这障碍碍可以跨过去，还是可以让我们自己判断自己判断。对对对啊，然后其实并不是说呃完全高德说这个我们卡在这个上游游不是不是其其，是这样，就是我们们是做了一整套的工作，ok一整套的工作。呃，他也不是说是单一的，说我给你一张图，你就能去解决这个问题。嗯嗯，刚才我们讲了这个宏观的，有中观，有微观。您总结的其实很有意思，这个点其实我们倒没考虑过啊。对，就是它是一个衔接在一起的衔接接在一起，嗯，既要有导航能力，要有思考能力。嗯，啊同时呢呃有又有这样的执行的能力，嗯，啊所以呢我们才去做这样一件事情。
[1:08:15] 说话人 1: 所以在这种情况下，咱还说那个反归螺旋的问题，你有没有发现，一旦场景是ok的，能够建立起来了他这个市场别管多大多小，他开始了。
[1:08:27] 说话人 3: 对，是你你你你得明市场存在在对，否则则弄弄个。其实我觉得跳舞那那种或是打拳的这个市场都不像存在的样子。
[1:08:38] 说话人 1: 他更多的是演示他的一个小脑的能力，咱可以理解成对他的平衡能力等等。这但是咱不能说他做的不好，做的很好，他也有价值。
[1:08:46] 说话人 3: 那当然但是人家现在已经很成功了。
[1:08:49] 说话人 1: 对，但是在应用的角度来看，如果我想把这个东西推向市场，那必然我所有买他的，我掏腰包掏钞票的那个人。嗯，他要去想我的TCO是怎么样子的，或者说他得有自己有个理由能说服自己买。比如说巡检机器人，就是呃保安当保安的那个机器人，那我就要看了，我如果雇一个夜班的保安，我工资是多少钱？我还要扣除说他脱岗睡觉这些问题，那毕竟是个碳基生命是吧？
[1:09:21] 说话人 3: 倒倒也不贵。
[1:09:22] 说话人 2: 其实啊其实我们倒并不想说取代现在这个我们说这个保安的同志啊，就我们更想做的是在一些危险的场景啊，对核电站嗯，一些化工的这个化工区，这个厂区，还有野外的。
[1:09:36] 说话人 1: 刚才你说野外的
[1:09:36] 说话人 2: 野外的鲟林嗯鲟林巡岭巡岭您不知道。就是现在就是之前我们也说到一些需求，就是我们国家有大片的这个森林啊啊鲟林鲟林嗨群林园现在缺口很大，群林园缺缺口很大哦，就是所谓我们以前那叫护林园。
[1:09:53] 说话人 1: 对，缺口很大。
[1:09:54] 说话人 2: 然后其实真的是这这个这些场景是人不愿意去或对人有危险的这种场景。嗯嗯，就我们想做的是这样的事情，他没危险，他也很枯燥。
[1:10:04] 说话人 3: 关键是这个活儿你让人干，他一定会你说枯燥，那是防火的塔上啊，他还要底下转来转去，那个东西就有野兽了呀。对，但是但是他路况很差，那个要解决那那路况很差。
[1:10:16] 说话人 2: 我们看我们现在四条腿的，我们四条腿的，现在那个动作能力都挺强的。您刚才也提了，现在这个动作做的挺好的，就是能力还是挺强的，也还挺强的对对，所以我们想做的是这种呃，像刚才讲巡检安防啊啊巡逻，就这种就是说人并不是很好干的，就是并不想干的事情啊。然后包括我们刚才讲配送的，就是给送上楼啊，对人来说有巨大的这个体力负担的这种事情。嗯，我们是一个补充，嗯，我们永远是一个补充。我们认为就像高德是帮助大家能够走到你想去的地方。对阿里是让天下没有难做的生意。我们永远是要去为这个社会去造做出一些贡献。嗯，而不是说我要今天要去取代谁？
[1:10:56] 说话人 3: 你看今天我跟老高还在聊，你现在到今天windows已经变成这个样子了啊，又用又难用，就是差不多能用就行，对吧？
[1:11:07] 说话人 1: 对，又苹果。
[1:11:07] 说话人 3: 反正现在不管是体验还是它的，你看它的运行的效率对
[1:11:13] 说话人 1: 各方面都领先，他也是进入了一个正反馈。螺旋。对你有没有发现，AI这一波很多的这个AI的工具都首先开发麦克版。对，就是因为它的生态，它的可用性等等这些东西到那了，
[1:11:26] 说话人 3: 我做了好多app到windows,那就看壳，我就不想做了，太要命了。
[1:11:34] 说话人 2: 您说到的这个，您刚才一直在提这样一个正反馈。正反馈这件事其实确实呃就是在我们这一侧呢，就是除了刚才提到这些以外，还有另外很重要的一个点叫我们自己做的一套叫AI和data的info啊，这样一套基建，它也是一套路。就是说当我们的机器人出去以后，他不停的获取真实环境的信息，然后他在处理一些任务。嗯，过程当中他有失败有成功失败的经验，就跟那个自动驾驶一样失败经验，它会回传。回传以后呢，我们有一套叫我们称之为叫自净化的一套系统。嗯嗯，自净化一套系统，把这些数据拿回来，然后去分析它的原因是什么。嗯，然后我要生成一个怎样的一个能力嗯，去解决这个问题，下一次就不会再发现这个问题，明白明。但是也是一套自循自净化的一套循环。
[1:12:24] 说话人 3: 这就和那些anthropy和这个openAI一样。
[1:12:30] 说话人 1: 看这个嘛。
[1:12:31] 说话人 3: 对啊，他其实这个收集了大量的使用数据。
[1:12:34] 说话人 1: 对，你以为在白嫖，实际你是人家的耗材没有错，没错。
[1:12:38] 说话人 2: 所以要建立这样一整套的基建，其实也是十分困难的，嗯，也是十分困难。所以为什么说我们首先来尝试，希望打通这条路？嗯，就高德今天驾场，今天我们其实是做的也是比较晚的，相对其他的巨声公司来说比较晚的。嗯，但是为什么说我们有信心说我们进来？我们先给大家整个呃community一些新的东西，就是我们以我们的理解，对于巨声的理解，对于数据的理解，然后去做这样一个产品是这样的产品。然后告诉这个呃整个的产业界，我们该怎么去做这件事情。啊，同时呢我们也不是那种说好高骛远的，说我一上来要做这个操作啊，我觉得说这个操作可能相对来说还是在更远期一些。我们能不能踏踏实实的，真的是把这个技术下放，真正的说给这个社会，给产业界带来一些新的东西，然后让这个东西能够真实的跑起来。
[1:13:40] 说话人 2: 啊，那这样呢对于公司对于集团来说来讲，其实也有他的这个价值所在吧嗯价值所在。所以呃我们我们的那个CEO郭宁一直在提的说，我们高德要成为阿里的叫physicalAI嗯，物理AI的端口，物理AI的毛毛，这是这是没sense的对对。
[1:14:02] 说话人 1: 那接下来呢接下来有没有一些，比如说现在是八月份八月底了，那到明年的八月份，你们想象你们的图图这只机器狗或者是高德的这个整个的这个机器人的计划会变成什么样子？会不会我们在街上就能看到一些狗在跑了？
[1:14:20] 说话人 2: 我相信在明年的这个时候，一定会能够看得到，一定能看到。可能不一定说能够那么大规模的在这个开放的这种就这个环境当中看得到。嗯，因为确实它有涉及到路权的问题，有涉及遇到一些安全性的问题。因为我们既然给了这样盲人这样一些弱势群体去使用，一定要保证它的安全性，呃，这是第一的。当然对，这是第一位的。当然我们希望啊就是也会有越来越多的盲人能够用我们的这个导保险，这是一。第二，我们也希望说在呃小区在这些办公的这些场所封闭的园区，园区啊，对能够看得到我们的配送的机器人在这个穿梭的身影。同时呢也希望说在这种一般提到这种弊端，场景上有更多的这个厂商能够用到我们的这个产品。然后就是说随着我们的机器狗的这个在整个社会上的这个使用的这个铺开，它的能力会越来越强。越来越强我会不会说可能在明年的这个时候，我跟您聊的时候，我跟您再有机会再次再坐在这里聊的时候，我们已经不只是这个机器狗了，我们的人形可能也在路上。
[1:15:26] 说话人 2: 嗯嗯，所以您看到我们的展台上，其实我们今天确实也带来我们人行的一些工作在前期的一些探索。所以我们并不是说只顾于说在这个四组这个的方向上，嗯，而是说我们刚才讲了，我们要做的是整个物理世界的这个端口，物理世界端口。所以我们会不停的往前去前进。当然这个前进的这个快慢也取决于说呃整个产业界的一个发展。这不是我们一家就能够是的是的完成的啊，我们也希望有更多的厂商，零部件厂商，包括这种呃这个这个算力的厂商，能够加入这个进来。我们也希望说呃昨天语数上市了吧，榆数也是我们很重要的合作伙伴啊。嗯，我们也祝愿有更多像榆数这样的公司，然后给整个的这个产业带来更多的信心。
[1:16:11] 说话人 1: 希望高德的这个机器人能成为这个让我们下一个的在阿里有
[1:16:18] 说话人 3: 还能给阿里点赞的下一个。
[1:16:19] 说话人 2: 对对对，特别同意这个十分感谢啊，十分感谢这个两位老师对我们的这个支持啊，其实应该讲阿里里，其一，一直走走在这个路上。只是说确实你也知道这个发展嘛，它总归是有这个快速上升和大势的，平缓的都有一个过程嘛。然后在这个巨升这个领域呢，就是阿里投了很多公司啊，语啊啊云深处其实都是我们的背投企业。嗯嗯，我们并不是不关注，只是说呢呃对于我们来讲呢，就是要找到一个契合的合适的时机。那么我觉得今天可能高德下场来做这件事情，就是一个合适的时机。然后我们要做的东西一定是具有它的这个高度的社会价值的这样的一个产品。否则的话，如果只是一个平庸的产品，我觉得也并不是阿里希望拿出来的，一定是阿里希望拿出来的对。所以最近我们也得到了很多的一些领导的一些一些关注。他们也说了，说哎你们阿里拿了个硬硬的东西出来，嗯，啊，确实是感到说这就是你们该做的事情啊，那我也想说这是我们的责任。
[1:17:19] 说话人 1: 行，那我们今天时间也差不多好啊，特别开心。今天在这个大会的现场，大家有可能听这个背景有点嘈杂。对，但是没关系，我觉得这样的一个氛围感，哎，这样一个氛围感其实特别迎合着今天AI的这个热潮。我那天想发的那条朋友圈叫什么？我现在在想，就是我终于有点找到当年移动互联网时候，刚起来那个时候的感觉了。嗯，就是今天出一个app哎，很有意思，他能够解决这个问题，明天有一个app能解决那个问题。今天突然我找到了当年十几年前的这个感觉了，大家纷纷的都在AI的这个赛道上，别管是软的还是硬的，都在上面做出一些非常有意思，非常有价值的探索和尝试。我觉得这就够了。
[1:18:04] 说话人 3: 那我们现在来到这个机器人行业大会啊，真的是十几年前看到那种热潮，就是博客的听友们看不到现场。嗯，这个现场真的是人挤，人人挨人是到处整天中午吃饭的时候，我们根本没地方走。
[1:18:18] 说话人 1: 食堂排大队这件事情，在很多大会上我已经见不到。对，嗯，现在真的是这样。嗯，
[1:18:24] 说话人 2: 对于作为我们做巨身的这样的一些呃研究者也好，或者说这个产业的推动者也好，其实我们也是十分希望能够看到这样一个场景。嗯，然后呢呃在今年的上海的WAIC,包括今天的这个WRC上，我们看到整个机器人被整个社会所认可所认知啊，也作为我们国家的这个战略级的这样的一个方向推动。嗯，我相信这个我们每一个呃技术人都是心中这个叫热血澎湃啊，后希望能够呃能够更快的去推出更好的这个产品是特别引劲。
[1:18:55] 说话人 3: 我们也希望自己也能还有机会再融入到新的一波浪潮里啊，一定一定两位老师还年轻啊，两位老还年轻，老登发心眼
[1:19:05] 说话人 1: 行。那我们的这期科技乱炖呢，就先跟大家聊到这里，感谢大家的收听，我们下期节目再见，拜拜啊，拜拜。感谢您收听本期节目。本期播客节目由津津乐道制作播出，您也可以在我们的官网DAO点FM找到我们的更多内容作品。如果您喜欢我们的节目，欢迎在微信、微博、朋友圈等社交媒体转发分享。您的分享对我们而言十分重要。如果您希望与我们互动，可以关注我们的微信公众号，津津乐道播客。天津的津，欢乐的乐道路的道在关注后，按提示操作即可加入我们的听友社群。

Shows are listed from Apple Podcasts' charts and directory, and Podcast Index where it is used. Every show and episode belongs to its publisher and plays from the publisher's own feed; this site hosts none of them.