Wang Xingxing: Robot Combat Is Less Entertaining, and the Biggest Challenge for Embodied Intelligence Is Aligning Models with the Physical World
English text is being prepared.
Wang Xingxing, founder of Unitree Robotics, said that the biggest current challenge for embodied intelligence is that the inputs and outputs of multimodal models are not well aligned with the physical world, with significant deviations remaining in the final few millimeters. He pointed out that improved robot stability has actually made robot combat less entertaining to watch than last year, and mentioned that GPT-6, with zero training, directly controlled a Unitree robot to draw. He expects this alignment problem to be largely solved within the next one to two years.
Body
“分享一件有趣的事情，就是时隔一年，机器人格斗的观赏性反而变差了。” 机器人格斗 宇树科技股份有限公司创始人、董事长王兴兴，昨天（5日）现身第九届虹桥国际经济论坛“人形机器人与具身智能产业创新发展合作”分论坛时说。 王兴兴。 王兴兴现场播放了两个月前宇树机器人格斗的一段视频。“我们前段时间，实现了两个机器人完全自主地格斗，它们的动作有近20种，理论上可以训练机器人几百乃至上千种动作，并可进行任意组合。” 犹记去年上半年，宇树科技开启全球首场人形机器人格斗大赛。“但也就过了大概一年时间，大家会发现，格斗的观赏程度没有去年好。为什么没有去年好？实际上是因为去年机器人的稳定性没有现在好，反而打斗的对抗感会更强一些。”王星星解释，今年，机器人的稳定性大幅提升，无论受到怎样的击打都能站得稳，倒地、摔倒场面自然变少。 机器人格斗。 王兴兴也谈及他所认为的目前机器人或具身智能面临的最大挑战。“最大挑战并非多模态模型的规划能力或理解能力偏弱。其实多模态模型在这些方面的能力已经非常强。”他举例，不久前，在“零训练”情况下，GPT-6直接操控宇树机器人绘画。“毛笔换水、调颜料等，都由模型直接驱动，机器人干活的效果非常惊艳。” 模型驱动下的机器人绘画。 王兴兴反而认为，当前具身智能最大挑战，在于多模态模型与物理世界的输入和输出没有很好对齐，“就在最后几毫米处，还有较大的偏差。如果用全球最顶尖的多模态模型直接操控机器人抓取，成功率几乎100%。但如果再做一些更精密的零部件的操作，效果就差很多。”王兴兴有信心，多模态模型与物理世界的输入和输出的对齐，在未来一至两年内应能很好地解决。“具身智能本身在技术上已经没有太多难题，当然其落地推广还需要解决大量工程上的问题。”