00:00/00:00
外链地址
http://www.eemp3.com/audiofile/22af9ef5c2811d16e380ed8ea80d8378.mp3
点击复制
本字幕由TME AI技术生成
用声音碰撞世界
生动活泼
大家好
欢迎来到我们今天的科技
早知道
我是阿贤
我是导燕丁教
那我们今天呢
要聊一个巨身智能领域非常重要但是又经常被忽略的话题
就是机器人的触觉
我们今天也是非常荣幸的请到这个一木科技的创始人兼ceo 艾瑞克
李志强
我们先请eric 来跟大家打个招呼
然后绍绍下自己己
Hello
大家好啊
我是伊木科技的ceo 啊
李志强啊
大家也叫艾
艾瑞
所以很高兴啊
能够加入到今天这个节目
跟大家聊聊我们在巨巨智智这
这行业里里的一些些这贡贡献
尤
尤其是在触觉感感器和触觉算法上面一些贡献啊
所以今天有一个比较好的交流啊
今天我就少说点
因为这两位博士
对对对
然后这个艾瑞我知道
原来是在那个卡耐基美龙cmu
然后是做这个微流控芯片这边的研究究
然后当当是是做了一个世界上最小的对微流控芯片
对
就后亚学目生工学的这些贡
所
所以就觉得今天坐在两位之间的两位多聊聊
就这个给大家捧个哏就好了啊
正
反正我是本科是在上海同一大学读的计算机的学士还有环境工程的学士
当时读的双学位
一直都对这个计算机啊
算法以及和它的应用特别感兴趣
然后后来呢
呃
零四年就去美国开始读书啊
最后在环mu 读的博士啊
当时拿的这是环境工程程博士
同时通通了一些计算机的硕士啊
我研究的课题其实是ai 在环境工程上的一些应用啊
这里面就包括你刚才说的有一些微流控的这个传感技术
还有一些硅光的这种感知芯片的一些传感技术
然后呢
我们把这些芯片拿来去做了很多的数据的采集
比如说我们做一些流域啊
河流里边的一些环境的一些信号和采集
然后通过这个ai 算法去做一些
呃
地表水或者地下水的一些模型和预测
毕业以后也工作了有四五年吧
反正一直在这个跟ai 应用方面相关的一些应用
然后从一五年在硅谷创创立我们的公司
然后一六年回国
然后创办了樱木科技这家公司
嗯
其实我们今天主要是想要聊聊出触觉嘛
你要相比机器人的视觉或者说是这个运动控制
触觉确实是不怎么被提起来
但是大家可能会想
比如说你像机器人现在已经有非常好好视觉的传感器
比如说像激光雷达呀什么的
为什么我们还是作为一个机器人来讲
它还是需要触觉呢
那视觉它有三个比较大的问题点
第一个就是说视觉精精度其实不够的
尤其我们在测距或者在灵巧操作的时候呢
它的精度可能就是从几十毫米到几毫米之间
这样的话
我们去做一些非常灵巧的操作的时候
你其实完全达不到你要做的这样一个呃准确度的啊
可能有的时候我遥远的看我能摸到一个杯子
但是到到了近前
我可能已经有误差了
第二呢
就是说它是一个会被遮挡的一个信息
员然可能有一杯子
拿一个苹果
你的苹果和杯子的后半部分其实你是完全遮挡住的
你就没有任何的视觉信号
这个时候呢
我们的手到底有没有碰到你
就碰到的力有多大
其实完全没有这个信息的
所以它会在遮挡的情况下就是有信息的丢失啊
然后第四三个问题
其实就是他是一个完全没有力秘诀的一个信息源对吧
就是我们不管从视觉里面再怎么去提取
我们其实是没有手感
所以这三个是他的一个缺点
那么造成现在很多的模型呢
相当正做灵巧操作的时候呢
应用端没办法收敛
没办法解决问题啊
就是说现有的这个状态
那么触觉为什么中药呢
其实啊
有大量的人已经研究过
那么其实我们研究一个机器人的模态啊
其实先要研究人本身我们自己是怎么去做操作的啊
那么造成看过一些论文
就是大概几十年前就有人在研究
比如说我们给正常人的这个手
我们打一些麻药啊
做麻醉
就这个麻药呢
可能只只会作用在你的这个触觉的神经细胞上
相当于我做一个阻断
那这个时候你会发现啊
这些人呢
他做的那些操作就完全失灵了啊
扣子也扣不上
更不用说什么穿针引线这种活肯定是做不了的
其实我打一个类比
就是我们要有一个相同的体感
就假设我们戴一个手套
戴一个非常冬天那种非常厚的手套
比如滑雪手套
那这个时候我说让你去给我扣一扣子
你是扣不了
那他其实核心原因就是说
哎
我缺失了这个触觉的能力
造成成这这种这种这种这
这动作作精
精度是不够够
综综这这些原因吧
其实我们发现
其实大家尤其是在巨身智能这个行业
大家对这个触觉的数据和模态是越来越关注的
包括那个黄仁勋也提到嘛
就是触觉应该是巨身智能的最后一块拼图
这个拼图拼不上
那整个这个版图巨身智能版图就很难完工
哎
我发现确实有一些工厂里头老师傅他不爱戴手套
你看那他那个手磨的都不行了
但是你给他手套他还不愿意戴
他非得用手去去感觉但个不管是螺丝也好
或者一些机密仪器的这个工作状态
对对对对 哎
如果要您现在看整个的这个巨身机器人的市场
就比如说给他的运动能够打多少分
给他的这个大脑打多少分
给他的这个灵巧手打多少分儿
就还我们还有多少的那个努力的空间
或者您给我们一个大概的感觉
我可能说的也不一定是最最标准的课题
但是就是大家的相对位置我觉得是比较确定的
就比如说运运上来说
我们叫local motion
就是它的移动力
其实这块我觉得已经非常接近完成了
九十分啊
大概九十分左右
那比如说你看语数跳舞的翻成了翻跟头
其是我觉得可能再过一两年比人可能还还要厉害对吧
我们今天看cee 那个个是山动力的alice
对 非常灵活
因后这个前后转啊什么的非常灵活
而且本身的自由度又比人高嘛
因为其实人的手臂可能也就能赚个一百八十度
他其实可以做到三百六十度
所以就是从啊local motion 角上来说
我觉得硬件本身已经没有太大的壁垒
可能也只是一些
呃
质量稳定性和成本方面的一些考量了
然后呢
手的话呢
我觉得可能不及格
六十分以下吧
或者五十九分
因为其实人的问题就是说现在没有收敛
就是还有很多不同的技术路线
大家都会认为呃
高自由度是一个最终的方案
那我们也完全认同啊
尤其可能要跟人的手一样二十七个自由度
那现在这个离这个还有点距离
但是呢
它方案已经有了
不管是建绳的这个只驱电机的等等
包括原来的连感的
就大家这个方案都在了
就是可能要迭代一下
但是它的质量还没有过那个的的
就是五十九分
然后大脑的话呢
我觉得可能只有三十分
说实话 呃
我还以为您会把可能那个大脑会打的高一点
然后手会打的低一点还是等等
我觉得可能整体硬件上还是相对就是控制上
可能比它的这个思考的软件上模型上还是要前沿一点
还是要前沿一点
毕竟你想想那个机械工程已经就是比如说各种机械类的机器人已经存在了大几十年五六十年了嘛
它其实整个机械结构上还是有有比较好的一些完美的
就比如我看那个sweatfigure ai
它不是有一系列那个宣传片嘛
然后我比如说是洗碗机那个门把它的那个就合上
就 就
他就撩半天都撩不到那个把手
对 所以呢
这个其实是不是手的问题
也其实是大脑的问题
对对对
大脑和感知应该这么想
大脑的话
主要是现在它对于物理世界的这种信息还是太少了
然后因为就大语言模型
它的前置条件是说啊
我们叫读万卷书
那所有书都电子化之后
那它就瞬间就读万卷书了
但是我们说物理ai 就跟这个世界打交到了
我们叫行万里路
行万里路当然有走的部分分
也有这触触摸或者理解的部分
但这块完全没有信息
所以我们的巨身大脑本身对于你的空间感啊
包括这些物体到底它是硬的软的这些判断力现在其实还是比较比较弱的啊
很难泛化
所以我觉得大脑可能就是三十分左右
对对
刚才大家也说到那个有一些机器人的demo 啊
我也看了不少机器人demo
比如说其实去年挺出圈的
比如说optims
它那个gentwo 机器人可以拿鸡蛋
包括我说在wvic 上有那个机器人可以它可以拨那个鸡蛋壳
对
然后里头皮都不破的
所以说是说明这个触觉已经达到很高水平吗
可能能是在四十五到五十分左右啊
可能会比大脑要更加收敛一点了
但是手的话呢
又会更 呃
收敛一点
你觉得剥鸡蛋壳那个它需要要触啊
那肯定是需要触觉的
肯定是需要触觉的啊
但我不知道您看到那个demo 到底是什么样一种demo 啊
因为现在行业界其实也是大家有各种方法去做这个demo 嘛
Demo 不代表它的能力
对
就是说核心
它能不能泛化
假设它是一种预编程的一种啊demo 的话呢
它其实就不是一种矩神智能
我们认为它核心就
就说
比如说你你你
你剥这个鸡蛋
我给你一个鹌鹑蛋能不能剥啊
可能不行
那就说明它不是对吧
我给你个鸵鸟蛋能不能播给你香蕉橘子啊
它能不能去做这种泛化啊
能做到泛化的才是真正的居神智能嘛
啊
我觉得这里面其实有两个点
你第一个就是是不是真的有实时反馈啊
你如果没有这个力的实时反馈
你其实只是靠这个编好的预程序去做的话
一旦中间出现了差错
它其实很难很难这个往回调啊
另外一个就是说是不是真能泛化
刚才你也说说这个可能在灵巧手方面这个技术可能已经比较收敛
但是在触觉方面
我不知道现在有一些什么样的技术路线
包括你像您现在主攻的是一些什么样的技术路线
可以跟大家介绍一下啊
对对对
是这样
就是所以我说这个触觉这个技术现在可能也就是四十五分左右
是因为呢
有几个原因嘛
就第一个就是说它的技术路线其实逐渐在收敛敛
我历史上也有一些做触觉的技术路线啊
比如说有做这个电磁式的压阻电容啊
然后现在是我们收敛到这个视触觉的或者叫触触觉方案
那我们我们自己认为其实是是触敛啊
逐渐会收敛到这个视触觉这个方案上
您可以展开说一下视触觉嘛
因为我一开始看的时候
这个视触觉它究竟是视觉还是触觉
对
我觉得这个你也让我花一点时间来弄明白这件事呢
对你其实这个行业里边有点我觉得是有点混淆视听的
这个工具视触觉本质它是触觉
它不是视觉啊
那个视的意思呢
其实是说我们是通过一层表面皮肤
这个表面皮肤呢
跟物体接触之后呢
它会在背面产生这个形变和光影变化
然后我这时候用视觉的方式把这个光影读下来
然后把它变成力和这种纹理反馈
所以视觉其实它的技术路线并不是它要达到目
但是实现这个触觉的一种技术路线
并不是那个在手游之间的这个模组里面有视触觉和一个这个皮肤并不是这样子的
并不不通过过一个照片然后把把它变成这触触觉的
所以我认为它可能应该更好的名字应该叫光触觉
这样的话大家就不会有这个形淆的视听那种感觉了啊
因为毕竟视觉是一个光触感类的这种感知
所以我觉得它应该是个光触觉传感器
因为我们是通过光子去触觉触感形变
这是探测皮肤的形呢
然后把这个形变转化为你的力啊
力的分布啊以及纹理的
但是行业里本来是有一个这个纯视觉的这样子的一条这个技术路线是吗
曾经曾过有过
对 曾经有过
当然现在也有
但是我
我认为其实这个不矛盾
就视觉是
是始终会存在的
但是 呃
就像我刚才讲到的
视觉它那些问题无
无法避 避
精准度 度 遮
遮挡 力 力控的
就
就没有对吧
所以我们觉得这两个是应该是互补的逻辑
就像人
呃
去这个有视觉无触觉的人
其实他也是非常难操作的
也是一样的
对
那么回到刚才说那个技术路线来吧
就是光触觉传感器
它是我们现在收敛到的一条路径
也是整个行业里边
或者我们自己其实也从低性原理去思考过这个问题啊
就是说 哎
类人无感的核心
其实我认为那个词是类人
所有的aiagi 你通向的未来一定他追寻的是类人的能力
那我们就看一看人的触觉能人其实是很强的
在所有生物体里面应该是最强的
那我们的一个指尖你看着很小
我们一个指尖大概有三千个点位可以去做这个触觉判断啊
然后每一个点位呢
还有四个不同的受体神经
那相当于我三千乘以四
就相当于有一一万两千个受体神经去做
所以这是人为什么能够去这个使用工具
这就是进化史带来的对吧
所以我们回过头来看
如果是做触觉传感器的话
我觉得这个有一些最底线的门槛指标它是要能够达到的
就第一个就是它的密度
我们认为至少万万以以上万点以上触触觉点
这是很重要啊
但是是他的的技术术术径径
它只能实现十个点每平方厘米米
那这个密密啊
就是这个差距是非常非常大的
所以就所以之前没有办法收敛
当然还有一些其他的
就是比如说我们人摸一个这个材料吧
你就可以知道它可能是软的呀硬的呀
是粗糙的
是光滑的
还有就是说哎
它什么纹理理啊
我可以感觉唉
这是可能是棉的
可能是塑料啊
那这些细节其实都是有赖于我们皮肤那么的精巧的一些设计啊
那这个视触觉传感器是唯一能够真正把这些细节都能够捕捉到的
就比他的技术路线呢
现在是无法感受到这些能力的
然后再加上还有一些其他
比如说啊
人其实在抓握的时候
这个摩擦力是最重要的
就我这个东西
拿
拿不拿得起来
他其实是有没有slippery
有没有滑动
嗯
就一个杯子
他可能是有水没水
他都是两种的那种
就比如说同样是个杯子
我通过视觉我觉得哎
他这个杯子我一抓
如果我感觉不到这个力的话
他可能就滑地滑地上了
但是我就因为有触觉之后呢
我会感受哎
他
他拿不起来
我要加点力量
对对 嗯嗯
就这些都是非常重要的
这个触觉表表现就突然想到
我就感觉好像是因为我孩子还比较小嘛
小时候大家其实都是要给小朋友做这个叫做sensory 的这种训练啊
让他摸各种各样的东西
让他尽快的对世界有一种这种体感
是真实的感知
是非常重要的
对
其实就是现在咱们正在给机器人做的事情
你会发现
其实人对于这个这个物理世界的这个感受的第一语言其实是触觉
很多时候小朋友就喜欢抓各种东西对吧
然后还有咬啊
舔啊
对对对对
他就先先
先吃自己的手啊什么的
对
其实我有一个问题啊
刚才艾瑞克也讲到
其实人的触觉传感器是非常多样的
对
其实它是能有些能感受压力
有些能感受摩擦
甚至对触觉的时长
比如说我一直把这个手放在你的肩膀上
你可能没感觉
所是我可能就是戳戳你一下
你就有感觉了
所以其实对这个人的触觉感受其实是非常丰富的
所以我不知道现在的传感器能在多大的程度上
嗯
复刻人已经有了这些非常丰富的传感器
或者说这些传感器的类型
刚才咱们也说嘛
主要是通过光
对
我不知道通过光这种形式能在多大程度上复刻人类的这种丰富的触觉信息
我们也其实从第一新能源里和底层去研究这个事情对吧
传统的那些路线可能百分之十都不到啊
所以这个是它的问题
而我们发现光触觉传感器这条路线呢
目前看起来啊
就不管是力的灵敏度
Texture 纹理啊
摩擦还
还有就是它的正向力等等吧
还包括它的这个密度
其实都是已经
呃 跟人一样
甚至还有一些超越了
所以说我可能百分之九十的指标是已经达到了
当然我们还有一些缺陷啊
比如说对于温度的感知啊
我们其实还在继续迭代
我们需要有温度的感知
还有一些缺陷
就比如说是它的这个响应速度
其实人特别厉害
人的触觉的这个反应速度非常快的
你比如有的时候你碰一个东西扎手
啪就回来了
那可能就是不到一毫秒
小于一百毫秒这个数据还特意看了看
也就是零点
它是小于零点一秒的时间
这个触觉就能迅速的走完这个反射的这么一个反馈过程
然后我们现在触觉传感器呢
它是大概八毫秒一次响应
人在非常精确的控
比如说打乒乓球
比如说打网球
有一些很细微的动作可以小于一毫秒
所以我觉得这个是有差距的
所以我觉得大概吧
我们可以覆盖了在大概百分之八十左右的人的能力
可能还有百分之二十的空间我们要需要去继决元力
对
其实我们上次也你也聊到嘛
说其实可能之前在触觉大家都没太意识到
或者说意识到了
但是在技术上还
还有一些难点
你觉得今年是一个叫触觉元年
嗯 对
我不知道你是怎么样判断说今年这个拐点已经到来了
是不是有一些啊
不管是从技术上呀
或者说是在大家的这个认知上有一个怎么样的变化
对
就是老是听着各种元年
我觉得这个词不重要
我觉得它背后可能要蕴含着三层不同的含义啊
第一层含义其实就是说它是不是有价值的啊
然后第二层含义是不是说它技术是成熟的
第三个能就是说从成本和可行性上来说是成熟的
那我觉得这三个层面
今年的触觉是应该啊
是
是过了这个thresreshold
过了这个标准的
就第一就是从价值上来说
基本上行业里边是非常的有共识了啊
就已经有共识了
觉得这个是一定要装在机器人的零巧手上的
以前不是
确实以前不是
可能说实话
去年都
去年都不是太会有这种感觉啊
在今年的年初开始
现在而且是越来越形成共识这样的事情
所以其实他是一个被行业里边呼唤的
那您讲一讲为什么之前不是
为什么突然这个
这个节点是啥
我其实也很难判断这个节点是啥
因为我们从二十年底开始做这个
一开始是就我们很坚信
就说触觉一定要到来
但是我们呼吁了或者布到了好久
但是一直也没到来
直到今年年初
我觉得可能有几个原因
最核心的原因就是还是说那些做这些机模的
不
不管是voa 啊
还是是沃这这些做模型的
他已经感受到自己的模态的天花板到来了啊
就我我是觉得说了一堆
呃
我着有一堆
但最后你发现一上手还是落不了地啊
大家就在思考
确实缺了触觉
我说这
这是第一个原因
就是说是巨身的大脑确实已经比原来更好了
好到了一定程度说
我们发现哎
触觉这个模态不能缺失
这是一个
第二个我觉得也是可能是我们现在做触觉的这些
呃
企业或者科研单位也好吧
可能再再去推动整个这个行业的一个认知啊
这种 就这
所以说从价值的这个角度上来说
我发现是被呼吁到的啊
大家都需要这么一个模态
是这个头部的几家企业
不管是像特斯拉还是这个可能咱们的语速啊
或者是像创业公司像是figure
就他们对这条线路也都是有共识的嘛
有共识
有共识的共识的
对
Figure 去年年底十月份就号称自己推出来自研的一个视触觉传感器嘛
所以大家都在往这方向努力
然后包括meta 其实也推自己的试触觉传感器这个路线
然后现在像google 啊
特斯拉
大家都非常低坚定的认知到这个这个方向是是是不是去做的啊
所以这是价值层面
那第二个就是从这个技术收敛度的层面上来说
我觉得其实今年也是到了那个拐点啊
就是以前可能各种路线还是比较多的
刚才已经提到了啊
那因为大家至少在科研界或者前沿大模大模型这个行业
大家是非常有共识是说我要做类人的
我要训模型
我就要用跟人最相似的这样一个模态去训训练模型啊
所以这就是我们的技术收敛到第一呢
收敛到是触觉
第二呢
就是我们自己的这个技术和产品也确实已经到技量稳定性
一致性到他刚才的性能其实都已经非常好了
就是我们已经可以到一个production ready 啊
量产
呃
准备好的这样一个阶段啊
技术成熟度已经到了
那这是第二个原因啊
第三个其实是可能更长远发展
它需要有这个成本可行性的这么一个评估
对
其实我发现其实视触觉这个模态特别有意思
它是一个 呃
成本上升不是特别高
但是这个收益上升很多的
就刚才说到
比如说我们现在的我们的触觉传感器可以做到二十多万个点每平方厘米
那人是大概一一点二万嘛
最后已经比人强了
对
然后其他的触觉大概就十个点
所以其实我提升了大概十万倍以上
嗯嗯啊
但是我成本提升百分之几十啊
所以其实它的是投资回报率是超高的
对
但是长期来看
我认为光触学传感器是唯一站在摩尔定律之上的触觉传感器啊
因为它底层其实是一个芯片来去感受一个材质的变化
是一旦我的芯片有了
对
芯片的成熟度更好
我的光学的成熟度更好
我的材料成熟度更好
它一定是一个呃
大规模能够去做这个成本降低的这么一个一个模态啊
所以我觉得它的成本反而长远来看不是劣势
反而可能会成为有优势
就是它是唯一能够站在摩尔定律的这个成本下降的这么一个趋势里边的一个反而
我知道您其实也是在跟像英伟达这样子的公司在合作
然后把你们的视触觉的这块
也有一部分的是开源出来是
然后让更多的人去使用
然后去提供更多的数据
对 我
我认为其实现在这个触视触觉模态其实是大家都需要的
嗯
那我们其实觉得还是应该推动行业发展就
所以我们觉得啊
这个行业其实开放其实是第一位的啊
所以我们要愿意第一呢
我们就开放我们的各种的仿真的软件平台
甚至我们来我们也想去开放一些我们的触觉数据
我们也在跟一些
呃
像斯坦福的教授啊等等
我们去再合作一些类似于image net 这样的工作
就我们做touch net 开源数据集啊
我们特别欣赏的这个事情就是open
整个呃
大模型以及巨身界
我觉得都需要一个相对来说开放的这么一个世界
所以我们想更多的contribution
那比如说我们的触觉的仿真啊
Simulation
其实我们在做很多的这种开源啊
我们今年年底会开开源更多的一些能力
包括我们还在做一些数据集的开源
正在跟像stanford 啊一些前沿的科学家大括在做一个类似于image net 这样的一个数据集
因为其实有了image net 才促进了整个ai 的视觉这个范围里面的人啊啊这些
对对对对对
那触觉现在既然这个模态还是比较早期
那我们就希望能有这样更好的一个数据集来去推动整个这个行业的发展
对
刚才咱们也聊到就是大脑
然后包括一些数据的训练嘛
然后其实我蛮想来聊聊就是模型还有数据这一趴的
对
你其实对机器人的这个控这个大脑或者控制的话
其实我们常常说
比如说会有什么大脑和小脑
什么system one system two
对
比如说system one 可能是更多负责这个决策呀
然后负责一些
呃
就是发出指令
然后system two 可能是一些运动控制
一些细节的调整
那你像触觉它作为一个全新的模态
它是怎么样整合到这system one
还是说它是有另外一个system 来
就是跟这两个呃
System 有一些沟通呢
所以我不知道这个从模型层面
这个触觉它现在是一个怎么发展的情况
就是我的这些数据怎么创回大脑
对对
或者说怎么样整合
怎么样跟你的视觉然后跟你的执行能够整合在一起
我相信这里头应该是有很多挑战的
然后其实有很多挑战就是
所以说我们在除了做触觉传感硬件以外
其实要做大量的跟模型和数据相关的一些工作嘛
就刚才您说到的
不管是system system two 这种体系
以及现在也有什么vla
像vtla 去演进t
就是是个teteacal 的
对对对对
还有需要做世界模型encoword model
它也会加入触觉模态
其实我们认为是这样啊
就是说其实有一些可以借鉴的例子
就比如说视觉和语音到底它是怎么去接入到这个模型体系里的
一般都是通过一些如果是transformer 体系里的
都是通过像一些encoder 编码器去做
所以我们其实正在研发自己的叫techto transformer encoder 啊
就是说把触觉做一个编码
那它核心意思就是说我输入的是一些
呃
触觉信息之后呢
我要去先做个语义理解
就比如说我知道这个到底是个软的硬的
是这个光滑的还是粗糙的啊
然后是是苹果还是相蕉
它可以做一一些预先的予以理解
让能理解清楚之后呢
会去和其他的说视觉模态做对齐
然后输入到我们的macbone 的这个大模型里面去啊
这是它的核心的逻辑
它有点像一个外挂一样
哎
我问的细一点啊
就数据的
它是同时这个进行反馈的
然后同时在计算还是什么
因为你可能看到一个东西
你去摸它
它是一个多方位它同时在计算
那视触觉它是会有一个先后嘛
你比如说tts 这个这个语音转这个文本
然后它再去发给这个大模型
它再去处理
但视触觉也是一样的吗
也是一样的
也是一样
就是相当于前面是有一个小模型
就是这个encoder 其实就是小模型
我先去做一个处理
但它的优点就在于它反应快
哎 对
其实这个我正想跟答案就是我我我
Echo
你的问题啊
就是其实人的触觉它是比视觉和听觉更快的
对
因为你需要一个实时的反馈
就是你摸到这个
如果烫
你得马上缩缓
你可能没有那么的长
你就是没想的
对
下一个没想
因为
因为这个触觉信息它有些些是不进到大脑里头
对
但是你的眼睛和你的耳朵这两个信息你是要通过中枢处理的
所以其实是更慢的
所以其实这个也是我刚才经你一部分的问题
我正想继续追问
那怎么样能够做到更快的
嗯 对
这里边有两层
第一层就是说对于触觉的数据的这个处理应该更快
快
这个更快比较容易理解
就是我们那个tat encoder
它是一个相对小的模型
因为我的这个触觉模态的这个数量级不是特别大对吧
我们一个指头也就一万多个点
五个指头大概也就是我
呃 可
可能五万个点
对
对于这种相相对来说数量级的话
那我可以做一个非常快速的一个判断
不像视觉 嗯
所以输入的数据本身就就少一些
对
输入的数据有三个特点
第一个特特点就是说它是比较的准确的
对
离ground 触次非常近
嗯
因为视觉是相对信息量大但模糊
但触觉的时候
我对于力的精准度对于它准变是非精精准的
对物世界度常接近
这第一就是它准
第二呢
就是说它量小
第一说我们能够做快速反应啊
我不需要烧脑
对
就是视觉就真的是烧脑啊
要要花费很多脑细胞去计算它
还有第三个特点
它就是高频连续信号
就是我们很多触觉它不是一个连止帧啊
比如说视觉
我可能就看拍个照片一张我去分析对吧
但是触觉可能它需要一个时间维度的一个感觉
比如我
我摩擦是不是有这个粗糙的
它是一个连续的
可能零点几秒一秒之间的这样一个连续帧
所以它有这三个特点
那所以我们要在前端做这个encoder 这这个编码器的时候呢
要让它这个模型响应更快
模型的层数更更小
但是它的处理速度是第一位的
对
这是一个非常非常有意思的点
对
所以其实触觉上还是有它自己独特的一些特色的
并不是说完全是跟其他处理其他模态一样
所以我本来想是不是视触觉这块反而可能需要更大量的数据
但其实并不是比train 可能那个机器人的这个大脑那么多的这个视频的这个feed 这个机器人他的数据反而可能更加容易去build 这个模型
这个是触觉的模型
就他们两个需要的这个
好像这个也稍微难比一些是吧
对 是这样的
从数据
就是你看什么维度啊
从
从数据的存储空间的这个量的角度来说
肯定是视觉是最大的啊
然后音
音频是第二
然后才是触觉
这个是这个物理的这个局限
但是从你对于这个物理世界的这个交互和接触上来说呢
他
他可能需要大量的东西
东西更多 对
他不一定说数据量特别大
但是他要接触的东西更多
可能我要摸摸这世界上上几万种不同的物品
这就跟爱迪生测试这这个灯片一样
对对对对
我要可能竹子啊
纤维啊全都问题得
这个时间问题
对
它是个时间问题
时间问题
所以以是也是带来就是触觉本身的一个
呃
模型的难度啊
它模型其实有三个特别难的东西
第一个就是说他其实没有一个前人的经验你可以去去去去依赖的啊
就相当于没有这种遗产
你像视觉
我们现在有大量的这种视觉视视频啊
然后照片
但是触觉
你其实连触觉数据库现在都很少啊
现在也没有任何的这个数据库和开源的
呃
有一些开源
但这个 呃
质量也不是很高
然后量也不是很高
所以就是它的一个难点
就是没有这样的数据集
所以我们就想把这个数据集的量给堆起来对吧
我我
我们叫touch net 也好
Open touch 也好
我觉得这是一个好的课题
而且这里还有一个问题就是说
呃
它的定义也不够清晰
就比如说我问你一个东西到底是光滑的还是粗糙的
你从物理量上怎么判断对它
其实这个对阈值很宽
就是刚才说软的硬的
你能定义清楚软的硬的了
所以它是没有
所以我们就要在这个里边就要收集大量的数据去找到一个
但这也是learning base 的好处
就是很多learning base 就是我没有清晰的阈值界限了
所以通过经验总结啊
学来的这样一个经验啊
所以这是它的第一个难点
就是没有遗产可以用
必须自己去build 啊
第二个难点就是说它的模态和其他对齐
其实刚才咱已经讲了
就是怎么去跟视觉听觉模态对齐
就要做一些预先的一些
呃
编码处理啊
就第三个问题就是说我怎么把这信信息整合在一起
有的快
快的慢啊
就高频 呃
连续数息怎么处理
视觉是相当于是低频啊
但是数据量大啊
然后音频其实也是个低频连续对吧
所以这个数据怎么去处理它也是一的难点
我觉得这这三个点都是需要有一定积累去才能去突破的
对
所以其实我就是也想多讨论一下这个数据的问题啊
就是其实冰比较经典的就是说咱们说这个数据收集其实有一个数据金字塔对吧
最顶端
然后最困难但是最珍贵的数据其实是真
真机数据
对
就是你那个机器手
可能你真比如说你真的去摸什么东西
然后其次呢
可能是像模拟数据或者是合成数据
比如在模拟世界跟在在英伟达这种这种系统里头做的
然后在下面呢
可能就像一些数捕数据
然后再往下其实才是视频数据
对
我不知道就是现在咱们这些触觉数据如果用这个金字塔衡量的话
有多少数据是来自于就是说真实的
然后多少数据是来自于这个
比如说是合成的
在合成长征里头去呃
生成的
然后可能
我觉得可能视频数据对于咱们触觉来讲可能是一个不存在的
我不知道就是咱们这个数据的来源
可不可以跟跟我们分享一下
这个事情其实也是不停在迭代
我最近也是在迭代自己的认知
说实话啊
可能这两天这这个巨身智能这个行业就是日新月异
对
先说说那个真机数据和这个仿真数据啊
确实真机数据最好的
那 那太贵了
太难获得了
量太小了
所以我们其实基本上可能只有百分之十百分之二十吧
就大概这种数量级是一个真机数据
那么我们其实还会更倾向于是这种无本体的真机数据
就是更接近人实际操作情况了
如果你说我用一个摇操啊
我操作一个机器人去做一个试
这可能
可能跟我们自己实际下场是不一样的
所以我觉得这种数据其实它的质量也没有那么的好
对
所以我们就更希望跟人自己是比较接近的啊
那这部分的话呢
确实它是一种recipe
我就到底是配百分之十百分之二十
可能每一家模型公司不不一样
他会自己选择自己的这个这个这个配比方案
对
那然后再下面就是我们还是比较相信是需要通过仿真数据合成数据来去更快的去这个完成一些训练的
所以我们也投入了很多的资源和精力吧
去研发这个仿真平台
所以我们就打通了这个
我们在sx 这个仿真平台上写了插件
去把我们的光触觉模态能够直接接入到这些仿真平台里面去啊
我们更快速的迭代这个recipe 可能占了百分之七八十或者六七十
所以这样这个是已经占了大头的
只是现在还有一些新的新的思维方式
就是说我可以在预训练的阶段呢
是少量真机
中量的这个仿真
再加大量视频啊
大量视频
其实说我可能没有触觉模态
但是我先学个样
嗯
他有个预期
他看到个瓶子
对
知道大概有个预判
他能
能不能拿起来
就刚刚我们在聊那个时候
我说他是是不是先有一个视觉
先看到这个鸡蛋蛋
他就不会用很大的力去捏它
所以 对对
是这个预期
对对对
我得先
先有个预期
先有price 跟视觉的这些其
其实还是紧结合的
紧紧密的 要
要紧密结合
这样才能更快训出模型
所以我们现在又在迭代自己认知
说可以先通过纯视觉
因为视觉可能你几千万小时的视觉都有啊
那我们通过这样更低成本更高质量的视觉数据的先有一个学样的状态
明白明白
并不像是这个可能自动驾驶
因为今年其实那个黄仁鑫也说嘛
自动驾驶已经是一个解决了的问题
Sooft problem
对
其实也都是这些年来那么多的汽车跑在路上
收集大量的数据
所以您觉得以后大部分也会是从这个仿真数据来的吗
还是觉得我们要把这个sensor 然后卖的更便宜
让更多的机器人先用上
这个是非常好的问题
其实我们坚信的数据飞轮的一个效应
其实fsd 之所以今年会越来越接近
就是因为特斯拉有那么多的汽车在跑对吧
它一边在卖汽车
一边在收数据
一边在去模型
因据越多
模型越好
用的人越多
你的大型会更好
所以这是一个数据飞轮轮效应应我
我比较相信这一点
那这个其实正好是我想刚才想补充的一个点
就是你
你有一个预训练好的模型嘛
但其实你可能真正的去使用的时候
还会有很多bug
可能有的时候还会fail
还会失败
但是不要怕这个失败
它一定是在真实场景里面
我还会有后训练
我们叫强化学习啊
通过强化学习出来的数据呢
我可以让我的模型会更更好
所以我觉得它整体来说
我们一定是倾向于
呃
先能训出一个八十分的模型
然后在一些不受危害危险的场景里边去使用
然后收到更多的后训练的这些强化学习的数据
然后形成数据飞轮
您觉得这个大概是多少年通的期待
多少年是指的点就是我们什么时候能达到特斯拉这个solve problem 这种感觉
嗯
就是自动驾驶这种感觉
对 明白不是 但
但是它
他也需要去给它一个scope 的限定
就是说特斯拉的这个solve problem 指的是说现在在所有的道路
但是可能一开始不会是这样吧
我觉得机器人它也是会有不同的阶段的啊
比如说大家说进家啊
这个我觉得还挺远的
说实话啊
他一一方面是模型的成熟度
还有一方面就是说真的安全性和很多可能你要思考的一些冗余性的题题
就
就比如说那么一个几百公斤的铁疙瘩进去
万一失控了会不会有安全问题
比如他扶老人
那我这个手轻了手重了
一有可能本来想扶你
但咔吧一下这骨头断了啊
对
我就就是说这些这些可能性他没轻没重的
但是中间他有一些可以过渡的
你比如说我比较坚信啊
就第一阶段应该还是像啊一些智能制造工厂
在工厂里现在很多都是老师傅的手艺
他打螺丝也好
像插拔 限速
甚至还有一些其他的工艺
其实都是靠人的手感
手艺活本来应该是很难传承的
但是如果你真的在这个厂里面做的多了
你能把那些传统是手艺活的东西把它数字化蒸馏了
把老师傅给蒸馏了
对 Eric
我感觉可能是我自己的偏见啊
就是说既然触觉到现在好像也没有这种大规模的应用和量产
是不是说明他其实就是个nice to have 或
或者说是警上添花的事情
就是客户有没有觉得触觉这事就就是可有可无
呃
不是很重要
就是确实他都是各种各样的这样的质疑和想法啊
但其实我发现现在也很少有这种质疑了
但是我
我就举个几个例子
就刚才说的视觉那些问题了
但凡是现在那种工业自动化做的非常完善的
但是还是要靠人去做的这些工作
作是本往以为其是靠触觉完成成但一个经历我觉得还是挺触动的
就是我就去那个某家这种汽车大厂对吧
我本来以为其实没什么人的
看了几个车间都没人
突然到了整机组就哇呜呜泱泱全事人
那几万名工人做什么事
其实就是那些老师傅的一些操作
那这些东西是原来过去三四十年用工业自动化尝试去解决
但始终没有解决的问题
它的核心点就在于它没有这种感知的触觉
没有力反馈
没有大脑去做不了
所以当时我们就说
哎 这么多人
我们觉得能不能去做巨身智能的方案
所以我们就只是切入到这个场景去做了尝试嘛
当时跟客户也去非常支持我们做
但一开始是有点心凉的你知道吗
就是一个工人大概是三十秒左右啊
不
好一点的可能不到三十秒
就是一个操作是吧
一个操作这么一个工序
大概做一个这个电池包的一个插拔
这个组装嘛
啊
然后我们用机器人做啊
第一呢 呃
靠那种传统工业机器人做不了
第二呢
就是说我们自己做了一个矩身智能待反馈的一开始一百秒就比人要糟糕很多啊
当然我们觉得完了
这事儿可能就收敛不了了
我也可能要变成一个被打脸的一个机身智能更夫
嗯 对啊
就是去年大概年底的时候
然后但是呢
神奇的事情是发现了
我们大概在四月份完成了第一次demo 的时候
五十
所是他就是增加一倍已经很多了是不是
对呀
就我也觉得
难道我所以我觉得心都凉了吗
三十秒达不到
其实我们已经做到十五秒了啊
人是多少了
三十秒秒已经比
比人还快
还快了
人顶人快了
他其实让我们又一次先相信刚才讲的这个agi 的问题
这agi 问题就是
就
就要让我想到那个阿尔法go 啊
当你阿尔法给我收敛之前
怎么都下不过人
但是当他收敛了之后
那他就是一发不可收拾
这个人就再也赢不了这个机器人了
就还是通过强化学习把这个工种学会了
一定是learning base 了
把老师傅蒸馏了
然后把这个手艺学到
而这个手艺它是它比人厉害点
就在他是二十四小时不停的在在在练的
人顶都练八小时了对吧
人
人的寿命就这么长
所以他可以相当二十四小时不停的在练习我们
我们相信它会越来越快
甚至可能十秒
七秒啊
就是太阳镜
所以插拔电池包这个
这个工种啊
它是需要很精细的那个力反馈还是是什么
对
它其实那个有点
比如说开钥匙
或者说装一个东西
就咔嘭那一声对吧
其实你要找那个
那个
那个手有那个感觉
而且这个东西就是很难装的
我很难告诉你我这个怎么穿的
对
就是这个卡扣啊啥的
你如果没有那个力的那个感觉反馈回来
你很难说是通过视觉或甚至是听觉去把这个事情做成
我 我又没有
我又开始始习的时这个个人做
做不了的这个是什么
我 我又没有
以前
以前没有
没有
因为以前我在医院实习的时候
要做那个腹膜穿
穿刺
就是那个病人腹水很严重
它的肝腹水很严重
但是你从肚皮里头穿过去
还 还
还有好几层皮层脂肪层
腹膜层
你又不能穿太深
因为穿针就扎扎到内脏
扎到内脏了你又穿不能穿太浅
穿太浅你倒够不了那个位置
你就要感觉那个一层蹬蹬腾啊
这只只能是手
对
你只能靠手去感觉得他到了哪一层
你说的非常对
就是这个
其实我们也有在合作的
像跟那个南京一个大学的这个做医医学的就他们就是你要么这种做穿刺类的
或者还有一些做那种这种比较精确的这种外科手术类的啊
你比如开刀啊
或者去去掉一些这种病灶
它其实纯手感
那 那
那之前机器人那些手术机器人其实不是真正的手术机器人
他们其实是摇操的嘛
那我们相信如果真正机器人想做这些工作
那必须通过带触觉带力反馈的这种能力才能做到这个精细化的程度
越听越觉得触觉确实是一个如果想要跟人类社会进行一个完整的融合
是必不可少的一个模态
哦 对对 我
我们那个
那个文案小伙写的一个词儿我觉得特别有意思
就是触觉它不是一个传感器
它是这个机器人进入到我们人类物理世界的一个门态
哦
标的化
Ok 唉
所以您现在可能最大的客户就是像是这个车厂的这样
他们是人形机器人吗
还是它只是一个机械臂
机械臂
机械臂还是机械臂啊
量还会
其实还蛮大的
非常大 嗯
非常大
其实我比较坚信就是说
对
当然中级肯定是人嘛
对
但是在这个过程中间
其实有些非人形但是装了大脑的机器人一定是会有很大的市场的
但比如说我们现在这这个个协
协作臂或者机械币市场长
但有量大概上千万台
每年几百万台的这种新增的
但是一旦它
它成了这种大脑和反馈支配的
那他这个
这个市场的规模是非常大
可能就是上千亿的规模
对对对
因为大家其实不管现在是做什么方面的竞争
都要自己说这个跟锯身相关
但是现在其实巨身还是一个在成长
但是也看起来还是有一点泡沫的这样的一个市场
特别是在咱们这个国内
对
所以就是虽然是增增长
但是保有量这个其实个个个多方在在心长的
但是是可能投资人客户都是还是更关心这一块大数据
对
所以我们认为就是啊
分层迭代吧
就是我觉得
呃
数据采集对于模型是一块很好的业务
然后这个
呃
传统机械臂
工业机械臂的升级改造是一个非常好的
尤其工业场景
大家已经用了那么多年吧
它其实没有太多心理负担
只要帮它解决真的效率问题啊
其实我觉得是非常容易被接
嗯嗯
而且能同时做很多的数据采集
然后也有很多的这个
对
就是专专专业场景数据的反馈和手机是最后变成了一种数据飞轮
对
你可能在工厂里
你插拔个线
你在这个家庭环境里面
你这个插个电器也ok 了
对
帮你iphone 充个电
是是是是
这就不用自己冲了
因为你也说嘛
现在越来越多的公司做到啊
意识到触觉很重要嘛
包括你像国外国内的很多公司啊
都有在建立自己的
不管是从传从硬件端到软件端到模型端都有啊
对 我不知道
就是樱木 呃
怎么样做出自己的差异化
所有我现在做巨身的公司
其实大家都是同向而行的
都是希望把这个行业能够推向真正能够实现居身智能和应用
对
那我们的特点呢
第一个就是说我们是一个真正是跨多学科都有非常深的自研能力和护城河的公司
因为把那个小小的触觉传感器打开你去看
其实它还挺难的
最底层呢
其实是一个感光芯片
那我们其实是完全自研的超表面的硅光的感光芯片
那通过这个技术才能把你的体积给压缩我
我们的那个触觉的厚度大概就十毫米米
很多友商都是三十多毫米那个芯片是吗
触觉
触觉传感器啊
那它的核心点就是说你的芯片的能力才能压缩它整个这个体积
很小 对对对
做的很小
所以我们竞品就比较大啊
第二个护城河就是材料学
它这个材料学其实是有点悖论的
就是第一呢
就是说我这个材料需要能够够软
软到说所有的物品摸了之后
它能把那个形变啊纹理啊能够感受到
那这是一个低阳式模量的这种材料
那同时它还要兼具说我能够last long
就是能够很长时间都能够耐磨耐压
还能够回弹不变形啊
那这个两个其实对立的
所以我们要去做很多的基础性的研究
就我们从它的因为它是一种高分子聚合物
那么从它的这个单体就开始去研究
到底什么样的万能团它能够有一些比较好的自恢复性对吧
什么样的这个贝ackbone 它能够有更好的刚性
这些其实都要自己去研究包括从单体到它的胶到它的这个聚合交联然后生产
所以我们要去自研自产才能做到现在可以做到呃
超过百万次按压不会坏
但是同时又能够这个把微米级的纹理能够给capture 下来这样一个能力
所以这是材料学上的一个能力
对
当然还有一些什么光啊
我们又非常强的光学的博士和团队啊
包括仿真还有就是ai 的算法呀
所以这一块儿是一个非常跨学科
而且且每一个学科都很深的这么一个能力
对
所以这个三毫米和三十毫米之间这个差异
它不是一个工艺差异
它不片上的差异
所以其实谁掌握了芯片
谁掌握了材料
才能在这个行业能够做的更更持久和更有壁垒啊
所以我觉得这是最最重要的我们技术底层壁垒的差异
好的好的
第二个点呢
其实是我们公司有十年了嘛
其实我们真的是十年磨一剑
也经历过那些痛苦
但是我觉得还是值得的
这磨的剑呢
最终就变成了我们有非常好的造血能力
有非常好的这种工艺工程化和量产能力
所以我们其实很快把我们的产品就推向市场
然后成本是最低的
然后性能是最好的
然个成本低性能好
这个我因为我也因为我们老说不可能三角就是成本
稳定性和可靠性
对对对
你觉得这这这
这三个三三你们是如何何衡
尤其是你
你说到尖端的材料
我觉得应该从研发然后以及这个材料的不管是供应链什么
应该都会花的有多钱呢
对
但是我们相信的还是说低性原理
就是你降成本到底降在哪儿
我们会更关注就是单个的磅m 成本
就比如说我一个传感器它实际那些材料的成本
那我们想降低这个成本的话呢
我们就要花更多的研发成本去降低这个成本
就是我们一直都很推崇像space x 马斯克的这个事界
也就是因为我希望把发射火箭的成本降低十倍
降低一百倍
那通过延长线的事情做不了了
就比如说我通过到大规规采购啊啊
可能做一微微调是不了了
必须须底层层做做
那比如如要要研
研什么发机
然后自研的回回收技术等等对吧
但你看起来其实它研发投入非常高
但实际上单颗火箭发射成本就非常低
所以我们秉承相同的理念
就我认为数觉传感器未来可能每一个机器人都会有
它是一个非常大规模大量的那种产品
所以我们砸了很多的钱在我们的芯片
我们的材料
我们的光
我们算法这上面
从底层解决了成本问题啊
这些你都自研了
你自然而然最后你的成本就下来了
所以我们是做到全行业成本最低的这样一个产品啊
长远来看
我觉得我们壁垒可能还是要构建在模型和数据上
我一直在讲我们要做touch net
我觉得这个既能给行业带来一些不一样上这种数据和促进
另外一个对我们来说也会形成一个数据飞轮的效应吧
对
你就像几十年间
呃
十几年间李飞飞做的image net
它最终产生了这样一个非常好的软能效应
我希望嘛
我们能够站在触觉和触觉数据的前沿
给整个这个行业提供更好的一个触觉的底层技术
你如果总结一下
其实我们是做所有机器人去触碰这个世界的那一层的基础设施
我觉得没有把它的硬件和软件件好好
所以您会想这个自己后面做零巧手
甚至是自己的软件人嘛
啊
我觉得这些点不是我们目前最关注的
但是我我想是这样说
就是说我们关注的就是巨身智能最难的东西
那目前看起来这个刚才已经排过去了
可能就是 呃
感知
手和大脑啊
那感知我们已经做到一个还不错的程度
那我们希望看到更多的一些做做手和做触觉做做手的一些合作方啊
大脑的话
我们也希望能能帮他去收敛
但我们不会直接下场去做大脑
我们还是给他提供这样一层
呃
物理的接入层吧
我觉得这样是一个更好的一个方式
嗯
就如果现在可能您有个一百亿
然后你会把它投入在哪方面的研发为主
就比如说是可能模型还是芯片
嗯
这很清晰啊
我们其实就在投在的芯片
材料也是核心壁垒
然后算法和数据啊
我觉得这是我们最应该投资的方力
底层的基础设施建设
对对对对
所以我一直讲
我们做啊
做那个物理接入层的infinfer 啊
把这些做好了
自然而然你的客户啊
你的价值都能体现
那我们其实刚才聊了挺多
就是现在发展到一些什么样的状态
然后包括大家都做一些什么样的努力
那您对未来就是机器人怎么样感知这个世界
然后有一些什么样的想象了
我觉得第一步肯定是想把这些东西能够真正的去落地
不包
包括普及嘛
但我觉得未来一定是我我非常乐观的一个人
我觉得巨神智能还是很快会到来的
所以我们想把自己打造成一个啊
真正是能够实现通用的巨神智能体的一家公司啊
这个就其实他能够解决的不仅仅是一个触觉的硬件感知和算法的问题
是真正能够去代替人去做很多labor 上的重复性的这个劳动的问题
就是我们带智力的劳动性问题
我觉得这个是非常有有价值有意义的
把人从这个繁琐的或者危险的一些领域能够解放出来
那它当然这个就会更复杂了
其实我们就涉及到了可能跟大脑的合作
跟小脑的合作
跟他行端的样样触觉和手的合作
但它是真正相当于我们想想象一下
未来可能就是跟
呃
养龙虾一样的养的这样的一个机器人的族群啊
让他们形成啊
自我迭代
自我能力的构建
然后自我操作实现的这样一个巨神智能体
你觉得家家用机器人它是在巨神智能体实现之后的一步
还是说是我们巨神智能体就已经能涵盖所有人类的活动
其实助巨神智能体是一个更大的概念
我认为就是巨神智能体可能就包括了我可以组网成在家的
在办公的
甚至在工厂的这么一个族群吧
我觉得它是个更大的概念
但是进家肯定是当你完成这个概念之前最要解决的这么一个核心卡点
嗯
因为我觉得家用机器人其实比工业级的机器人这个要求还要高很多
确实高很多啊
整个场景
嗯
完全不一样啊
全
全世界有那么多几亿套房子
每一套房子可能长得都不一样
对 对吧
它的泛化能力
它各种的这个
包括还有安全性的的问题
好呀
我觉得我们今天从这个触觉为什么重要入手
然后不只是聊了硬件
然后聊了模型
也聊了数据
然后也聊了未来我们对机器人感知世界有什么样的想象
所以我也非常相信说我们会拥有一个非常光明的未来
当然不知道这一天什么时候能够到来啊
对对对
但是我觉得在这个ai 的这个飞速进展的过程中
我们应该是能往前走一大步
是先从我们把所有的机器人所有的营条手都装上试出觉的芯片开始
模组开始
谢
谢谢你帮我们聊打广告
我相信明年就能很多都能实现
好呀
那我们今天就这样
然后谢谢eric
然后谢谢大家的时间
拜拜 谢谢
谢谢啊 拜拜
今天的科技早知道就到这里了
听完之后
如果你有任何的想法
欢迎在评论区和我们交流
如果有任何想听的话题
也请告诉我们
如果你喜欢我们的节目
请记得分享给更多的朋友
那我们下期再见
下期再见
嗯
跳哦哦哦