□ 本報記者 付玉婷
近日，在浪潮海若具身智能創新實驗室，一款巡檢機器人已進入最后的場景驗證階段：搭載視覺系統與機械臂，能智能避開障礙物，也能完成抓取等采集動作，待交付客戶。它能做的將不止于故障識別，它還是一位可“妙手回春”的工匠。
從機械臂普及的“第一增長曲線”，到特定場景規模化落地具身智能的“第二增長曲線”，機器人產業的成長速度讓人驚嘆。正在“長腦子”的機器人，經歷了什么？
打磨“大腦”是項技術活
跑步跳舞到工廠作業，看似簡單的場景轉換，對機器人而言卻是一場漫長的“遠征”。本體廠商生產的機器人具備跑跳等通用運動能力，但想精準對接生產節拍，扛起日復一日的作業任務，還遠遠不夠。舉個簡單的例子，機器人摔倒在舞臺上或許是無傷大雅的小插曲，但在高速運轉的生產車間，就很可能演變為造成巨額物料損耗甚至安全事故的致命失誤。
“去年浪潮在建設人工智能工廠時，就已開始著手組建具身智能創新實驗室，針對特定工業場景進行語料訓練。”浪潮云海若公司副總經理陳艷清介紹。在這里，機器人被“打磨”出“聰明頭腦”。
“首先要根據場景需求，給本體機器人加裝機械臂、攝像機等硬件，豐富機器人的行動能力；接著就進入數據采集、仿真訓練階段。”浪潮云海若公司產品研發部高級工程師田昌英介紹。數據是大模型習得語言邏輯、行業知識、決策能力的“燃料”，而對需要“下工廠”尤其是要實現崗位替代的機器人，數據獲取程度被指數級提高。
具體來說，語言大模型主要依靠文本數據展開學習，輸出也主要采取文本信息的形式；而工廠機器人面對的則是視覺、觸覺等與真實工況相關的多維度數據，這類訓練數據無法依靠網絡獲取。
如果將目前工廠里常見的機械臂看作是“固定場景”下“可靠方案”的提供者，那么機器人要實現的就是在“靈活場景”下提供“可靠方案”。為此，訓練場通過模擬產線節拍、物料特性等，在反復訓練中校準機器人的運動精度、抓取力度，并以由此沉淀的海量實操數據反哺算法迭代，最終形成能讓機器人在真實復雜環境中自主感知、判斷與處置的大模型。
機器人也要崗前訓練
以巡檢機器人為例，半年時間內，浪潮海若具身智能創新實驗室“喂”了幾十TB、數千小時的模擬訓練數據，幫助算法“吃透”工藝細節，校準作業精度。
訓練完成后，正式交付前，機器人還將在中試場地展開驗證。據介紹，這里有與實際產線一致的工位布局、物料流轉線路、設備聯動邏輯等，也會模擬工廠常見的設備振動或者黑燈、高溫等環境，進一步進行校準。
為積累數據，目前還出現了這樣一類職業，即根據機器人需要完成的場景任務，由真人在重復千百次的實操中采集涵蓋關節軌跡、力度反饋、環境參數等數據，以此覆蓋各種變量。“組建創新實驗室的過程中，我們強化了與香港科技大學、山東大學等高校的技術合作，其中也有基于部分自采訓練數據生成更多有效數據的合成技術，以及構建虛擬多樣化訓練場景的AI3D孿生技術等。”陳艷清表示。
系統集成環節后，一個高質量的數據采集訓練流程基本完成，機器人從仿真到實操的“現實落差”被一點點“填平”。已能勝任具體場景技能要求的機器人將走上工作崗位，但數據的“旅程”其實剛剛開始。
“訓練場所積累的高質量數據語料具備跨本體、跨場景的遷移能力，尤其是那些垂直稀缺場景數據，數據價值更呈幾何級倍增。”山東數字產業發展研究院副院長蒿云鵬介紹。
聰明“大腦”和強健“筋骨”缺一不可
“一旦機器人能高效穩定地上崗干活，在企業降本增效方面的效果，是可以直接計算出來的。”在陳艷清看來，汽車制造等自動化程度已經很高的行業，機器人落地應用創造的價值并不明顯；反而是一些垂直細分領域或中小企業，如政府、企業能多方協作找準痛點場景，機器人將真正兌現其落地價值，機器人產業與應用端產業也將實現“雙贏”。
不過，工業場景的嚴苛性，不僅要求機器人有聰明的“大腦”，還得有強健的“筋骨”。在高溫環境下需保持精準，在持續作業中需抗疲勞，在復雜工況下需防止故障……當前，機器人產業估值進一步抬升，資本側的關注點已從最初的“講故事”轉向看訂單、看交付、看復購，訓練廠商也從本體采購初期就對穩定性等數據提出了明確要求。這意味著，本體生產廠商如不能在核心零部件與結構設計上持續攻關，不僅將在短期內失去現有客戶訂單，更將因為口碑下滑而被擠出主流市場。
近年來，山東通過省級科技計劃支持布局實施30多項重大科技攻關任務，支持臨工智能、亞力山大、紐氏達特、珞石智能等龍頭企業圍繞機器人的控制器、操作系統、關節模組以及整機等開展攻關。目前，一些企業已在諧波/RV減速器、伺服電機等方面邁出關鍵步伐，如能錨定核心部件補足穩定性短板，建立覆蓋高低溫、粉塵、振動等復雜環境的測試環境，對標行業標桿持續提升平均無故障時間等核心指標，就能在這個工業與商用落地階段中進一步站穩腳跟。
據了解，今年，山東一方面將加快培育機器人本體龍頭企業，另一方面謀劃建設省級具身智能綜合訓練場，市級、企業級的訓練場建設也有望獲得相關支持。