关于ZAKER ZAKER智慧云 免费视频剪辑 合作 加入
36氪 08-18

小米摸着特斯拉过河

作者 | 周有辉 周倩

编辑 | 吴睿

遥想乔帮主在时,总会在发布会快结束时傲娇来一句:「one more thing...」然后带来真正的最大惊喜:iMac、iPod、MacBook Pro、iPhone 4。而雷军不愧被大家调侃为雷布斯,在一周前小米的秋季发布会上,也在临近结尾时来了个 "one more thing":演示了小米的自动驾驶技术和人形机器人。

不过很多人认为,雷布斯应该从此改名雷斯克,因为小米相继布局自动驾驶和人形机器人的步伐,相似度和大洋彼岸的特斯拉有点高。两个月前,马斯克仅仅是宣布 Tesla Bot 原型机 Optimus 擎天柱将于 9 月底亮相,就让 A 股机器人公司大涨特涨。而这次,雷军直接带来了人形机器人成品「CyberOne 铁大」——一个颇接地气的名字,还在台前和铁大互动了一番。

不过自动驾驶展示就无甚亮眼之处。虽然实现了诸如主动变道超车、无保护掉头、自动绕行停止车辆、无人值守补能等功能,但仍有许多问题未解:

Robotaxi 典型的摄像头 + 激光雷达方案,怎么解决机械激光雷达的高企落地成本还未知;在智能车路测示范区内、且非一镜到底的视频演示,也无法看出是否能在非编排情况下解决城市复杂路况的博弈问题……

就像马斯克造完了车要去造火箭,雷军造完了手机要去造车、造机器人,硬件大佬们的追求总是越来越大的「玩具」。自动驾驶和机器人这两件「one more thing」,小米究竟「more」在哪儿?

一、无功无过自动驾驶

从视频看,小米公布的自动驾驶方案中规中矩,大约处在 L2-L3 的级别。市场普遍评价是,在官宣造车 500 天后,小米的自动驾驶成果基本是行业常规水平。

先画一下重点。视频至少出现了两款测试车,据车身外观和内饰结构推测,分别改装自比亚迪汉和宝马 5 系;测试场景有三:城市道路、高架和停车场;开放道路场景测试在武汉智能网联汽车测试示范区内完成,实现了车路协同;泊车场景测试在北京小米亦庄科技园,系统先对整个停车场结构完成了感知记忆。

(小米测试车在城区自动环岛绕行)

具体来看,感知方案是摄像头 + 激光雷达的组合,车身四周除了环视 ADAS 摄像头,前后左右还各有一颗补盲激光雷达,车顶主激光雷达为禾赛 Pandar128 ,是一款机械雷达。

从机械雷达这个选择上看,小米的自动驾驶方案很可能先应用于 Robotaxi。机械式激光雷达为目前 Robotaxi 常用的主雷达配置,比如文远知行、百度 Apollo、小马智行等。

机械激光雷达的原理是 360 ° 旋转扫描,图像完整无需拼接,从而给到车辆高质量的感知数据,便于算法优化。但正是因为需要旋转,机械雷达也容易损坏,且价格昂贵、装配复杂,不美观。蔚来、小鹏等面向家用品牌的 ADAS 都采用了固态或半固态激光雷达。

(禾赛 Pandar128 机械激光雷达)

值得一提的是,感知方案也是小米最无法学习特斯拉的部分。笃信用摄像头替代人眼的马斯克倾向于用纯视觉方案,支撑这一点的是远超同侪的强大研发能力和巨大数据源。而激光雷达则是从物理角度补足,通过发射激光获取目标物位置轮廓等,快速 3D 建模还原路况信息,形成处理应对方案。

小米还展示了自动充电的设想,车位旁边的充电机器人,可自动伸出机械臂为车辆充电。值得一提的是,移动充电机器人近期在一级市场形成了一个小热点,其解决的核心痛点是新能源车越来越多而充电桩的基建跟不上。虽然看起来产品形态只是把充电桩放在了移动底盘上,但实际上要让电源、底盘和机械臂合作运转,仍有一定的技术和先发壁垒,因此不少投资人正在寻找类似标的。

(小米自动泊车入位和自动机械充电)

从这次交卷能看出,投资和收购是小米补技术课、缩短与竞争对手差距的主要方式——

激光雷达方面,上文提到的禾赛是国内机械雷达市占前列的玩家,供给智行者、文远知行、Aurora 等公司。小米在去年 6 月参与禾赛科技 D 轮融资后,随后又于 11 月追加 7000 万美元的投资。

核心软件部分,去年 8 月,小米以 5 亿元人民币全资收购自动驾驶创业公司 Deepmotion 深动科技,创始团队成员也悉数加入小米。深动科技的产品覆盖了高精度地图、多传感器融合感知模组、自主代客泊车 AVP 功能等等。

事实上,早在去年小米汽车业务立项后,雷军系资本——包括小米集团、小米长江产业基金、顺为资本的投资领域几乎覆盖整个智能汽车上下游,除了上面两个领域,还包括芯片、自动驾驶系统、动力电池、OEM 等等。据 IT 桔子不完全统计,2020 年至今,小米在智能汽车领域 & 自动驾驶领域,累计投资为 54 次。

在密集投资的同时期,小米自动驾驶团队的搭建也在迅速推进。去年 6 月,小米发布了自动驾驶研发相关岗位,随后一个月,雷军又在微博发布招聘广告,拟招聘 500 名自动驾驶技术人才。

也就是说,到去年 7 月底,小米自动驾驶研发团队的搭建还未完成,据此推算,小米自动驾驶技术研发的时间实际上可能还不足一年。

这是典型的雷军/小米式打法——深入供应链,通过投资入股或收购获得行业核心技术,以最快速度攒出产品。

不过,小米的自动驾驶当然也不是只凭买买买,其多年积累的 AI 能力还是得到了很大程度的复用,并且已经沉淀进自研的软硬架构中。

雷军当天演讲时表示,小米自动驾驶团队规模已超过 500 人,自动驾驶技术还得到了人工智能实验室、小爱团队、手机相机部等多个协同团队的支持。小米汽车自动驾驶负责人叶航军就曾经直接管理小米 AIoT 的 " 神经中枢 ":小爱同学。

二、真正惊喜 CyberOne

相比较自动驾驶的无功无过,发布会结尾给雷军献花又合照的 CyberOne 才更有老乔 "one more thing" 的惊喜意味。

(铁大登台)

CyberOne,身高 177 厘米,体重 52 公斤,由电机驱动。上半身应用了协作机器人这两年在小型化方向的技术积累,下半身结构模仿了国外双足机器人公司 Agility 的产品 Cassie,后者的研发灵感来自于鸵鸟的行走姿态。感知、交互等技术则应用了小爱原有的积累。

它的惊喜点在于研发快和成本低。一位自称接近研发团队的知乎用户 @Tianer 提到,今年 3 月份时,CyberOne 还只有一双不完整的腿部结构。一位机器人从业者告诉 36 氪,大家都认为这次发布会顶多是 " 铁蛋(小米此前发布的机械狗)二号 ",但没想到小米直接做出了可运行的双足人形机器人,并且把价格压到了七十万。

有人形机器人研发人员告诉 36 氪,腰腿部是人形机器人的最大难关,下肢研发 4-5 年,上肢只用一年是正常现象;而从四足的机械狗到两足的人形,最难的是保持平衡,这需要机械设计和软件算法的双重能力。

小米人形机器人项目负责人向迪昀接受媒体采访时表示,人形机器人的难度和铁蛋不在一个 level 上。" 小米通过在智能制造和之前 CyberDog 机器狗项目上的技术积累,最终决定下半身和上半身并行推进,(因此)项目进展较快。"

仿人的关节也是难点之一。近年来协作机器人公司不少在努力攻克高密度扭矩关节,即用尽可能小的硬件自重实现更大的 " 力 "。研究机构普遍认为,关节占人形整机成本的三分之一至一半以上。

36 氪从业内人士处了解到,小米为了把高密度扭矩关节做好,今年 1 月份请来了协作机器人公司珞石科技(有早期投资人向 36 氪表示,珞石估值已达 50 亿元左右)的原系统工程师任赜宇。此前任赜宇一直从事仿人手臂的相关研发工作,珞石也拥有自研减速器的相关技术积累。

CyberOne 下肢结构则非常像美国公司 Agility 的 Cassie 机器人,电机的部署位置、连杆结构都基本相似。Cassie 机器人也是目前尚有一定出货量的人形机器人,2021 年大约卖出 40~60 台,单价 25 万美元。

(Agility 机器人)

马斯克和雷斯克都深知,虽然「自动驾驶本质上就是有轮子的半感知机器人」,但一台能走能献花的人形机器人带来的品牌热度,比自动驾驶的老生常谈多得多。从各种性能维度上看,小米的铁大追求的大概率不是逼近人类,而是其 AI 技术的一次吸睛落地。

从极重要的动力系统来说,机器人运动表现天花板——波士顿动力的 Atlas 是采用液压驱动,爆发力更强,所以才能跑、跳、翻跟斗;小米用的则是电机驱动,更容易控制,只要通电再加上编码器和减速器就可以行动了,但是电机的功率很难驱动大型人形机器人完成复杂的平衡行走。

波士顿动力马克 · 莱伯特曾表示:" 现阶段(2017 年)电机驱动机构的功率水平根本不足以满足实用化机器人的性能需求。最高水平的电机和液压系统之间仍然有 20-30 倍的功率差距。"

所以小米想做的,更像是在其 " 智能硬件生态 " 中,基于汽车和人形机器人间相似的软硬件技术栈,迭代上层的软件、算法和系统架构。

在人机交互层面,CyberOne 能感知 45 种人类语义情绪,分辨 85 种环境语义,这部分能力正是来自小爱同学团队。据向迪昀介绍,小爱团队很早就开始搭建情绪训练模型和环境语音语义模型,这方面技术对软硬件平台要求较高,尚未开放给大众用户,而首次应用在了 CyberOne。

另一方面,人形机器人也需要感知周遭环境,并通过算法进行决策最后执行。其中就需要用到视觉识别算法、激光雷达算法、传感器融合技术和 SLAM 导航等一整套技术,这在自动驾驶、自主移动的机器人(如扫地机器人)、手机摄影和 AR 上都会有所应用。

一位关注自动驾驶的美元基金投资人告诉 36 氪,自动驾驶技术平移到机器人的技术,大概能够实现两三成的功能,并且这不是简单的复制挪用,而是基于背后技术原理的借鉴。" 就好像我们学会了数学书上的例题,掌握了解题方法,就比较容易挑战更高难度的题目。"

不过,通用技术到具体产品仍然有一道鸿沟。" 剩下的七八成还是需要从机器人本身特点和实际用途出发改进。" 他表示。

注:文章内动图均来自企业官方视频

欢迎关注 36 氪华南

36氪

36氪

让创业更简单

订阅

觉得文章不错,微信扫描分享好友

扫码分享