特斯拉擎天柱机器人首次自主登台！马斯克：3年量产5年商用，售价不超过14万

编辑部 假装发自 Palo Alto

智能车参考 | 公众号 AI4Auto

擎天柱机器人，这次自己登场！

在刚刚结束的特斯拉2022 AI Day现场，马斯克押注未来的人形机器人擎天柱（Optimus）——一系列新进展得到披露。

先是用手指倒计时开启展示，其后缓步登台，有模有样，还展示了一段马斯克最爱跳的举手摇摆舞。

马斯克强调，这是擎天柱机器人首次独自登台。

接着就通过视频，展示着这个机器人目前的日常：在特斯拉工厂里搬包裹、浇花、学习各种人类做的事情。

但作为测试版本，这个原型擎天柱还比较粗糙，线圈裸露、胸口有醒目的电机等等。

所以紧接着第二版本、更美观的擎天柱机器人也登场了——暂时还不会走，却有更具设计的外观，甚至还给配了一个得州牛仔腰带。

马斯克对特斯拉机器人的进展相当满意，他说虽然很难，但一定会比特斯拉的车更便宜，要服务于人类生活和经济，成本和售价要瞄准2万美元（14万元）的标准去量产和商用。

在最后的问答中，马斯克还给出了时间表：3年量产，5年商用。

总之，特斯拉的AI Day在经历延期之后，果然不负众望，国内十一假期和国外周五夜晚都没能阻挡热情，数万人在线实时观看。

而且马斯克家的擎天柱机器人一登场，立马就让不少网友感慨：相比之下，XX家的XX就是个遥控玩具而已呀。

擎天柱机器人，究竟有何不同？特斯拉AI Day上，又分享了哪些自动驾驶和芯片、超算方面的进展？

智能车参考，带你一文看尽。

“擎天柱”机器人亮相

擎天柱首次登场，自己走上台，向观众挥手。

还跳了一段马斯克最喜欢的举手舞。

动作还比较生涩，但这已经是目前完成度最高的AI人形机器人了。

波士顿动力？

马斯克特意强调了擎天柱是第一个没有外部稳定辅助、没有遥控、没有外带电源，完全靠AI算法、自身电池电控、高集成的电驱执行器驱动的人形机器人。

怎么实现？特斯拉在这个项目上有哪些创新？

一一来看。

整体情况

擎天柱机器人身高170cm左右，重73公斤。整个机器人由一块2.3度电池供电。

电控系统，包括充放电的功率半导体模块，都集成在了机器人胸口的电池包中。

机器人静坐时，功耗为100w，快步行走时，功耗为500w。

可以估算，这样的能耗水平和电池容量，可以支撑擎天柱不间断持续工作1.5-2小时之间。

擎天柱全身最大实现200度自由活动范围。

负责完成主要任务的手部，有最大27度活动范围（腕部）。

我们看到的这个能走路、挥手、跳舞的擎天柱，是目前的最新版本，没有包覆外壳。

马斯克介绍，今年4月擎天柱第一次实现站立行走，到现在也不过半年时间。

下一个完成度较高、包裹“皮肤”的机器人，未来几个月内就能下地走路。

售价吗…马斯克也给出了一个让人期待的估计：

很可能20000美元以内，肯定比汽车便宜。

擎天柱能做到什么？

擎天柱200多个自由活动维度，由全身28个结构执行器实现。

控制这些执行器的，也是从特斯拉FSD自研计算平台衍生而来的SoC。

擎天柱机器人能做到什么？

简单的展示中，能够自己搬运物品，完成精细动作比如浇花。

通过模仿人类的关节和肌肉工作方式，特斯拉为擎天柱开发了6种不同的执行机构：

甚至可以提起500公斤重的钢琴:

如何使6种、28个不同的执行机构像人一样协调统一的活动呢？

整体策略：AI像人学习

机器人有28个驱动机构，基础已经具备。

但难点在于执行器级别优先度不明确。

所以需要AI模型理解不同任务下各个关节的调动方式。

特斯拉的方式是采集不同这是任务下的人类关节运动模式，提取其中关键参数，比如扭矩分布、关节旋转角度等等，然后合成一个整体的多维向量数据，并灌输给系统。

如何让擎天柱完成一个具体任务？

总体分为两个步骤。

首先是前面说的将人类的示范动作映射成多维向量，并让系统首先模拟出这个具体任务的关节运动轨迹：

紧接着，再通过实时系统将已经生成好的轨迹指令，发送到机器人对应的执行机构上。

但这个过程中，涉及到许多细分技术难题，特斯拉分别介绍了感知识别、行走与平衡、执行策略，以及手部动作几个方面。

感知：特斯拉自动驾驶同源技术方案

擎天柱看到的世界是这样的：

目标感知和识别算法的基础，其实就是FSD的相应模块。

这一部分如何提高识别的准确度和规划擎天柱前进的路线，其实和自动驾驶算法相同。

“相当于一个低速、两条腿的自动驾驶汽车”。

后面介绍FSD时会详细说明。

如何保持平衡

从工程角度看，行走并不是一件简单的事。最重要的是保持平衡。

其次保持整体动作的协调。

机器人上如何实现？

特斯拉开发了一个全新的机器人运动模型。

预设路线规划好，输入给系统后，系统会自动绘制出机器人的下一个落脚点，并且和整个机器人重心联动，保持迈步同时的平衡。

不过 ，这里仍然存在工程上的控制挑战。

如何实现规控

刚刚说的运动规划，是在理想条件下实现的，只存在于系统模拟之中。

擎天柱真正迈出这一步，其实很容易受现实世界复杂环境的干扰而摔倒。

特斯拉的方案是在执行决策中加入修正步骤。

利用传感器数据的真实性，不断修正运动学模型对轨迹的估计。

这张图解释的很清楚：

基本运动模型，由本地已经训练好的算法模块（以真实世界模拟为素材）为基础。

这个模型首先对环境进行模拟，预测出下一步行动轨迹。然后由传感器数据预测修正。

最后将修正后的指令发送到执行机构。

手部复杂系统

擎天柱手指单独成一个系统，有6个执行机构，每个关节实现最大11度的自由运动。

基本灵活性和人类手掌相当，也能做到每秒300度的转动速度，而且关节、指尖触点装有传感器。

能够承重20磅（9公斤）、使用工具，以及抓取细小物品。

擎天柱明年开始量产，马斯克尽管说它的售价可能不超过20000美元，但同时也认为人形机器人的价值其实并没有被大众真实认知。

所以之前马斯克也在推特上说，最先应用擎天柱的场景，可能就是特斯拉自己的超级工厂。

关于这一部分，他画了一张很大的饼。

特斯拉之所以把机器人造成人类模样，主要目的就是取代人类完成几乎所有经济活动中需要的劳动。

“因为这个世界的所有工具、系统都是为人类的形体特征建造的。”

而马斯克认为，一旦机器人变成主要生产力，人类完全就能实现个人的全面发展。

得到你想要的一切物质财富，学习享受一切你感兴趣的东西。

我们中国群众一点都不陌生，这不就是共 产 主 义吗？？？

特斯拉FSD，和背后的数据闭环

首先登场的是特斯拉Autopilot负责人Ashok Ellaswamy。

他表示，特斯拉FSD自动驾驶车队规模从去年的2000，到现在已经扩充到了16万。

紧接着说道，之所以能达到这个成绩，主要归功于过去一年里工程师们的血汗付出——对75,000多个神经网络模型进行训练。

整个特斯拉FSD系统由以下部分组成：

更准确的说，这是特斯拉典型自动驾驶算法的开发流程。

FSD的主体算法框架，由车道、障碍物识别算法，以及环境建模算法（可供行驶的空间）组成。

当然，这些都是已经预训练好的框架。

然后将经过自动标注、模拟的训练数据喂给算法，这就形成了完整的迭代过程。

之后将这套算法部署在车端，完成自动驾驶任务。

接下来还详细介绍了特斯拉Autopilot系统如何与现实世界进行交互。

每50毫秒可以实时做出一个决策，具体依靠如下的框架，将其概括为“交互搜索”。

决策的依据，是现实存在的车道线、以及其他移动的交通参与者。

根据轨迹预测算法，计算出多种可能的运动轨迹，这里需要用到不同的限制条件过滤掉那些明显不安全、不合规的轨迹。

这些规则，其实也是FSD系统通过巨量的真实道路数据学习得来的。

而且不仅仅是机械的交通准则，更多是人类老司机处理极端场景时的策略和方法。

后台训练方面，特斯拉目前的计算集群，由14,000个GPU构成，其中使用10,000个GPU来训练，4000个GPU则用来标记。

关于自动标注，以复杂路口的车道线为例，特斯拉每天有超过50万个case被收集，如果全部使用人工标注，将耗费数个月的时间。

所以，特斯拉开发了一种新的系统：3D自动“打标工厂”。

第一步，数据从8个摄像头处获得，并且使用Transformer为基础的BEV模型从不同传感器的2D数据中恢复3D场景。

然后从这些初步处理过的数据中，先进行轨迹预测。

第二步，对于多车道的场景进行重建，这里指的是在系统中重建用于模拟训练的场景。

最后，则是在新建的模拟场景中，标注出新的数据要素，比如其他目标的轨迹策略、车道线的不同形式等等。

整个流程不过30分钟时间。

标注之外的另一个环节，是模拟。

重建模拟环境，通常需要几个星期的人工。

但特斯拉的Lanegraph工具，几分钟内就能完成。

生成模拟环境，基础还是车辆在路径上采集到的真实信息。

Lanegraph会基于这些数据，学习到关于某一类道路环境的基本要素（ground truth），包括车道线形式、道路宽度、人行道边界、交通标志信息等等。

然后，Tile creator模块会根据这些要素，自动生成一个模拟场景。

然后，场景中的物体几何信息，与时间维度的实时状态会被提取出来。

最后，再使用虚幻引擎将这些特征渲染成高真实度的场景。

有多真实？包括道路标牌信息上的文字、路旁树木形成的斑驳阴影等等都能呈现。

数据闭环最后一步，就是训练和迭代。

这张图展示特斯拉整个数据闭环的过程：

其中，值得关注的是“影子模式”，即车主在使用过程中传回的高价值场景数据。

这也构成了特斯拉最主要的训练数据来源，也是FSD快速进步的最主要原因：

以识别路口静止车辆这个具体案例来说，真实场景数据远高于模拟场景，一年时间内识别准确率从85%左右提升到近100%。

这次的AI Day，特斯拉FSD讲了很长时间，但和去年相比，颠覆性技术革新并不多。更多的是特斯拉展示已经建成的高度自动化的数据闭环体系，以及这套数据闭环带来的高效迭代速度。

有意思的是，这些技术思路，比如对Attention机制、Transformer、语言模型化用等新进展，跟国内更早之前自动驾驶公司毫末智行的AI Day上的大同小异——也意味着对于自动驾驶的工程化探索，目前业界到了合流的时候。

最后总结一下：

数据前融合，采用基于Attention的Transformer进行。这是一个由特斯拉开创、其他自动驾驶玩家纷纷跟进的趋势。

模型优化方面，应用了不少NLP（自然语言处理）领域的思路。

格外重视的，还云端训练，这就带出了AI Day的另一个重要内容：

特斯拉超算Dojo新进展

这一部分，几乎都是黄仁勋和英伟达的受难时间。

Dojo由特斯拉自研计算芯片D1集成。

具体来看，25块D1集成为一个计算模块。

一个计算模块，相当于6个通用GPU性能，而成本和能耗，仅相当于1个GPU。

另外，去年特斯拉介绍了自建超算的基本模块单位ExaPOD，集成120个训练模块，包含3000个D1芯片，超过1百万个训练节点。算力达到1.1EFLOP。

当时只是PPT，最新消息是，明年特斯拉即将在加州Palo Alto开建，总共规划了7个ExaPOD组成计算集群。

不用说，建成之后肯定是人类有史以来最大的AI专用训练、模拟基础设施。

马斯克在问答中也透露，DOJO不光会特斯拉自己用，也会考虑AWS一样的方式对外商用，总之有这样的大杀器，不愁商业模式。

问答马斯克

最后，作为AI Day的互动交流环节，马斯克亲自上阵，尽可能回答了所有问题。

这些问题主要集中在三个方向上：

第一，擎天柱机器人和通用人工智能。

第二，自动驾驶。

第三，马斯克的认知和特斯拉未来。

我们言简意赅传送如下。

问：擎天柱机器人现在用的肌腱系统定型了吗？

马斯克：我们现在的方案是为了更快实现工程化制造，即便有很多方案可以选择但也有取舍，但根本上依然保持开放心态，会在不断迭代中改进方案。

问：擎天柱机器人会有认知智能吗？比如开开玩笑。

马斯克：肯定能跟人聊聊天，有简短的交谈，但也不要走到终结者那样……我们希望擎天柱能够安全、有保障地为人类服务。

现在的擎天柱核心是实用主义的完成任务，以后会推进创造性认知的一面…擎天柱机器人肯定不是无聊的执行器。

问：如何保证擎天柱机器人的“意识”始终是正确的，不会伤害人类？

马斯克：我们的机器人跟科幻电影的里的还不一样，主要还是你希望做什么它就执行什么，当前还是比较偏执行的机器人。

机器人工程师补充：机器人的“意识”一方面可以通过数据训练，二是确保可以远程控制，一旦发现有不对的倾向可以接管。

马斯克补充：或许会有一个终极控制按钮。

问：擎天柱机器人的开发还跟加速可持续能源的特斯拉使命有关吗？

马斯克：严格讲不是一个路线。擎天柱核心还是希望让世界更美好，能够让人类更美好。

我是真的想看看最酷的最前沿的技术，让世界在5年后、10年后变成什么样……我是真的很感兴趣。

问：擎天柱机器人正在走向通用人工智能（AGI），你担心吗？

马斯克：我是人工智能的忠实信徒，并且认为需要像监督汽车、飞机和药物一样，确保AI的正确使用。应该有一个裁判的角色，保证AGI的安全使用。

但实现AGI，可能需要一个史无前例的超大数据集。不仅是互联网数据，还有诸多线下的数据。于是就需要有更大的超算来训练……这样才能实现AGI。

问：AGI的发展预估？

马斯克：AGI一定会来。比如5年、10年会有很大的改变，但下周可能不会有大的更新…所以前途是光明的，道路是曲折的，还有很多工作要做。

机器人的本质是传感器和执行器，以及如何控制执行器。

问：擎天柱机器人啥时候会投入使用？

马斯克：现在就已经在特斯拉工厂测试，搬东西，从一个地方搬到另一个地方。

我希望很快能进入到开放订购的状态。

三五年吧。三年量产、五年随便买，能够当个礼物送人。

问：特斯拉FSD为什么开始引入语言模型？

工程师：车道和路口啥的，只能通过语言模型的方式，可以实现更好的……视觉信息的建模没那么完整的时候，语言模型、语言生成模型可以起到很好的作用。

问：FSD的公测推送标准？

工程师：我们会有好几个版本，通过公测推送的不是内部最新的那个版本。

马斯克：内部最新的版本通常都是我来测，我是FSD的首席测试。经常给他们debug。（现场笑）

问：特斯拉会始终坚持视觉方案？

马斯克：自动驾驶的本质就是生物神经网络，你始终可以参照人类的方式。

问：FSD的推进计划？

马斯克：很多国家需要批准才能开始FSD测试，但我相信我们已经准备好了。FSD今年年底还会有大的更新。目标就是一个停车场到目的地停车场的连续自动驾驶。

问：如果回到20岁，你会告诉自己什么？

马斯克：（认真思考了一会儿），我会想办法给20岁的自己说点实用的吧。比如尽可能站到人前，和更多聪明人认识，读更多的书。以及不要太羞涩内向……偶尔送送玫瑰啥的也很好。

享受每一个时刻。比如我们火箭在小岛研发的时候，该喝一杯的时候就喝一杯，因为那个时刻的感觉转瞬即逝，不会再有了。

问：特斯拉何以为特斯拉？独特性在哪里？

马斯克：我们现在是很大的公司了，有不同领域知识的人才，而且我们做的事情几乎都相当成功，因为在做正确的事情。也因为我们的使命是工程师用技术让世界变得更美好。

其实很多硅谷公司都这么想，但能让工程师真正快乐、且发挥才能的，不多。多数就是被画饼进去，然后得不到有效地成长。

但特斯拉不是，这里非常酷，也很辛苦，解决很多艰难的挑战，但如果你是一个天才，不管是哪个方面的，总有你的用武之地。

问答最后，马斯克带动现场参会者感谢了特斯拉工程师们，还讲了一下AI Day的意义，说之所以披露大量的细节，就是希望感兴趣的人可以随时挑着看自己感兴趣的东西，加入我们，改变世界。