傳統編程機器人vs人形機器人：誰更勝一籌？

我們渴望已久的家務機器人究竟何時進門？當下最耀眼的明星，是波士頓動力（Boston Dynamics）靈巧翻騰的Atlas、特斯拉的Optimus，以及Figure、Apptronik的Apollo等一批新人形機器人。新機型正以空前速度涌現，AI的爆發更讓人期待它們能學會疊衣服、做三明治這類復雜靈巧任務。但現實是，它們并不會直奔你家廚房，而是先落腳工廠與倉庫。

把時間撥回傳統路線。日本本田的Asimo堪稱最雄心勃勃的人形項目：上世紀八十年代造出原型，2011年還能跳舞、走不平路面、單腳跳和踢球。但 flawless 演示背后是預先編排的動作——環境稍有變化就會亂套，最終在2022年被迫退役。它說明了一個殘酷事實：純靠編程的機器人難以應對真實世界的雜亂與意外。

真正的瓶頸在硬件與軟件兩端。傳感器、計算機和電池得益于摩爾定律已足夠強，最薄弱的是執行器：主流方案是直流電機加減速齒輪箱，復雜、笨重又昂貴，而一臺人形機器人往往需要20個以上的執行器。一些公司正嘗試直驅電機、繩驅結構或仿生新設計，但執行器仍亟待徹底重構，否則尺寸、成本與安全都難落地家庭。

軟件側則是機器學習算法。目標是在多變條件下學會開門這類任務，而不僅限單一場景。生成式AI點燃了行業熱情：通過人類遙操作采集數據、在虛擬環境中仿真訓練，再遷移到真實機器人。更快的捷徑，是打造一個能在多種機器人上完成多種任務的“通用AI模型”——只是這需要巨額的時間與資金，且“一個任務一個任務地訓”極其緩慢。

為何偏要做得像人？支持者認為，人形機器人能用人類的工具、在人類的空間里與人類協作，我們無需為世界重新改造。但過分逼真也會踏入“恐怖谷”：這一概念由日本機器人學家森政弘（Masahiro Mori）于1970年提出——當機器人接近真人卻不夠完美時，觀感會驟跌至厭惡區。因此有人追求超寫實，也有人刻意避開擬真以免“掉進谷里”。

務實的啟示來自掃地機器人Roomba：它二十多年前上市，如今走進全球數百萬家庭。低矮圓盤尚且步步驚心——不平地面、滑溜物體、夠不到的角落隨時制造麻煩，人形機器人邁進廚房的 hazards 更是數量級地膨脹。文章據此給出三種未來：若硬件軟件僅小幅進步，人形機器人仍困在工廠；中等進步則出現“移動操作臂”打理洗衣做飯；大幅突破后，第一代家用助手才會真正進門。

把視野拉遠，這篇文章其實在對比兩條造機器人的路線：其一是延續數十年的“預先編程”路線，以本田Asimo為巔峰，動作再優美也敵不過真實環境的變量，最終因無法應對未編排場景而退役；其二是“數據驅動學習”的新路線，借助生成式AI與遙操作采集的數據，讓機器人從經驗中泛化。前者穩定卻僵硬，后者靈活卻難控，孰優孰劣并無簡單答案。Roomba的經驗尤其發人深省：一個低矮的圓盤尚需二十余年才走進數百萬家庭，人形機器人要踏進廚房，面臨的障礙更是數量級地放大。因此文章預言，人形機器人將先在工廠與倉庫承擔臟、累、險的活，待硬件與軟件雙雙成熟、安全與成本過關，才輪到家用助手登場。比起爭論“像不像人”，能否真正幫人做事，才是衡量進步的標尺。