新智元報道

編輯：編輯部

WAIC大會上，這個機器人憑驚艷實力引起了層層圍觀！疊衣服、分揀物品、聽指令取貨，他們研發的Mech-GPT多模態大模型和「眼腦手」系統，讓機器人的高難度操作性能暴增。現在，這家公司已經成為市占率連續五年的行業冠軍了。

最近，馬斯克的「擎天柱賣爆米花」再次讓具身智能進入大眾視野。

特斯拉主題餐廳最近試營業，Optimus在餐廳上崗，裝爆米花的動作嫻熟流暢，引得大批人類圍觀——

現在的具身智能，已經進化成這樣了嗎！

注意看他的眼睛和手，尤其是手中的盒子沒有被捏扁變形，「眼睛」還會隨著動作向你看來。

這些擬人的、連貫的動作對于機器人「大腦」是很大的挑戰。

而在世界人工智能WAIC大會上，我們終于見到了又實用、又通用、速度又快的具身機器人！

而且，不僅有人形，還有單臂、雙臂等各式各樣的形態。

這些機器人都來自同一個展臺——梅卡曼德機器人。

在梅卡曼德自研的Mech-GPT多模態大模型加持下，不管是何種樣態的機器人，都夠高效地執行各種精細的動作和高難度的復雜任務。

對于前者，下面這個機器人輕松地擺出「承讓」和「ok」的手勢。

對于后者，那場景可就多了：

比如，擺在這個雙臂機器人面前的，便是典型的柔性物體——一件衣服。

想要把它疊好的難點在于，這一個長序列任務，需要機器人連續不斷地完成一系列指令。

而且在動作做下去后，柔性物體會產生很難預測的結果，這就對機器人隨機應變的能力提出了極高的要求。

不過，雙臂機器人最終十分順利地完成了這個長序列復雜柔性疊衣服任務。

4倍速

更進一步的，機器人還能自主分揀海量的隨機真實物體，具備對各種各樣真實貨品泛化操作的能力。

可以看到，下面這個雙臂機器人，它的面前現在準備了9個分類框和幾十種物體，如此復雜的貨品，它都能做到絲滑地操作和分類。

更神奇的是，如果我們把標簽換掉，它甚至還能根據情況隨機應變。

在這個過程中，它既展現出了廣泛物品的識別能力，也展現出了對廣泛物品的操作能力，以及對文字的識別和常識分類的能力。

有趣的是，這個過程中它不僅在完成收集物體的任務，同時也在為自己收集大量數據，讓自己的能力不斷提升。

而且在現場，這家公司絲毫不怕讓觀眾親身體驗。展位上早已擺滿琳瑯滿目的小物件，信心十足地等待現場觀眾的測試。

現場的人們可以隨意用自然語言發出頗有難度的指令，比如讓下面這個單臂機器人「把物品放到對應的紙上」。

在聽到自然語言的命令后，機器人搭載的百億參數大模型就會綜合語言輸入、視覺輸入，準確認識到自己該執行什么任務。

另外，它還可以從貨架上準確無誤地取貨。

觀眾在服務臺ipad上下單選擇相應飲料，機器人收到訂單后，就會行駛至貨架處，取回對應飲料，回到服務臺遞給觀眾，贏得滿堂喝彩。

2倍速

在這場備受矚目的世界人工智能大會上，為何這家機器人公司能有如此充足的底氣，大膽展示自家產品？

自然是因為，他們家的機器人，性能足夠硬核。

具身智能，從哪里突破？

從上面這些驚人的demo可以看出，具身智能應用需要具有極高的豐富性和實用性。

比如，在機器人的速度、節拍、任務泛化性和物體泛化性上，都需要有極其優異的表現，才能絲滑地完成各種多樣化的任務。

而梅卡曼德的機器人之所以能在這么多項指標上都表現亮眼，正是因為它的「眼腦手」充分做到了一體化。

手：Mech-Hand五指靈巧手

首先，就是Mech-Hand五指靈巧手。

它的設計緊湊，靈活度高，穩定性好。

再加上可以搭配泛化的AI抓取算法，就可以毫不費力地精細抓取各類物體了，比如抓一個燈泡、一個雞蛋，或者敲鍵盤。

這些動作中包括了「捏、拿、摸、點、放、提、拽、拉、按、寫、拔」等幾乎所有「人類手」能完成的操作。

眼：Mech-Eye高精度3D相機

梅卡曼德機器人的「眼」，就是Mech-Eye高精度3D相機了。

這個「眼睛」搭配自研先進AI成像算法，因此可以對透明、反光的物體進行高質量成像。

這些3D相機具有多種型號的設計，可以滿足不同場景下小體積、大視野、高精度、抗環境光等要求。

比如，它可以「看見」各類常見的復雜、真實物體。

還能「看見」各種顏色/細節豐富的各種真實貨品。

腦：Mech-GPT多模態大模型

梅卡曼德機器人的「腦」，就是Mech-GPT多模態大模型。

梅卡曼德通過自研AI大模型，可以讓機器人具備類人的學習、理解和推理能力。

機器人可以理解自然語言指令及復雜環境，還能自主執行復雜任務。

只要我們發出指令，它便能準確完成「把食肉動物放到最大的容器里」等任務。

如果告訴它你餓了，它還會在思考后，主動遞給你一只香蕉。

正是因為「眼腦手」的配合，才讓機器人具備了高階的智能，能夠理解人在說什么，還能從人類的自然語言中推理出我們究竟想要什么，從而完美完成任務。

實用場景廣泛

從機器人的貨架取貨場景，我們可以看出，正是因為有了「眼腦手」和人形機器人的綜合配合，它的速度才能這么快，效率才能這么高，才能在多種常見的使用場景中發揮作用。

從以上的種種demo中，我們可以清晰地感覺到：「眼腦手」和不同形態機器人配合后，使用的場景太豐富了！

比如疊衣服和GPT單臂的「眼腦手」功能，都體現了機器人在豐富居家場景中的可用性：處理多樣且復雜的任務。

而機器人在貨架上取貨，則屬于零售和商超場景，而且效率很高。因此在未來，它們非常有希望運用到千行百業中。

而且，現在梅卡曼德的機器人已經在工業場景大規模落地了。

這套系統早已不是實驗里的樣品，而是真正落地在了汽車制造等工業現場，已經廣泛服務數十家車企

通過高精度的3D相機、人工智能軟件和工業機器人的結合，讓它能在不到2秒鐘內就能抓取一件物體，對海量物體的抓取和操作，都是自主執行的。

這樣的速度，讓它完全可以替代人類員工完成任務了。

而在醫療、工業等領域，因為對透明物體識別和抓取上料有超強的泛化性，它也有了超多的用武之地。

下面的場景，就體現出了梅卡曼德機器人對于透明物體強大的識別能力。

注意，這個過程中可不僅是攝像頭，而是采用了很多AI技術，否則機器人不可能如此準確地識別這些難度極高的全透明物體。

更令人印象深刻的是，梅卡曼德技術迭代非常快，在AI等前沿技術上，他們一直在不斷升級。

具身智能大混戰，為何他們率先上桌？

8年里，梅卡曼德通過「眼手腦」的戰略和AI技術的不斷迭代，讓自家的領域覆蓋了工業、物流、重工等多個行業。

用創始人、CEO邵天蘭的話說，這是一個「既要、又要、還要、也要」的過程：要有靠譜的硬件，有通用的AI算法，有落地快的部署能力，還有完善的培訓、技術支持、合作伙伴網絡，總之，這是在拼一整張「行業地圖」。

然而，他們卻扛住了壓力，連續五年做到了市占率第一，成為全球「AI+機器人」領域最大的獨角獸之一。

怎么做到的？這就要講到，創始人的獨特眼光了。

十幾年前，邵天蘭開始了一段孤勇的逆行之路：在清華本科畢業生中，他是唯一一個選擇去德國學機器人的人。這個選擇，在當時看來十分非主流。

那時，AlphaGo剛剛擊敗李世石，讓他看到一個時代正在眼前開啟。

在他看來，真正改變行業格局的，正是AI。不是要做單一控制的機器人動作，而是讓機器人真正具備感知、理解、決策能力。

這也就是為什么梅卡曼德不做機器人「本體」，而是專注去打造「眼」「手」「腦」。

服務這么多行業，需要瘋狂定制嗎？答案是否定的。梅卡曼德靠的恰恰就是極致標準化的產品+通用的AI算法。

原因在于，「眼」和「大腦」是共性的，個性的只是手腳動作而已。

在宜家，一把椅子只要幾十塊，但找木匠定制就要上千。而梅卡曼德，走的就是「宜家模式」。

未來十年，機器人進入家庭

10年前的自動駕駛已經證明：誰先把業務跑起來，誰就能先積累數據、驗證模型，就能笑到最后。

今天的具身智能機器人，也是如此。

而現在，梅卡曼德已經上桌了。

這家由清華海歸團隊在2016年創辦的公司，才短短9年，就成為了全球為數不多的，真正把具身智能機器人做成跨行業、多場景、大規模落地的佼佼者。

他們的機器人已經在全球的15000多個場景落地，服務了超過100家的《財富》五百強客戶，業務遍布了50多個國家和地區。

根據第三方咨詢公司高工機器人產業研究所和睿工業的市場統計數據，梅卡曼德機器人在細分領域，已經在2020-2024年連續五年市場占有率排名第一。

工廠上料、快遞分揀、廚房助手……機器人助理，已經成為下一個時代的標配。

甚至根據邵天蘭的說法，指望機器人養老，可能比指望孩子更靠譜一點。

在他的設想中，90后在退休之前，就能看到機器人達到L4、L5的級別。

同時他也堅信：讓機器人進入家庭，未來十年一定會實現。

而梅卡曼德「眼+腦+手」的三重開掛，正在讓這種可能性越來越近。