來源：智能車參考
擎天柱機器人，這次自己登場！
在剛剛結(jié)束的特斯拉2022 AI Day現(xiàn)場，馬斯克押注未來的人形機器人擎天柱（Optimus）——一系列新進展得到披露。
先是用手指倒計時開啟展示，其后緩步登臺，有模有樣，還展示了一段馬斯克最愛跳的舉手搖擺舞。
馬斯克強調(diào)，這是擎天柱機器人首次獨自登臺。
接著就通過視頻，展示著這個機器人目前的日常：在特斯拉工廠里搬包裹、澆花、學(xué)習(xí)各種人類做的事情。
但作為測試版本，這個原型擎天柱還比較粗糙，線圈裸露、胸口有醒目的電機等等。
所以緊接著第二版本、更美觀的擎天柱機器人也登場了——暫時還不會走，卻有更具設(shè)計的外觀，甚至還給配了一個得州牛仔腰帶。
馬斯克對特斯拉機器人的進展相當滿意，他說雖然很難，但一定會比特斯拉的車更便宜，要服務(wù)于人類生活和經(jīng)濟，成本和售價要瞄準2萬美元（14萬元）的標準去量產(chǎn)和商用。
在最后的問答中，馬斯克還給出了時間表：3年量產(chǎn)，5年商用。
總之，特斯拉的AI Day在經(jīng)歷延期之后，果然不負眾望，國內(nèi)十一假期和國外周五夜晚都沒能阻擋熱情，數(shù)萬人在線實時觀看。
而且馬斯克家的擎天柱機器人一登場，立馬就讓不少網(wǎng)友感慨：相比之下，XX家的XX就是個遙控玩具而已呀。
擎天柱機器人，究竟有何不同？特斯拉AI Day上，又分享了哪些自動駕駛和芯片、超算方面的進展？
智能車參考，帶你一文看盡。
“擎天柱”機器人亮相
擎天柱首次登場，自己走上臺，向觀眾揮手。
還跳了一段馬斯克最喜歡的舉手舞。
動作還比較生澀，但這已經(jīng)是目前完成度最高的AI人形機器人了。
波士頓動力？
馬斯克特意強調(diào)了擎天柱是第一個沒有外部穩(wěn)定輔助、沒有遙控、沒有外帶電源，完全靠AI算法、自身電池電控、高集成的電驅(qū)執(zhí)行器驅(qū)動的人形機器人。
怎么實現(xiàn)？特斯拉在這個項目上有哪些創(chuàng)新？
一一來看。
整體情況
擎天柱機器人身高170cm左右，重73公斤。整個機器人由一塊2.3度電池供電。
電控系統(tǒng)，包括充放電的功率半導(dǎo)體模塊，都集成在了機器人胸口的電池包中。
機器人靜坐時，功耗為100w，快步行走時，功耗為500w。
可以估算，這樣的能耗水平和電池容量，可以支撐擎天柱不間斷持續(xù)工作1.5-2小時之間。
擎天柱全身最大實現(xiàn)200度自由活動范圍。
負責(zé)完成主要任務(wù)的手部，有最大27度活動范圍（腕部）。
我們看到的這個能走路、揮手、跳舞的擎天柱，是目前的最新版本，沒有包覆外殼。
馬斯克介紹，今年4月擎天柱第一次實現(xiàn)站立行走，到現(xiàn)在也不過半年時間。
下一個完成度較高、包裹“皮膚”的機器人，未來幾個月內(nèi)就能下地走路。
售價嗎…馬斯克也給出了一個讓人期待的估計：
很可能20000美元以內(nèi)，肯定比汽車便宜。
擎天柱能做到什么？
擎天柱200多個自由活動維度，由全身28個結(jié)構(gòu)執(zhí)行器實現(xiàn)。
控制這些執(zhí)行器的，也是從特斯拉FSD自研計算平臺衍生而來的SoC。
擎天柱機器人能做到什么？
簡單的展示中，能夠自己搬運物品，完成精細動作比如澆花。
通過模仿人類的關(guān)節(jié)和肌肉工作方式，特斯拉為擎天柱開發(fā)了6種不同的執(zhí)行機構(gòu)：
甚至可以提起500公斤重的鋼琴:
如何使6種、28個不同的執(zhí)行機構(gòu)像人一樣協(xié)調(diào)統(tǒng)一的活動呢？
整體策略：AI像人學(xué)習(xí)
機器人有28個驅(qū)動機構(gòu)，基礎(chǔ)已經(jīng)具備。
但難點在于執(zhí)行器級別優(yōu)先度不明確。
所以需要AI模型理解不同任務(wù)下各個關(guān)節(jié)的調(diào)動方式。
特斯拉的方式是采集不同這是任務(wù)下的人類關(guān)節(jié)運動模式，提取其中關(guān)鍵參數(shù)，比如扭矩分布、關(guān)節(jié)旋轉(zhuǎn)角度等等，然后合成一個整體的多維向量數(shù)據(jù)，并灌輸給系統(tǒng)。
如何讓擎天柱完成一個具體任務(wù)？
總體分為兩個步驟。
首先是前面說的將人類的示范動作映射成多維向量，并讓系統(tǒng)首先模擬出這個具體任務(wù)的關(guān)節(jié)運動軌跡：
緊接著，再通過實時系統(tǒng)將已經(jīng)生成好的軌跡指令，發(fā)送到機器人對應(yīng)的執(zhí)行機構(gòu)上。
但這個過程中，涉及到許多細分技術(shù)難題，特斯拉分別介紹了感知識別、行走與平衡、執(zhí)行策略，以及手部動作幾個方面。
感知：特斯拉自動駕駛同源技術(shù)方案
擎天柱看到的世界是這樣的：
目標感知和識別算法的基礎(chǔ)，其實就是FSD的相應(yīng)模塊。
這一部分如何提高識別的準確度和規(guī)劃擎天柱前進的路線，其實和自動駕駛算法相同。
“相當于一個低速、兩條腿的自動駕駛汽車”。
后面介紹FSD時會詳細說明。
如何保持平衡
從工程角度看，行走并不是一件簡單的事。最重要的是保持平衡。
其次保持整體動作的協(xié)調(diào)。
機器人上如何實現(xiàn)？
特斯拉開發(fā)了一個全新的機器人運動模型。
預(yù)設(shè)路線規(guī)劃好，輸入給系統(tǒng)后，系統(tǒng)會自動繪制出機器人的下一個落腳點，并且和整個機器人重心聯(lián)動，保持邁步同時的平衡。
不過 ，這里仍然存在工程上的控制挑戰(zhàn)。
如何實現(xiàn)規(guī)控
剛剛說的運動規(guī)劃，是在理想條件下實現(xiàn)的，只存在于系統(tǒng)模擬之中。
擎天柱真正邁出這一步，其實很容易受現(xiàn)實世界復(fù)雜環(huán)境的干擾而摔倒。
特斯拉的方案是在執(zhí)行決策中加入修正步驟。
利用傳感器數(shù)據(jù)的真實性，不斷修正運動學(xué)模型對軌跡的估計。
這張圖解釋的很清楚：
基本運動模型，由本地已經(jīng)訓(xùn)練好的算法模塊（以真實世界模擬為素材）為基礎(chǔ)。
這個模型首先對環(huán)境進行模擬，預(yù)測出下一步行動軌跡。然后由傳感器數(shù)據(jù)預(yù)測修正。
最后將修正后的指令發(fā)送到執(zhí)行機構(gòu)。
手部復(fù)雜系統(tǒng)
擎天柱手指單獨成一個系統(tǒng)，有6個執(zhí)行機構(gòu)，每個關(guān)節(jié)實現(xiàn)最大11度的自由運動。
基本靈活性和人類手掌相當，也能做到每秒300度的轉(zhuǎn)動速度，而且關(guān)節(jié)、指尖觸點裝有傳感器。
能夠承重20磅（9公斤）、使用工具，以及抓取細小物品。
擎天柱明年開始量產(chǎn)，馬斯克盡管說它的售價可能不超過20000美元，但同時也認為人形機器人的價值其實并沒有被大眾真實認知。
所以之前馬斯克也在推特上說，最先應(yīng)用擎天柱的場景，可能就是特斯拉自己的超級工廠。
關(guān)于這一部分，他畫了一張很大的餅。
特斯拉之所以把機器人造成人類模樣，主要目的就是取代人類完成幾乎所有經(jīng)濟活動中需要的勞動。
“因為這個世界的所有工具、系統(tǒng)都是為人類的形體特征建造的?！?/p>
而馬斯克認為，一旦機器人變成主要生產(chǎn)力，人類完全就能實現(xiàn)個人的全面發(fā)展。
得到你想要的一切物質(zhì)財富，學(xué)習(xí)享受一切你感興趣的東西。
我們中國群眾一點都不陌生，這不就是共 產(chǎn) 主 義嗎？？？
特斯拉FSD，和背后的數(shù)據(jù)閉環(huán)
首先登場的是特斯拉Autopilot負責(zé)人Ashok Ellaswamy。
他表示，特斯拉FSD自動駕駛車隊規(guī)模從去年的2000，到現(xiàn)在已經(jīng)擴充到了16萬。
緊接著說道，之所以能達到這個成績，主要歸功于過去一年里工程師們的血汗付出——對75,000多個神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練。
整個特斯拉FSD系統(tǒng)由以下部分組成：
更準確的說，這是特斯拉典型自動駕駛算法的開發(fā)流程。
FSD的主體算法框架，由車道、障礙物識別算法，以及環(huán)境建模算法（可供行駛的空間）組成。
當然，這些都是已經(jīng)預(yù)訓(xùn)練好的框架。
然后將經(jīng)過自動標注、模擬的訓(xùn)練數(shù)據(jù)喂給算法，這就形成了完整的迭代過程。
之后將這套算法部署在車端，完成自動駕駛?cè)蝿?wù)。
接下來還詳細介紹了特斯拉Autopilot系統(tǒng)如何與現(xiàn)實世界進行交互。
每50毫秒可以實時做出一個決策，具體依靠如下的框架，將其概括為“交互搜索”。
決策的依據(jù)，是現(xiàn)實存在的車道線、以及其他移動的交通參與者。
根據(jù)軌跡預(yù)測算法，計算出多種可能的運動軌跡，這里需要用到不同的限制條件過濾掉那些明顯不安全、不合規(guī)的軌跡。
這些規(guī)則，其實也是FSD系統(tǒng)通過巨量的真實道路數(shù)據(jù)學(xué)習(xí)得來的。
而且不僅僅是機械的交通準則，更多是人類老司機處理極端場景時的策略和方法。
后臺訓(xùn)練方面，特斯拉目前的計算集群，由14,000個GPU構(gòu)成，其中使用10,000個GPU來訓(xùn)練，4000個GPU則用來標記。
關(guān)于自動標注，以復(fù)雜路口的車道線為例，特斯拉每天有超過50萬個case被收集，如果全部使用人工標注，將耗費數(shù)個月的時間。
所以，特斯拉開發(fā)了一種新的系統(tǒng)：3D自動“打標工廠”。
第一步，數(shù)據(jù)從8個攝像頭處獲得，并且使用Transformer為基礎(chǔ)的BEV模型從不同傳感器的2D數(shù)據(jù)中恢復(fù)3D場景。
然后從這些初步處理過的數(shù)據(jù)中，先進行軌跡預(yù)測。
第二步，對于多車道的場景進行重建，這里指的是在系統(tǒng)中重建用于模擬訓(xùn)練的場景。
最后，則是在新建的模擬場景中，標注出新的數(shù)據(jù)要素，比如其他目標的軌跡策略、車道線的不同形式等等。
整個流程不過30分鐘時間。
標注之外的另一個環(huán)節(jié)，是模擬。
重建模擬環(huán)境，通常需要幾個星期的人工。
但特斯拉的Lanegraph工具，幾分鐘內(nèi)就能完成。
生成模擬環(huán)境，基礎(chǔ)還是車輛在路徑上采集到的真實信息。
Lanegraph會基于這些數(shù)據(jù)，學(xué)習(xí)到關(guān)于某一類道路環(huán)境的基本要素（ground truth），包括車道線形式、道路寬度、人行道邊界、交通標志信息等等。
然后，Tile creator模塊會根據(jù)這些要素，自動生成一個模擬場景。
然后，場景中的物體幾何信息，與時間維度的實時狀態(tài)會被提取出來。
最后，再使用虛幻引擎將這些特征渲染成高真實度的場景。
有多真實？包括道路標牌信息上的文字、路旁樹木形成的斑駁陰影等等都能呈現(xiàn)。
數(shù)據(jù)閉環(huán)最后一步，就是訓(xùn)練和迭代。
這張圖展示特斯拉整個數(shù)據(jù)閉環(huán)的過程：
其中，值得關(guān)注的是“影子模式”，即車主在使用過程中傳回的高價值場景數(shù)據(jù)。
這也構(gòu)成了特斯拉最主要的訓(xùn)練數(shù)據(jù)來源，也是FSD快速進步的最主要原因：
以識別路口靜止車輛這個具體案例來說，真實場景數(shù)據(jù)遠高于模擬場景，一年時間內(nèi)識別準確率從85%左右提升到近100%。
這次的AI Day，特斯拉FSD講了很長時間，但和去年相比，顛覆性技術(shù)革新并不多。更多的是特斯拉展示已經(jīng)建成的高度自動化的數(shù)據(jù)閉環(huán)體系，以及這套數(shù)據(jù)閉環(huán)帶來的高效迭代速度。
有意思的是，這些技術(shù)思路，比如對Attention機制、Transformer、語言模型化用等新進展，跟國內(nèi)更早之前自動駕駛公司毫末智行的AI Day上的大同小異——也意味著對于自動駕駛的工程化探索，目前業(yè)界到了合流的時候。
最后總結(jié)一下：
數(shù)據(jù)前融合，采用基于Attention的Transformer進行。這是一個由特斯拉開創(chuàng)、其他自動駕駛玩家紛紛跟進的趨勢。
模型優(yōu)化方面，應(yīng)用了不少NLP（自然語言處理）領(lǐng)域的思路。
格外重視的，還云端訓(xùn)練，這就帶出了AI Day的另一個重要內(nèi)容：
特斯拉超算Dojo新進展
這一部分，幾乎都是黃仁勛和英偉達的受難時間。
Dojo由特斯拉自研計算芯片D1集成。
具體來看，25塊D1集成為一個計算模塊。
一個計算模塊，相當于6個通用GPU性能，而成本和能耗，僅相當于1個GPU。
另外，去年特斯拉介紹了自建超算的基本模塊單位ExaPOD，集成120個訓(xùn)練模塊，包含3000個D1芯片，超過1百萬個訓(xùn)練節(jié)點。算力達到1.1EFLOP。
當時只是PPT，最新消息是，明年特斯拉即將在加州Palo Alto開建，總共規(guī)劃了7個ExaPOD組成計算集群。
不用說，建成之后肯定是人類有史以來最大的AI專用訓(xùn)練、模擬基礎(chǔ)設(shè)施。
馬斯克在問答中也透露，DOJO不光會特斯拉自己用，也會考慮AWS一樣的方式對外商用，總之有這樣的大殺器，不愁商業(yè)模式。
問答馬斯克
最后，作為AI Day的互動交流環(huán)節(jié)，馬斯克親自上陣，盡可能回答了所有問題。
這些問題主要集中在三個方向上：
第一，擎天柱機器人和通用人工智能。
第二，自動駕駛。
第三，馬斯克的認知和特斯拉未來。
我們言簡意賅傳送如下。
問：擎天柱機器人現(xiàn)在用的肌腱系統(tǒng)定型了嗎？
馬斯克：我們現(xiàn)在的方案是為了更快實現(xiàn)工程化制造，即便有很多方案可以選擇但也有取舍，但根本上依然保持開放心態(tài)，會在不斷迭代中改進方案。
問：擎天柱機器人會有認知智能嗎？比如開開玩笑。
馬斯克：肯定能跟人聊聊天，有簡短的交談，但也不要走到終結(jié)者那樣……我們希望擎天柱能夠安全、有保障地為人類服務(wù)。
現(xiàn)在的擎天柱核心是實用主義的完成任務(wù)，以后會推進創(chuàng)造性認知的一面…擎天柱機器人肯定不是無聊的執(zhí)行器。
問：如何保證擎天柱機器人的“意識”始終是正確的，不會傷害人類？
馬斯克：我們的機器人跟科幻電影的里的還不一樣，主要還是你希望做什么它就執(zhí)行什么，當前還是比較偏執(zhí)行的機器人。
機器人工程師補充：機器人的“意識”一方面可以通過數(shù)據(jù)訓(xùn)練，二是確?？梢赃h程控制，一旦發(fā)現(xiàn)有不對的傾向可以接管。
馬斯克補充：或許會有一個終極控制按鈕。
問：擎天柱機器人的開發(fā)還跟加速可持續(xù)能源的特斯拉使命有關(guān)嗎？
馬斯克：嚴格講不是一個路線。擎天柱核心還是希望讓世界更美好，能夠讓人類更美好。
我是真的想看看最酷的最前沿的技術(shù)，讓世界在5年后、10年后變成什么樣……我是真的很感興趣。
問：擎天柱機器人正在走向通用人工智能（AGI），你擔(dān)心嗎？
馬斯克：我是人工智能的忠實信徒，并且認為需要像監(jiān)督汽車、飛機和藥物一樣，確保AI的正確使用。應(yīng)該有一個裁判的角色，保證AGI的安全使用。
但實現(xiàn)AGI，可能需要一個史無前例的超大數(shù)據(jù)集。不僅是互聯(lián)網(wǎng)數(shù)據(jù)，還有諸多線下的數(shù)據(jù)。于是就需要有更大的超算來訓(xùn)練……這樣才能實現(xiàn)AGI。
問：AGI的發(fā)展預(yù)估？
馬斯克：AGI一定會來。比如5年、10年會有很大的改變，但下周可能不會有大的更新…所以前途是光明的，道路是曲折的，還有很多工作要做。
機器人的本質(zhì)是傳感器和執(zhí)行器，以及如何控制執(zhí)行器。
問：擎天柱機器人啥時候會投入使用？
馬斯克：現(xiàn)在就已經(jīng)在特斯拉工廠測試，搬東西，從一個地方搬到另一個地方。
我希望很快能進入到開放訂購的狀態(tài)。
三五年吧。三年量產(chǎn)、五年隨便買，能夠當個禮物送人。
問：特斯拉FSD為什么開始引入語言模型？
工程師：車道和路口啥的，只能通過語言模型的方式，可以實現(xiàn)更好的……視覺信息的建模沒那么完整的時候，語言模型、語言生成模型可以起到很好的作用。
問：FSD的公測推送標準？
工程師：我們會有好幾個版本，通過公測推送的不是內(nèi)部最新的那個版本。
馬斯克：內(nèi)部最新的版本通常都是我來測，我是FSD的首席測試。經(jīng)常給他們debug。（現(xiàn)場笑）
問：特斯拉會始終堅持視覺方案？
馬斯克：自動駕駛的本質(zhì)就是生物神經(jīng)網(wǎng)絡(luò)，你始終可以參照人類的方式。
問：FSD的推進計劃？
馬斯克：很多國家需要批準才能開始FSD測試，但我相信我們已經(jīng)準備好了。FSD今年年底還會有大的更新。目標就是一個停車場到目的地停車場的連續(xù)自動駕駛。
問：如果回到20歲，你會告訴自己什么？
馬斯克：（認真思考了一會兒），我會想辦法給20歲的自己說點實用的吧。比如盡可能站到人前，和更多聰明人認識，讀更多的書。以及不要太羞澀內(nèi)向……偶爾送送玫瑰啥的也很好。
享受每一個時刻。比如我們火箭在小島研發(fā)的時候，該喝一杯的時候就喝一杯，因為那個時刻的感覺轉(zhuǎn)瞬即逝，不會再有了。
問：特斯拉何以為特斯拉？獨特性在哪里？
馬斯克：我們現(xiàn)在是很大的公司了，有不同領(lǐng)域知識的人才，而且我們做的事情幾乎都相當成功，因為在做正確的事情。也因為我們的使命是工程師用技術(shù)讓世界變得更美好。
其實很多硅谷公司都這么想，但能讓工程師真正快樂、且發(fā)揮才能的，不多。多數(shù)就是被畫餅進去，然后得不到有效地成長。
但特斯拉不是，這里非?？?，也很辛苦，解決很多艱難的挑戰(zhàn)，但如果你是一個天才，不管是哪個方面的，總有你的用武之地。
問答最后，馬斯克帶動現(xiàn)場參會者感謝了特斯拉工程師們，還講了一下AI Day的意義，說之所以披露大量的細節(jié)，就是希望感興趣的人可以隨時挑著看自己感興趣的東西，加入我們，改變世界。