羊城晚报全媒体记者 李钢

“我最喜欢看人形机器人了，看得我汗毛都竖起来了。”一位参观者在走进进博会展馆后，向羊城晚报记者道出了自己最真实的感受。正在举办的第七届中国国际进口博览会，俨然成为人形机器人厂商的竞技场。跳舞的跳舞，奔跑的奔跑，充电的充电，就连Tesla Bot也来现场“发个呆”。

只是，看完各个流派的展示，你依然会有疑问：要想真正走进家庭，这些仍然“呆笨”的机器人依然不够好。那究竟还差些什么？

众多厂商在人形机器人产品的商业化路径上都差不多：先服务工业场景，再进入商业服务，最后才是走入家庭、服务大众。业界对于实现走进家庭的时间预测也并不相同，唯一相同的是，大家都认为不能在短期内实现。显然，他们也知道，作为民用商品，人形机器人的进化之路仍需时日。

在与南方科技大学机器人研究院院长戴建生的对话中，记者曾经问过这样一个问题：如果让人形机器人抱起一名失能老人，如何保证老人能够获得舒适的体感？这其实是两个问题：一个是“抱”，一个是“舒适”。

对于人类护理者来说，只要有足够的体能，这并不是什么问题，通过手臂、躯体的姿态调整，就可以达到这一目的。而对于机器人而言，这却是一个大大的难题：人体不是物品，不仅个体的体型、体重不同，对于外力的耐受能力也不尽相同。因此，你可以看到，目前人形机器人的各种能力展示都局限在对“物”的操作，因为“物”没有感受。

对此，戴建生认为，除了传感器、算法等软硬件优化之外，更重要的是数据的获取和训练。但这背后有种矛盾。对于大众消费者而言，他们希望人形机器人能像科幻电影中的机器人管家那样，能进行有情感的互动、将家庭事务处理得井井有条，成为无所不知的工作助手。对于业界来说，如果没有真实家庭场景下大规模的数据获取，显然无法让人形机器人达到前述要求。

目前，人形机器人领域的重点依然是从仿真场景中获取数据。此前，有业界人士描述了他们正在建设的大型仿真中心：模拟真实场景，不停训练机器人。而Mobile ALOHA项目则提出了另一种解题思路：利用操控系统来收集数据，并通过监督行为克隆的方式进行训练。有人已经指出，特斯拉Optimus在“派对”上的丝滑表现，同样是基于遥控作业。一旦让它自主，大概率会翻车。

在某具身智能社区中，有人提出了一种基于视觉和音频数据学习的训练方法，颇为动人。这种方法强调视频和音频的反馈，譬如，在一项擦拭任务中，机器人被要求擦掉白板上的图案。挑战之处在于，要让机器人在移动橡皮擦的同时对白板施加合理的接触力。仅凭图像很难推断出橡皮擦是否接触到了白板，而在结合音频反馈后，整体的成功率从40%提高了85%——一个相当不错的成绩。但这还仅仅是让机器人完成了一个人类的简单动作，能否推广仍待考量。距离能够舒适地抱起失能者，更是长途漫漫。

可以说，无论采取何种方式获取数据，都有其局限性。要让人形机器人完成更为复杂的动作，核心问题依然是如何获得高质量数据，并有效利用获取的数据继续训练。而我们所期待的，则是能够出现一些细节技术的突破，让这一逻辑运行得更加“丝滑”。