外媒热议中国机器人“新工种”: 当工人戴上VR，人形机器人学会叠衣服了

最近，外媒盯上了一种在中国悄然兴起的新工作模式。

在近日《连线》（WIRED）的一则报道中，记者实地探访了深圳初创公司IO-AI Tech，记录下了这样一幕：工人们头戴VR眼镜、身穿动作捕捉设备，像玩体感游戏一样远程操控人形机器人叠衣服、理货架。这并非一场简单的技术秀，而是中国在人形机器人赛道上，试图用“人类经验”喂养“物理AI”的一次产业实验。

以下，是对该报道的深度编译与解读。

在中国深圳，工人们正使用虚拟现实（VR）眼镜、手动控制器和身体传感器，远程操控人形机器人，模拟商店、工厂和家庭日常工作。

操作者做出的每一个动作，都会被转化为数据，用于训练物理人工智能系统。这一领域旨在教导机器处理物体、表面、平衡、力度并应对现实中的各种状况。

在这种模式下，工人不仅通过机器执行任务，还帮助建立数据库，用来提升未来机器人系统的自主性。

遥操作如何将人类手势转化为数据

为了控制机器人，操作员需佩戴头显、手持控制器或使用动作追踪手套。他们开始从机器的视角观察环境，同时移动自己的手臂、双手和双腿。

通过这种第一人称视角，他们可以拾取物品、整理货架、操控物品，并在专门搭建的场景中重复动作，使训练尽可能的贴近实际情况。

据IO-AI Tech介绍，其TeleXperience平台允许控制不同的机器人配置，并收集高精度的实时数据，用于训练人形机器人、机械臂和机械手。

该技术不仅仅是远程控制，它还记录有关视觉、力度、伸展范围、姿态以及物体反应的信息，这些都是让人工智能从物理体验中学习所必需的要素。

在WIRED报道的一次演示中，操作员在一个模拟公寓（配有家具、衣架和日常用品）的空间内控制宇树科技（Unitree）的人形机器人。当操作员行走和移动身体时，机器会跟随其动作，执行诸如从衣架上取下衣物并折叠等操作。

为什么叠衣服对机器人来说仍然很难

对人类来说简单的任务，比如叠T恤或从货架上取盒子，需要一系列机器人仍需精确学习的动作调整。

在这些活动中，机器必须计算力度、解读距离、保持平衡、纠正姿态，并在物体移动位置或出现意外反应时调整动作。

柔性的物体会使过程变得更加复杂，因为织物在与机械手每次接触时都会折叠、滑落、产生褶皱并改变形状。

所以，操作员的存在有助于减少训练过程中的错误，他们可以随时纠正机器人的动作，引导机器应对那些事先想不到的状况。

另外，人体和机器人身体之间的差异也需要不断调整，因为操作员与执行者之间的身高、体重、伸展范围和平衡能力并不总是一致。

WIRED的报道也提到，该初创公司的系统需要将人类指令与一定程度的自主性相结合，以使动作适应不同形状、尺寸和重量的机器人。

物理人工智能依赖真实体验

与用大量文本、图像和视频训练的数字模型不同，人形机器人需要在与环境直接交互过程中产生的数据。

对于物理机器而言，视觉识别一个盒子或T恤是不够的，因为任务还需要知道触摸的位置、施加多大的力以及如何应对接触。

此时，工人承担着不同于传统工业操作的角色，他们的动作成为系统学习过程的一部分。

除了指导机器完成即时任务外，操作员还能生成可重复使用的记录，用于开发更自主、更少依赖人类干预的机器人。

IO-AI Tech还推出了SenseXperience（专注于捕捉现实世界中的人类数据）和EmbodiFlow（专注于多模态数据的收集、标注、可视化和后处理）。

这些工具表明，人形机器人的进步不仅依赖于电机和传感器，还需要大量有组织的物理示例，用于嵌入式人工智能的训练。

深圳：机器人、传感器与样机的聚集地

深圳之所以适合这种实验，是因为这个城市汇聚了制造商、零部件供应商、硬件公司和能够快速调整样机的初创企业。

在这个工业生态系统中，零部件、传感器和结构可以在短周期内进行改造，这有助于远程操作与不同机器人型号进行整合。

WIRED报道称，IO-AI Tech正与当地制造商合作，致力于实现手动工序的自动化，包括与服装行业和零部件处理相关的活动。

报道中提到的案例之一，是中国的缝纫设备公司杰克科技股份有限公司（Jack Sewing Machines），该公司参与了一个培训双臂机器人完成诸如熨烫衬衫等任务的项目。

在零售领域，这项技术也曾在一家中国连锁便利店进行了测试，操作员使用头显和控制器来取装药品。

这种演示结合了实际操作和数据收集，能够记录物体位置、手臂伸展范围、环境视觉以及完成任务所需的动作。

机器人离不了人，目前还不行

虽说目标是让机器人越来越自主，但遥操作表明，许多人形机器人在复杂和不可预测的环境中操作时，仍然需要人工监督。

工厂、商店和家庭都是为人类身体设计的，其走廊、货架、家具和工具都需要机动性、感知力和持续适应能力。

因此，人形机器人吸引了那些希望机器能在现有空间工作，而无需完全重建周围环境的公司的兴趣。

即便如此，通往自主性的道路仍涉及数百万次被捕捉、修正并转化为数据的动作，而工人则充当着当前机器与未来系统之间的桥梁。

在物理机器人的这个阶段，工作的价值不仅在于当下执行的任务，还在于融入记录中的知识，这些知识将有助于训练新一代机器。

注：本文编译自作者Alisson Ficher 的《In China, Workers Use VR Goggles and Body Sensors to Train Humanoid Robots for Tasks Like Folding Clothes and Stocking Stores》

原文链接：