外表比潮玩手辦更靈動(dòng)，內(nèi)在比貓狗等“毛孩子”更懂人：市場(chǎng)或許要迎來(lái)第一批陪伴機(jī)器人了。

7月2日，記者了解到，陪伴機(jī)器人靈童機(jī)器人將在8月開(kāi)啟第一波交付。第一財(cái)經(jīng)記者前往研發(fā)辦公室體驗(yàn)了動(dòng)作捕捉、人機(jī)交互、情緒識(shí)別等機(jī)器人的軟硬件訓(xùn)練環(huán)節(jié)。

在體驗(yàn)中，記者了解到，想要讓陪伴機(jī)器人更懂人，不僅要賦予它語(yǔ)言能力，還要讓它“動(dòng)得像人”、看得懂人、記得住人與它之間的情感軌跡。這需要機(jī)器人工程、模型算法研發(fā)團(tuán)隊(duì)的成員“灌”大量的交互數(shù)據(jù)，并進(jìn)行微調(diào)。

對(duì)于這個(gè)融合AI與硬件的新故事，市場(chǎng)已經(jīng)迫不及待了。今年6月，珞博智能宣布完成數(shù)千萬(wàn)元的天使輪融資。萌友智能也在去年年底官宣了一輪數(shù)百萬(wàn)美元的融資，旗下產(chǎn)品已經(jīng)在海外眾籌平臺(tái)Kickstarter上陸續(xù)交付。而在靈童機(jī)器人的融資股東中，科大訊飛和策源資本都位列其中，產(chǎn)品目前已經(jīng)在京東上線。

陪伴機(jī)器人想要脫離玩具定位，走向長(zhǎng)期陪伴，靠的不是AI的噱頭，而是與用戶之間建立“關(guān)系”的能力。當(dāng)語(yǔ)言不再是唯一入口，當(dāng)視覺(jué)和觸覺(jué)能夠輔助機(jī)器識(shí)別，當(dāng)機(jī)器的“性格”與“靈性”成為產(chǎn)品賣(mài)點(diǎn)，陪伴機(jī)器人正在重新定義AI硬件“情緒價(jià)值”的邊界。

映射人體數(shù)據(jù)，機(jī)器人學(xué)做人

7月2日下午，在上海漕河涇開(kāi)發(fā)區(qū)的人形機(jī)器人創(chuàng)新孵化器，記者被“五花大綁”起來(lái)。在靈童機(jī)器人的辦公室，第一財(cái)經(jīng)記者體驗(yàn)了穿戴式的動(dòng)捕設(shè)備。記者的頭部、小臂、大臂、背部和腰部各綁了一個(gè)彈力帶，帶子的表面裝有一個(gè)數(shù)據(jù)盒。在八個(gè)彈力帶的作用下，機(jī)器人很快跟著記者“有樣學(xué)樣”做出各種動(dòng)作。

這套動(dòng)捕裝置是讓機(jī)器人學(xué)習(xí)人類動(dòng)作的核心裝備，記者每一個(gè)動(dòng)作，幾乎都能被桌面上的人形機(jī)器人實(shí)時(shí)“模仿”出來(lái)。靈童機(jī)器人的核心產(chǎn)品是一個(gè)內(nèi)置AI模塊的桌面人形機(jī)器人，外觀上看接近于二次元手辦，身高60厘米。在記者問(wèn)它“你怎么看起來(lái)有點(diǎn)不開(kāi)心？”時(shí)，它叉起了腰，佯裝生氣地回答：“因?yàn)槟銢](méi)有陪我聊天呀?！?/span>

這個(gè)叉腰的小動(dòng)作，正是記者通過(guò)動(dòng)捕設(shè)備采集人體動(dòng)作數(shù)據(jù)后“教”給機(jī)器人的。靈童機(jī)器人的研發(fā)負(fù)責(zé)人賈星亮告訴第一財(cái)經(jīng)，動(dòng)捕設(shè)備記錄下人體骨骼的運(yùn)動(dòng)軌跡后，會(huì)將數(shù)據(jù)轉(zhuǎn)化成特定格式的文件，再由工程師建模，將人體骨骼與機(jī)器人關(guān)節(jié)一一對(duì)應(yīng)。“但簡(jiǎn)單的1∶1映射會(huì)導(dǎo)致動(dòng)作變形，因此，工程師會(huì)根據(jù)機(jī)器人的本體結(jié)構(gòu)進(jìn)行微調(diào)?！北热缛祟悡]手時(shí)肩膀旋轉(zhuǎn)30度，但機(jī)器人手臂較短，就需要按比例縮小這個(gè)幅度。

在這個(gè)身高約為人類身高三分之一的機(jī)器人身體中，一共有35個(gè)數(shù)字伺服舵機(jī)——是機(jī)器人能夠“動(dòng)起來(lái)”的前提。為了讓機(jī)器人“懂”人，靈童研發(fā)團(tuán)隊(duì)還以大語(yǔ)言模型為基礎(chǔ)，引入了視覺(jué)、觸覺(jué)等多模態(tài)輸入，并借助機(jī)器人的具身性拓展了表達(dá)方式。

“系統(tǒng)會(huì)綜合分析用戶的語(yǔ)音語(yǔ)調(diào)、對(duì)話內(nèi)容以及場(chǎng)景信息，來(lái)判斷其情緒狀態(tài)?！辟Z星亮舉例，開(kāi)心時(shí)語(yǔ)音往往會(huì)上揚(yáng)，而悲傷時(shí)語(yǔ)速則會(huì)變慢?！拔覀冞€在完善視覺(jué)識(shí)別功能，未來(lái)機(jī)器人有機(jī)會(huì)通過(guò)攝像頭識(shí)別用戶的面部表情?！彼f(shuō)。

強(qiáng)調(diào)情緒價(jià)值，語(yǔ)言交互是最優(yōu)解嗎？

“最近機(jī)器人的性格很好，情緒價(jià)值拉滿?！币晃混`童機(jī)器人的產(chǎn)品工程師如是評(píng)價(jià)機(jī)器人最近的表現(xiàn)。

作為硅基生命，機(jī)器人給用戶的情緒價(jià)值都由背后的大模型決定。當(dāng)機(jī)器人識(shí)別到用戶的情緒后，機(jī)器人會(huì)從預(yù)設(shè)的100多個(gè)基礎(chǔ)動(dòng)作中選擇最合適的反應(yīng)。這些動(dòng)作主要來(lái)自專業(yè)動(dòng)捕演員的表演，也有部分是從網(wǎng)絡(luò)視頻、游戲當(dāng)中提取的。例如，當(dāng)檢測(cè)到用戶處于愉悅狀態(tài)時(shí)，機(jī)器人可能會(huì)微笑并揮手致意；而當(dāng)用戶情緒低落時(shí)，它則可能張開(kāi)雙臂，做出一個(gè)安慰性的擁抱動(dòng)作。

記者在研發(fā)辦公室現(xiàn)場(chǎng)看到，工程師正在通過(guò)強(qiáng)化學(xué)習(xí)的方式對(duì)這些輸入與輸出進(jìn)行精度訓(xùn)練?！熬拖窠绦『W(xué)會(huì)察言觀色一樣，”一位工程師解釋說(shuō)，“機(jī)器人需要在不斷互動(dòng)中學(xué)會(huì)‘什么時(shí)候該揮手，什么時(shí)候該跳舞’。”訓(xùn)練過(guò)程需要工程師與機(jī)器人持續(xù)對(duì)話，并在機(jī)器人作出反應(yīng)時(shí)給予正向反饋。隨著訓(xùn)練的深入，機(jī)器人逐漸趨近于高獎(jiǎng)勵(lì)行為，從而表現(xiàn)出越來(lái)越自然、貼心的“情緒價(jià)值”。

但情緒價(jià)值一定要通過(guò)對(duì)話的交互來(lái)實(shí)現(xiàn)嗎？業(yè)內(nèi)仍然存在不同的觀點(diǎn)。

北京萌友智能的CEO何嘉斌在接受第一財(cái)經(jīng)記者的采訪時(shí)表示，聊天并不是陪伴機(jī)器人的核心環(huán)節(jié)，甚至“沒(méi)有必然的聯(lián)系”。“如果是辦公的場(chǎng)景，包含頻繁交流和對(duì)話的交互動(dòng)作，并不一定是陪伴機(jī)器人的最優(yōu)解?！?/span>

帶人設(shè)、個(gè)性化的語(yǔ)言交互，只是陪伴機(jī)器人的一個(gè)產(chǎn)品形態(tài)。他認(rèn)為，陪伴機(jī)器人產(chǎn)品體驗(yàn)中最容易做出產(chǎn)品溢價(jià)和用戶黏性的部分是“靈性”，即機(jī)器在多模態(tài)體系下的自學(xué)習(xí)能力和人類在交互中投射的情感。

萌友智能的產(chǎn)品Ropet是一個(gè)擁有毛茸茸外觀的桌面機(jī)器人，它并不像人，從外表看，只是一個(gè)毛絨玩具。何嘉斌介紹，Ropet能夠通過(guò)自身的視覺(jué)和觸覺(jué)傳感器識(shí)別到用戶的輸入行為，通過(guò)多模態(tài)的識(shí)別和計(jì)算，利用自身的硬件進(jìn)行反饋，比如在觸摸的時(shí)候發(fā)出聲音或改變眼睛的狀態(tài)，來(lái)“表達(dá)”喜愛(ài)。

當(dāng)與人類的交互行為被機(jī)器以數(shù)據(jù)的形式在一段周期內(nèi)記錄，有點(diǎn)像人類用數(shù)據(jù)去“喂養(yǎng)”一個(gè)寵物。何嘉斌說(shuō)，多模態(tài)的感知能力疊加持續(xù)的行為學(xué)習(xí)能力，構(gòu)成了產(chǎn)品“靈性”的核心部分，而這些都不一定要通過(guò)語(yǔ)音交互來(lái)實(shí)現(xiàn)的。

智能不止于大模型，AI能否撐起溢價(jià)

SevenUp Capital的創(chuàng)始人趙楠透露，根據(jù)他的觀察，毛絨玩具廠商采購(gòu)一塊嵌入玩具中的AI物理模塊的價(jià)格在30~50元，AI物理模塊廠商自身的硬件毛利率在20%左右。而一個(gè)毛絨玩具的終端售價(jià)大約在150~200元。但加上AI陪伴的交互功能，一個(gè)毛絨玩具的售價(jià)有機(jī)會(huì)達(dá)到500元左右。

這意味著，AI能力正成為陪伴機(jī)器人區(qū)別于傳統(tǒng)“玩具”品類的核心要素。不過(guò)，AI如何真正落地到具體的場(chǎng)景和產(chǎn)品中，仍然是一個(gè)需要精細(xì)打磨的課題。陪伴機(jī)器人的“AI故事”該怎么講，才能讓用戶真正感到陪伴？

“和用戶共創(chuàng)，或許是建立親密關(guān)系的關(guān)鍵?！辟Z星亮告訴第一財(cái)經(jīng)記者，在用戶使用靈童機(jī)器人產(chǎn)品的過(guò)程當(dāng)中，能夠定制化地導(dǎo)入個(gè)人經(jīng)歷和經(jīng)驗(yàn)，并通過(guò)自定義人設(shè)的方式與用戶共同“塑造性格”?！盀榱吮苊饣?dòng)過(guò)程出現(xiàn)割裂感，我們還提供了記憶的永久保存功能?！辟Z星亮介紹，機(jī)器人模型能夠抽取對(duì)話中的關(guān)鍵詞進(jìn)行長(zhǎng)期記憶，用戶可以隨時(shí)調(diào)取這些“共同回憶”來(lái)進(jìn)行互動(dòng)。

陪伴機(jī)器人SKYRIS的創(chuàng)始人張宇諾告訴第一財(cái)經(jīng)記者，陪伴機(jī)器人的核心在于“如何建立關(guān)系”。SKYRIS的產(chǎn)品是一只會(huì)飛的機(jī)器人BOBO。BOBO外觀像一個(gè)氣球，但有兩只小翅膀、類似小鳥(niǎo)的眼睛和嘴巴。在他看來(lái)，盡管AI大模型為產(chǎn)品賦予了智能，但真正實(shí)現(xiàn)“陪伴”，還需要更多維度的設(shè)計(jì)和輔助機(jī)制。

“就像人類之間建立關(guān)系，不只是靠語(yǔ)言對(duì)話，還需要主動(dòng)開(kāi)啟話題、持續(xù)引導(dǎo)、及時(shí)反饋、深入挖掘情緒等多個(gè)環(huán)節(jié)，而這些情感互動(dòng)的細(xì)膩之處，僅靠大模型遠(yuǎn)遠(yuǎn)不夠?！彼f(shuō)。

因此，在大模型能力背后，依然少不了大量機(jī)器人工程師的參與。賈星亮表示，團(tuán)隊(duì)每天需要與機(jī)器人進(jìn)行高頻互動(dòng)，通過(guò)不斷測(cè)試和微調(diào)模型反應(yīng)，優(yōu)化其對(duì)話邏輯與情緒識(shí)別能力。“在產(chǎn)品最終交付前，我們會(huì)對(duì)情緒理解的準(zhǔn)確性，以及硬件動(dòng)作的穩(wěn)定性做最后一輪打磨。”