通过数据+赛事的双轮驱动，乐聚补齐了机器人落地的短板。
提起机器人，你脑海里浮现的是什么？
是在春晚舞台之上，呈现出整齐划一姿态，且舞姿表现得极为曼妙，堪称舞林高手的那些人吗？又或者是在展会上，仅仅会机械地去递咖啡，不停地转圈圈，充作气氛组的那般人物呢？
在不少人脑海里留存印象之物的机器人，虽说其演示呈现出来的样子好似能够胜任任何之事 ，然而一旦真的要使它前往厨房为你取来一个杯子 ，它极有可能在下一个瞬间于地毯之上展开平地摔跤的表演 ，又要不就是对着墙角踏入漫长的深度思索之中。
有一种尴尬现象，是大脑想得挺美好，可小脑却跟不上，被研究者戏称做“两层皮” ，决策层也就是大脑，满是知识，然而执行层即小脑，迈着缓慢的步伐，或者运控极为精确，却根本没有应变的能力，两套系统各讲各的，一到复杂场景就出现故障的情况发生。
存在着这样一种断层，而它恰恰是那种，能够对人形机器人，从实验室迈向真实场景，起到制约作用的，最大的藩篱。
近日，乐聚机器人所发布的那科研框架2.0，尝试借助一套深度集成起来的“大小脑一体化”这类逻辑，去打破那道对机器人走进现实世界形成阻碍的围墙。
01
具身机器人卡在哪？
必须先看清行业的痛点，才能够理解乐聚科研框架2.0，其目标与作用才可明晰。
具身智能研发当前面临着这样的状况，其一软与硬处于割裂状态，其二流程呈现出碎片化情形，其三研究和实际应用存在落差困局。
一方面，行业普遍将机器人的功能拆分为两个独立系统：
大脑可拆解大模型任务规划，它要负责理解语义，还要负责拆解任务，并且负责自主决策。
小脑（运动控制）： 负责平衡、运动、多关节协同。
这种架构看似分工明确，实则隐患重重。
机器人的大脑进行决策，当中的小脑实施运控，二者常常互不相通，并且不同步，这致使它在处理长时序复杂任务之际，表现得十分僵硬，难以达成类人级别的应变能力。
另外一方面，用于研发的工具链呈现出极度分散的状况，在从数据采集开始，历经仿真训练阶段，一直到真机部署的各个不同环节，它们彼此之间是互不兼容的，在进行研发的时候，需要把大量的精力花费在环境适配方面以及重复做一些劳动量极大的工作上，这对算法创新形成了阻碍。
从事研究的人员常常会遭遇这样的尴尬状况，采集数据需要耗费 1 天的时间，调整参数得用上 3 天，而进行部署时还会陷入长达 1 周的停滞状态，这样的碎片化状况致使大量的精力都被消耗在了各个环节的衔接之处，而非聚焦于核心的科研工作上。
除此以外，高质量真机数据存在稀缺状况，并且硬件尺寸有着限制，这样一来，研发成果常常被局限于实验室Demo，很难跨越Sim2Real（仿真到真机）的横沟。
02
大小脑一体化，终结思考与动作的断层
乐聚科研框架2.0的关键解决办法十分清晰，那就是重新构建大小脑的协同关联逻辑，达成感知、下达决策、从而执行这一系列环节从起始至终点的完全贯通。
在此套框架范围之内，脑力与小脑并非是两套讲不同方言的体系，这个框架全面兼容了全尺寸机器人平台，保障了从顶层决策直至底层硬件执行的高速通讯协议达成一致。
这种一体化设计有着这样的意味，那就是，在机器人进行动作执行期间，其大脑会实时去感知环境的变化，并且会动态调整小脑的运控参数。
机器人的能力也会进化，从机械执行，到类人作业。
乐聚的小脑系统能够稳定地输出具备高动态、流畅特点的动作，这是依托于OpenLET社区以及乐聚LET全身运控、灵巧操作数据集实现的。
与之相配合着的是，大脑拥有这般极高强度突出厉害至极端程度的长程任务拆解以及场景泛化能力，于调酒、分拣等涵盖多个步骤的复杂任务当中，机器人能够自行规划路径，依照物品所摆放的位置灵活地调整抓取力度以及角度。
长程任务全流程自主操作演示
现今诸多研究机构所采用的，乃是1米左右尺寸的处于适中偏小范畴的机器人，然而这却会引发泛化方面的难题，即小型机器人没有办法去完成弯腰从而取地上重物的动作，也没有办法完成伸手去取高架上零件的动作等属于真人日常会做的动作，这样的存在空间受到限制的数据，在真实的工业场景或者家庭场景当中几乎是不存在落地价值的。
乐聚科研框架二点零，引入了，一米七零全尺寸全身实时遥操系统。
实时同步： 支持真人动作的毫秒级实时同步。
全方位的自由度，它能够支持人进行弯腰动作，也可以支持人做出下蹲动作，并且还能实现全身的联动，从而达成与人类作业姿态的完全贴合。
实际覆盖情况是，身高为1.7米，这保证了操作空间可以覆盖，真实存在着的工业以及家庭两方面，这种环境下真实的高度需求。
乐聚KUAVO5全尺寸全身遥操演示
借助这种全尺寸遥操，科研人员能够于更贴近现实的环境当中，采集数据，验证算法，使得科研成果不再只是实验室里的 Demo，而是直接针对可应用的真实任务。
上面所提及的这一系列转变，其目标旨在使得机器人由原本单纯的工具化身，进阶成为拥有了思考以及执行能力的智能个体。
03
一站式工具全家桶：拒绝重复造轮子
具身智能开展研发时又一较为显著的门槛所在之处，是极度碎片化的开发链条，和外界通常的理解不一样，看上去并不那么具有吸引力的工程适配，常常会占用大量的研发时间，进而使得创新的进度被拖慢。
为了终止这种效率低下的循环，乐聚科研框架2.0给出了一站式的闭环工具链。
在小脑运控工具上，乐聚提供了三大核心仓库：
乐于居通用机器识别技术：着重于动作的重新定向，它能够精确无误地把人类的动作映照到机器人的关节之上，保证数据采集的纯粹原味。
乐居实验室训练模型：有着之内设置多种任务模式，开展实现在毫无基础环境下开始操作，达成机器人行走、倒地后恢复站立以及舞蹈的场景任务，处理以前研究里训练模式不规范、不容易迅速开始上手的问题。
乐居实验室部署，达成了跨越机型的一键式迅速部署，不管是中等尺寸的教学演示机器，还是全尺寸的工业实操机器，均可达成开箱就可以使用。
基于真人舞蹈轨迹的强化学习训练演示
于大脑的具身模型，在长程任务规划以及泛化能力这一方向之上，用以提供一整套，关于训练、推理、部署的工具链以及数据集。该框架配套了具备高质量的具身任务数据集，在此情形下，开发者能够借助这些数据，直接着手开展模型训练。
对于AI而言，数据始终是最为恰当的学习引导者，然而涉及到机器人相关领域，具备高水准质量的专家所提供的数据却处于极度匮乏的状态。
为此，科研框架2.0提供了全尺寸全身实时遥操技术，该技术支持真机数据采集，还支持模型二次训练。
此全身遥操所提供的数据集，可以让用户借此开展二次训练吗、针对此所提供的基准模型，能否让用户用于二次训练呢针对其部署框架，用户能够开展二次训练吗，并且将其部署到真机之上，以此来进行高质量操作数据的采集。
此全部链路工具链的价值所在之处是，它把开发者从底层代码的困境里拽了出来，使得他们能够专心于更有价值的算法创新方面。
04
补齐落地最后一块拼图
有了框架和硬件，接下来就是如何让这套系统跑起来。
乐聚通过数据+赛事的双轮驱动，补齐了落地的短板。
就在不久之前，开放原子具身智能开源数据集社区正式开启，并且发布了 OpenLET 全身运控数据集。这个社区是由开放原子开源基金会发起去建立的，乐聚机器人牵头进行建设，联合了众多具身智能企业以及科研院校，它是一个专注于具身智能开源数据集和算法的社区。
当前，鉴于真机数据采集成本高昂，以及多模态数据呈现零散状态的痛点，乐聚给出了开源的数据底座，其中存有6万多分钟的开源真机数据，这些数据覆盖了工业，商业，家庭等117项原子技能，并且涵盖了力控，触觉，全身关节等全方位维度。
此外，乐聚会与ICRA对接，天池对接，让对接机器人及人工智能相关事宜，还对接挑战杯这种高含金量赛事，进而为科研团队供给真机评测资源。
这样的数据训练，配合算法迭代，再经赛事验证，而后实现产业转化的闭环，使得算法不再仅仅是论文里的跑分，而是能够正儿八经走出那只存在理论的实验室，切实进入到实际存在生产的工厂以及人们日常居住生活用的家庭。
能够看得出，乐聚科研框架2.0的推出，并非只是一次单纯的工具更新，更是针对机器人研发模式的再度思索。
乐聚正在实现普通人对机器人的最终幻想，其方式是将大脑的逻辑能力与小脑的运动能力进行深度整合，并且辅以全尺寸硬件支撑以及海量开源数据，目标是让机器人不再是冷冰冰的执行机器，而是能通过学习和思考，最终成为在复杂现实世界中工作的主体。
倘若大脑跟肢体最终不再处于割裂状态，要是机器人能够如同人类那般，把思考与动作毫无缝隙地融合在一起，那些往昔仅仅存在于科幻电影里的应用场景，方才切实拥有了商业化落地的可能性。
//
如果没有经过「AI科技评论」所给予的授权，那么严格禁止通过任何一种方式，在网页之上，在论坛之中，在社区里头进行转载行为！
