华硕首台人形机器人不训自有大模型,靠四层固定接口做到换脑不换身

首页 / AI资讯 / AI硬件

0:00
0:00
1x
定时

11月13日,华硕发布了它的首台人形机器人Gallop,由联合CEO许先越在CNBC的节目里介绍,公司同步刊出官方博文。这台机器没有双足,是固定基座加双臂的形态,第一份工作是在自家工厂的一个工位上装主板配件。

一个工位,二十秒,十五种小零件

测试地点是华硕集团一家电子制造工厂的主板配件包装工位。单块主板约20秒通过一次,工位涉及15种小零件,多数装在薄透明袋里,需要拆袋、取件、按位放入。华硕设定的目标是20秒内99.5%的成功率,官方的说法是"与我们对人的标准相同"。

这个目标值得停一下。工业自动化里,99.5%在节拍20秒的工位上意味着每200次循环允许一次失败,失败又必须在20秒内被发现并补上,否则整线会堵。

公司称完整回路已经跑通,但没有公布当前实测成功率,也没有公布规格与价格。这个信息缺口很重要:回路跑通说明动作序列可行,成功率才是能不能上岗的分界线,两者之间往往隔着几个月的调参。

薄透明袋是这个工位最麻烦的部分。袋子会反光、会起褶、会因为静电贴在零件上,视觉模型看到的是不断变化的镜面高光,而不是稳定的形状。这类任务过去主要靠定制视觉方案解决,用通用模型处理,考验的是它在训练数据里见过多少类似的杂乱场景。

不自建大模型,从开源模型起步

华硕明确表示不会自研机器人大模型,起点是"领先的开源模型",具体是哪一个没有披露。这个选择在当下的产业环境里不算激进,因为通用视觉语言动作模型的能力在过去一年提升很快,自建一套的性价比在下降。

不自研不等于不调。把开源模型放到自己的工位上,需要解决的问题包括:本体的动作空间映射、力控参数、节拍约束、异常恢复策略。这些工作不像训练模型那样能写进论文,但它们决定了模型能不能在一个具体工位上跑到99.5%。

更关键的是数据。开源模型知道"抓一个盒子"大概是什么动作,不知道华硕这个工位上第7号零件要捏哪个边、放进去时要不要压一下。这些细节只能靠在现场采集示范来补,而采集的方式,决定了这套系统能不能复制到第二个工位。

20秒的节拍也不是随便定的。它来自产线既有节拍,机器人要插进原有流程,不能要求整线为它降速。这条约束反过来限制每个动作的时间预算:拆袋两秒、取件三秒、放到位两秒,留给失败重试的余量只有几秒,所有动作要领都得按毫秒排出来。

四层固定接口才是这台机器的设计重点

Gallop的架构分成四层:规划器负责把任务拆成步骤,监督器逐步校验并在出错时重新规划,技能层执行伸手、抓取、放置这些动作,控制层驱动手臂与手并在异常时急停。四层之间的接口是固定的。

接口固定带来一个直接的好处:模型可以换。每几个月出现一个更好的基座,替换的是某一层里的模型,整机不需要重新设计,标定与安全逻辑也不用重做。这是把"模型迭代"和"机械迭代"解耦,对一个硬件生命周期五到八年的产品来说,这个设计比任何单点精度都重要。

分层的代价是信息损耗。规划器拆出的步骤要变成监督器能校验的形式,监督器校验通过的结果要变成技能层能执行的参数,每一层转换都会丢掉一些上下文。层数越多,出错时定位越难,这也是为什么工业系统通常要在每层加日志。

还有一条设计取向写在华硕的表述里:机器人必须承担大部分工作,如果人还得全程站在旁边,就没有任何收益。

数据从三个地方来

第一条路径是工人示范。工人佩戴头戴摄像头操作,采集第一视角的手部动作与零件状态,采集前经过本人同意。这种方式拿到的数据最贴近真实工位,缺点是慢,而且工人的操作习惯各不相同,需要筛选。

第二条是仿真。把采集到的动作放到仿真环境里生成变体,改变光照、零件摆放、袋子褶皱的程度,用批量生成补足真实数据覆盖不到的情况。第三条是遥操作,操作员戴VR头显与手套,用真实零件引导机器人完成动作,这条路径拿到的数据质量最高,成本也最高。

三条路径组合起来,实际上是在解决同一个问题:真实工位上的失败样本太少。一个工位一天跑几千次,出错可能只有几次,靠等是等不到足够样本的。仿真与遥操作的作用是把稀有情况变成可重复的实验。

这套采集方式还有一个隐含要求:示范要一致。十个工人有十种手法,如果直接混在一起训练,模型学到的是一堆互相矛盾的策略,动作会变得犹豫。实际做法通常是先由工艺工程师定一版标准动作,再用它去筛示范,把偏差大的样本剔掉。

一颗Thor够不够

Gallop机内只有一块NVIDIA Jetson AGX Thor,运行标准机器人软件。本体与带触觉的灵巧手由华硕自行设计,电机等标准件来自既有供应商。单芯片方案的好处是成本、功耗与散热都好控制,坏处是算力上限固定。

算力够不够取决于模型放在哪里。如果视觉语言模型在边缘跑,Thor要同时承担感知、推理与控制,余量会很紧;如果重推理放在工厂侧的服务器上,机上只跑策略网络,一颗Thor是够的。华硕没有说明推理是怎么分配的,这个选择会直接影响延迟与断网时的可用性。

触觉是另一个变量。带触觉的灵巧手能感知滑移与接触力,这对薄袋取件特别有用,因为视觉看不到袋内的零件是否被带起。但触觉数据要在毫秒级进入控制回路,它对算力与总线延迟的要求,比视觉更高。

散热也不能忽略。固定基座意味着机身有空间做风冷,比双足人形的关节空间宽裕,这是它选这个形态的隐性好处之一。

时间表与它的现实含义

官方给出的节奏是:未来一年内装上自研灵巧手、加轮式底盘;2027年在台北国际电脑展向客户展示;2027年开始客户试点;面向市场供应的目标定在2028年下半年。先做电子制造,再考虑医院与服务场所。

这个时间表说明它现在是内部验证阶段的产物,不是可售产品。对观察者来说,真正要看的是三个节点:2027年展示时能不能给出连续运行的时长与人工介入频率,客户试点时公布的是台数还是工位数,2028年供货时的价格与备件体系。

放到行业里看,华硕这一步的位置很清楚:它不争"最像人",争的是"能上班"。固定基座、单芯片、开源基座加固定分层,这套组合的每一处都在压低成本与提高可维护性,而不是追求通用性。这条路走通了,受益的是大量有明确工位、但请不到人的制造企业。

素材来源:华硕官方博文、CNBC、Humanoids Daily 发布时间:2026-11-15