文｜盧瀅西 周文斌

“特斯拉是有四個輪子的機器人，而Optimus就是有兩條腿的機器人。”

北京時間10月1日，特斯拉CEO馬斯克在2022年AI Day上，正式發布人形機器人擎天柱Optimus原型機，展示了人形機器人在汽車工廠搬運箱子、澆植物、移動金屬棒的視頻。

“擎天柱”在搬運箱子

馬斯克一直在強調“我們就是想盡快設計出有用的量產機器人”，售價要在2萬美元左右，3～5年內實現量產。這決定了機器人的整體設計路線，走的并不是如波士頓動力一樣“高大上”的實驗室路線。

除了人形機器人的炫酷之外，作為機器人和智能汽車共同應用的部分，自動駕駛也是此次AI DAY的重要組成部分。

這次AI DAY上，特斯拉從基礎訓練、Occupancy系統、車道和物體、規劃、人工智能編譯器和推理、自動貼標、模擬、數據引擎這八個部分，整體介紹了自家自動駕駛從環境感知、數據收集、訓練、處理、到應用的整套流程。

而從這次介紹中我們也發現，特斯拉的自動駕駛技術方案于8月底毫末在AI DAY上提出的方向都頗有許多一致性。

比如雙方都對云端訓練的重視，并投入了大量的資源在超算中心和云端訓練算法上。比如在車端推理上基于Attention的 transformer做前融合，比如仿真訓練，以及自然語言處理等等。

這其實都在說明，無論是國外還是國內，自動駕駛在工程化上的探索，終于走到了相互交集的時候。下面一起來看看具體內容。

3年量產、售價2萬美元，人形機器人有哪些技術細節？

1、“擎天柱”的整體情況

在去年AI Day上介紹特斯拉機器人的概念以后，“擎天柱”一共迭代了三個版本。最新一代的“擎天柱”身高170cm，體重73kg，用電功率在靜坐時為100W，快走時500W，全身有200多個自由度，手部27個自由度。

“擎天柱”的內部構造

設計“擎天柱”的過程中，為了減少功耗，特斯拉將配電和計算集中到軀干中心，在軀干里裝了一個2．3千瓦時的電池組，并且還搭載著特斯拉自研的SoC芯片，配備Wi－Fi和LTE連接網絡。特斯拉官方稱，這個電池組能夠維持機器人一整天的工作，但有媒體根據已知的數據測算，如果不間斷地工作，“擎天柱”的續航時間大概在1．5－2小時之間。

在大腦部分，特斯拉的全自動駕駛系統FSD直接被應用在擎天柱身上，但由于人形機器人的需求和形式與汽車仍然存在差異，因此，還做了三方面的改變。

首先，基于多個感官傳感輸入，讓機器人能夠處理視覺數據并做出決策；其次，有很多無線連接和音頻支持通信。另外，在硬件上，“擎天柱”也需要確保安全性，包括保護機器人本身和機器人周圍的人，這就涉及到機器人的四肢控制。

機器人的結構基礎上，人形機器人復用了特斯拉汽車基于物理的生產能力以及模擬能力，讓用于汽車撞擊實驗的軟件也來做機器人的撞擊實驗，進行損害破壞的控制，防止昂貴的“大腦”過度損傷。同時，“擎天柱”身上有很多的執行器，通過這些執行器可以讓人形機器人完成比如上樓、下蹲、拿東西等各類任務。

2、“擎天柱”靠什么動起來？

實現這些動作就需要設定相應的指標，而這些設計也來自于一些生物學的非線性原理。通過展示出機器人在進行上樓梯、下蹲等動作時，關節會呈現什么樣的壓力曲線，來滿足安全性的相關要求。另外，動作的實施也對執行器的扭矩提出相關要求。

那么“擎天柱 ”的執行器是如何設計、生產出來的呢？

在機器人身上，執行器所執行的工作與關節所要承受的壓力相關，在實踐之前需要先進行驗證，將相關參數放到優化模型中來適應不同的場景，根據任務所需能耗和時間來對執行器的成本進行詳細設計。因此，特斯拉先對“擎天柱”的28個結構執行器進行共性分析，測試如何讓執行器可以滿足多于一個關節的要求，再進行點云解析。

點云解析

發布會上透露，執行器一共有6種不同的設計，它們的扭矩、輸出力和質量都完全不同。機器人身體不同部分的關節自由度各不相同，因此需要在極限情況下對執行器進行測試。AI DAY的現場，通過一段提起一架將近半噸的鋼琴的視頻，對執行器的承壓能力進行了演示。

6種不同設計的執行器

在手部的抓取上，特斯拉的人形機器人團隊為“擎天柱”設計了金屬基件，通過金屬基件驅動機器人的手，能夠抓取很小、很薄的東西。此外，“擎天柱”的手指上還裝有手指驅動器，離合機制讓機器人即使不打開手也能夠進行活動。

“擎天柱”的手部關節展示

3、“擎天柱”如何實現看得見、走得穩？

“擎天柱”機器人采用了和汽車一樣的感知方案——用攝像頭輸入數據，以神經網絡進行計算。同時，在運動、規劃和控制性上，特斯拉已經在汽車場景上積累了不少經驗，形成了一套FSD系統，而運動規劃的沉淀又可以復用到機器人上，生成機器人運動學模型進行相應的路徑規劃。

為了讓人形機器人對時間和空間形成一定的記憶，特斯拉對“擎天柱”進行了一系列的訓練，改善了占用網絡使用方法，使得機器人能夠更準確、快速地識別行駛區域。此外，還運用了大量的渲染，讓人形機器人能夠與現實環境更好地互動。

機器人看到的世界

在人形機器人關鍵的運動控制方面，雖然“擎天柱”目前能夠實現整體的平衡，但在現實中，機器人不僅要有對于自身物理存在的感知以及對周圍環境的完整感知，還需要讓運動軌跡和機器人可以提供的支撐力量更好地結合，防止跌跌撞撞的情況發生，扭矩是其中非常重要的一個因素。

只有使用傳感器和計算機視覺對周圍世界的感知進行動態評估，才能確保機器人保持良好的姿態和步態。

為此，特斯拉通過對動作進行捕捉后，做可視化處理，形成“關鍵幀”。軀干、手、腿的位置都會做詳細的關鍵幀分析，再將這些數據映射到機器人身上，更好地實現軌跡優化。

目前，特斯拉已經搜集了很多數據并建立了可用的數據庫，通過軌跡優化程序讓機器人能夠更好地了解自己的物理位置以及物理軌跡。

運動軌跡

這個被網友戲稱，跟小米的“鐵大”住在同一個養老院的“擎天柱”雖然目前功能并不完善，甚至走得都不算穩健，但馬斯克對人形機器人的未來依然充滿信心：“擎天柱預計產量非常高，未來可達數百萬臺。價格將比汽車低得多，可能不到2萬美元。”

       16萬客戶，年底全球推出，特斯拉自動駕駛有哪些進展？

這次AI DAY 除了人形機器人之外，自動駕駛也是重要組成部分。

會上，特斯拉Autopilot負責人Ashok Ellaswamy表示，2021年特斯拉FSD Beta只有2000名客戶，但如今這一數字增長到16萬，而這一成果，來源于自動駕駛團隊對75，000多個神經網絡模型進行訓練。

而在具體實踐方面，自動駕駛面臨哪些問題、挑戰，以及解決方案，這次AI DAY上特斯拉也從基礎訓練、Occupancy系統、車道和物體，規劃、人工智能編譯器和推理、自動貼標、模擬、數據引擎這八個部分分別進行了細致的講解。

特斯拉自動駕駛實踐模型

1、路線規劃與計算

首先是路線規劃方面，特斯拉向觀眾展示了一個十字路口行人過馬路場景，自動駕駛的車輛要繞過行人實現左轉，如何把握最好的轉向時機、是從行人的前方通過，還是從后方繞行、以及如何防止和周圍的車輛發生碰撞，都是路線規劃方面的問題。

在這個場景中，特斯拉自動駕駛可以通過大量的計算實現路線規劃和障礙物的規避。

簡單來說，就是自動駕駛首先通過感知系統識別感知到障礙物，比如圖片中正在過馬路的路人，然后通過對它的行進軌跡、行進速度計算得出它可能的行進路線。

就像這樣，特斯拉需要將這個路口周圍所有的障礙物的軌跡都計算出來，然后再根據自己行動速度進行路線規劃，看是從他的前方通過，還是從后面繞行。

這個過程說起來簡單，但實際的決策會涉及到許多規劃的問題，比如后方突然來車，就需要用到防碰撞系統。因此整個系統具體可以包括軌跡評分、碰撞計算、平順性分析、進入性可行性分析四個部分。

       2、Occupancy網絡和視頻訓練庫

在路線規劃系統背后，就需要應用到大量的計算和強大的環境感知，也就是后面提到的Occupancy，即占用網絡。通過占據網絡，特斯拉可以讓模型獲得預測物體所占據空間的能力，并在向量空間里生成由一個個立方體組成的環境。

有這個環境作為基礎，特斯拉自動駕駛在行駛過程中，路線規劃就會可以避開這些“立方體”，車輛可以在不必識別出具體是什么障礙物的情況下做出避讓動作。除此之外，FSD還可以借助該數字環境識別道路坡度／曲率，讓車輛根據實際道路情況提前預測加速／減速，進一步提高安全性和舒適度。

由于數據訓練都是基于大量原始視頻文件，所以特斯拉為此專門設計了一個視頻訓練庫，它可以存儲大量的視頻原始文件并直接提供給服務器使用。

相比普通的存儲服務器，這個視頻訓練庫可以讓訓練速度提升30％，存儲文件的空間下降11％，讀取速度最小每秒讀寫次數提升4倍。

3、自動標注與仿真訓練

擁有了數據，緊接著而來的問題就是對數據進行標注和處理。

為了完成這個任務，特斯拉內部有一個由1．4萬個GPU組成的超級計算機。這1．4萬GPU，有4千個用在了汽車貼標測試上，有1萬個用在了數據訓練。在此之外，特斯拉還有許多視頻緩存方面的應用，因為在數據訓練的時候，需要大量的圖像同時導入導出，而要保證這些圖像的流暢，就需要對緩存進行非常好的處理。

當然，即使有4千個GPU用作數據標注，但如果所有的標注都依靠人工，那光特斯拉每天收集的數據就需要人工處理幾個月的時間。所以特斯拉為此還開發了一個“數據自動標注”系統。

除了數據自動標注之外，特斯拉還在做的一個事情是仿真模擬的自動生成，這是一個類似數字孿生的的概念。通過模擬仿真，特斯拉可以在系統中對自動駕駛進行訓練，按AI DAY上的說法，這可以將自動駕駛的訓練效率提高1000倍。

仿真訓練是針對有標數據的，然后再把這些數據導入到數據引擎，看看這些仿真訓練的數據是否成立，如果不成立，就再返回去再重新計算。

仿真訓練的一個好處是，它可以模擬許多現實環境中不存在的情況，這些情況通過實際的路測很難遇到，但我們無法保證這些情況不會出現，如果一旦出現，系統沒有準備，那結果可能將是致命的。

而模擬仿真可以將這些現實極難碰到，或者不可能出現的情況模擬出來，用作自動駕駛訓練。為此，特斯拉模擬了舊金山的交通數據，這個數據如果人類來做需要一兩周甚至幾個月的時間，但是用模擬器來做，一夜之間就能完成。

4、DOJO超級計算機

說到這里，其實我們會發現，數據、訓練一直是特斯拉自動駕駛的關鍵詞，而要完成這么多的訓練，算力就成為了其中的關鍵。

用特斯拉工程師的話說， 算力是訓練的基本糧食，沒有算力，訓練會很難執行，或者效率會非常低。所以在這次AI DAY上，特斯拉也著重介紹了自家的超級計算機——DOJO。

DOJO來自日語“道場”，也有訓練場的意思。而在特斯拉內部，DOJO就是專門用來進行模擬訓練的，它往往要面對規模極大的模型，包含數以億計的數據、參數。

為了解決這些問題，特斯拉的方法是將25個D1芯片集成在一個訓練瓦片（Tile）上，讓每個訓練瓦片都具備54P算力和13．4TB／S對分帶寬。6個訓練瓦片、20片接口處理器又可以組成一個托盤，兩個托盤又可以形成一個機柜，許多個機柜組合在一起，就形成了超算DOJO。

簡單理解，其實超算DOJO就是無數個D1芯片的疊加累計。 當然這最后的效果是非常明顯的，因為每臺ExaPOD的訓練性能都具備1．1E算力、1．3T高速內存、13TB高帶寬內存，4臺即相當72個GPU機柜的訓練性能。

可以說，DOJO的出現，實現人工智能訓練的超高算力，同時擴展帶寬、減少延遲、節省成本的需求。

總的來說，在這次AI DAY上，特斯拉整體介紹了自家自動駕駛從環境感知、數據收集、訓練、處理、到應用的整套流程。

而這一切的實現，又都是從圍繞著特斯拉汽車周圍的八個攝像頭的視覺識別開始的。

通常，當一輛特斯拉的汽車行駛在路上的時候，自動駕駛首先會對汽車周圍的路況進行識別，比如墻、其他汽車、或者建筑等等，然后再導入到神經系統中，通過這個數據的導入導出進行計算，然后對未來這這些汽車行動進行規劃，然后再結合地圖信息，比如知道的車在什么位置，下一個路口需要往什么方向轉彎等等，然后再結合一些其他數據，最終實現車輛障礙物的規避和路線規劃。

整套邏輯的理論，都是汽車只專注于開好當前這段路，這就像人類駕駛員的開車邏輯一樣。這套邏輯和毫末在8月底剛剛舉辦的AI DAY上提出的方向頗有許多一致性。

這種一致性，也表現在其他方面，比如對云端訓練的重視，投入了大量的資源在超算中心和云端訓練算法上。比如在車端推理上基于Attention的 transformer做前融合，比如仿真訓練，以及自然語言處理等等。

這其實都在說明，自動駕駛在工程化上的探索，終于走到了相互交集的時候。

       原文標題 : 一個大腦、兩類終端，一文看懂特斯拉2022 AI Day