点击下方
卡片
，关注
「3DCV」
公众号
选择
星标
，干货第一时间送达
编辑：计算机视觉life
添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附3D视觉行业细分群。
扫描下方二维码，加入
3D视觉知识星球
，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：
近20门视频课程（星球成员免费学习）
、
最新顶会论文
、计算机视觉书籍
、
优质3D视觉算法源码
等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！
作者：李淼robot,原文链接：
https://www.zhihu.com/question/542327589/answer/3589638703
从2014年的协作机器人到现在的人形机器人，机器人这个概念每隔几年，就会全世界集体自high一次。这一次的大模型的兴起，使得很多人认为人形机器人解放人类指日可待。无论这个问题下的答案如何天花乱坠，从技术层面，机器人尤其是机器人操作的本质难点还在那里。
实际上，抛开所有的虚幻的概念，机器人尤其是人形机器人和一般的机械臂，还是要落实到物理世界，解决一个个的实际的物理的操作问题。而一旦涉及到物理的操作问题，最重要的就是接触的问题（contact）。
过去几年，能够大规模落地的机器人，无一不都是避开了直接的接触问题的场景
扫地机器人用吸尘器和滚刷，无人机干脆在天上飞，物流AGV是在用轮子简化接触问题。
而
一旦涉及到具体的接触，之所以难，是因为接触的模型存在大量的不确定性。而机器人操作又需要随时随地的处理这种不确定性，更不要说因为复杂的灵巧操作所带来的问题的复杂性
。在接触接触问题上，传统的思路无非就是两种：model-based and learning-based。在2010年以前，几乎所有的思路都是模型驱动的，采用传统的基于力学的方法，对接触的状态进行建模，然后来推演动力学，但这种方法需要实现知道环境中各种物体的物理参数，显然不是很现实的，就好比我们拿一个苹果还需要知道苹果的杨氏模量。
2010年之后，一个显著的变化是大家开始更多的结合机器学习里面的方法，通过各种传感器的数据来做学习，通过学习的方式来估计或者表征接触的状态，这个方向有大量优秀的文章。而这些传感器中，最重要和最直接的其实就是触觉传感器（tactile sensor）。
而触觉感知，又因为其复杂性，一直没有达到视觉的普及程度
，甚至关于人类触觉感知方面的工作也在三年前才获得诺贝尔奖。机器人上的触觉传感器更是还没有统一下来，最近几年很火的视触觉类似GelSight，我个人认为可能也只是一时的过渡方案，还很难达到大规模低成本的高可靠的制造。这一块未来肯定会有一波大的机会。
另外一个就是数据，
如何获取大规模的接触的数据，这个目前做的人就更少了，触觉数据的获取，在仿真里面的难度很大，真实性又得不到保证
，未来大规模的获取低成本的操作过程中的触觉数据，可能也是一个game changer。
另外，回到大模型本身，大模型和机器人的结合，不一定是我们想象的终极形态的人形机器人。可能会诞生很多大量的端侧智能硬件，重新定义或者开创出一些新的玩法。所以回到题目本身，
人形机器人的发展前景是不确定的，还有不少短板需要去攻克。但发展人形机器人的过程，会带来很多不一样的玩法和机会。前景肯定有，但商业的机会也许不在人形机器人本身。
这里给大家推荐一门我们最新的课程
《
具身智能，从入门到实战系统教程！》
：
