Why today's humanoids won't learn dexterity

• ID: 45392922

• Link: https://rodneybrooks.com/why-todays-humanoids-wont-learn-dexterity/

系统性分析报告：为什么当今的人形机器人无法学会灵巧

1. 关键词与一句话总结

关键词

1. 人形机器人

2. 灵巧操作

3. 端到端学习

4. 触觉感知 / 触觉反馈

5. 机器人安全与运动

这些关键词涵盖了论点的核心技术、经济和哲学维度——涉及硬件限制、学习范式、传感器需求以及现实部署的约束。

一句话总结

尽管在类人机器人领域有巨额投资，但当前依赖纯视觉端到端学习的方法无法实现人类水平的灵巧性，因为它们忽视了丰富的触觉反馈、力感知和生物力学安全的关键作用。机器人必须直面传感器设计、数据收集、具身认知和物理交互方面数十年来未解决的挑战，而这些问题不可能仅靠规模化蛮力解决。

2. 核心内容与背景

主要论点是什么？

文章认为，当今的人形机器人——尽管获得了特斯拉、Figure 等科技巨头和风险投资数十亿美元的投资——从根本上无法实现真正的灵巧性，原因在于一个错误的假设：仅通过观看人手操纵物体的视频（基于视觉的机器学习）就足以训练机器人操作能力。

机器人工程先驱 Rodney Brooks 认为，这种方法忽视了触觉和触感反馈的关键作用，而人类正是严重依赖它们来完成精细运动。他指出，如果不能复制或模拟人类触觉的生物学丰富性——包括机械感受器、肌梭、高尔基腱器官和习得的内部模型——机器人就无法可靠地完成复杂的、自适应的操作任务。

此外，他还批评了更广泛的生态系统：

• 过度依赖“端到端”深度学习，却忽视了语音、视觉和语言 AI 成功所需的领域特定预处理。

• 使用刚性驱动器和高能量稳定算法的全尺寸双足机器人存在物理危险。

• 通用人形机器人的理想与专用自动化的现实需求之间存在根本性错位。

所探讨的核心问题

人形机器人能否仅凭被动视觉模仿学习掌握人类水平的灵巧性？

Brooks 的回答是：不能，因为：

• 灵巧性不仅需要动作，还需要力、压力、滑动检测、柔顺性和自适应抓握策略，这些都必须依赖持续的传感反馈。

• 当前训练方法（如视频模仿、无力反馈的远程操作）无法收集正确的数据类型。

• 硬件（关节手指、柔顺材料、耐用传感器）尚未能规模化存在。

• 双足运动在人类共享环境中依旧不安全。

历史与技术背景

这一批评来自 60 多年来构建灵巧机器人手和稳定双足行走器的失败尝试：

• 早期成果（1961 年麻省理工学院 Ernst 的机械臂）仅限于堆积方块。

• 工业机器人演变为使用简单夹具（平行夹爪、吸盘），而非灵巧的手。

• 学术项目（Cog、ASIMO、ATLAS、NAO）虽有进展，但从未实现广泛灵巧性。

• 最近生成式 AI 的热潮波及机器人领域，导致企业误以为扩大模仿学习规模能解决操作问题。

Brooks 将此与以往 AI 突破（语音识别、图像标注、大语言模型）相比较，指出它们的成功都是在人类设计了前端表示（MFCCs、CNNs、分词）与生物感知对齐后才实现的。而机器人学缺乏触觉方面的“桥梁”，因为我们没有数字化、存储或传输触觉经验的传统。

因此，这一领域试图用工程捷径跨越基础科学——Brooks 认为这注定失败。

3. 用户评论分析

用户关注点与主题

A. 对触觉必要性的怀疑

一些用户质疑高保真触觉的必要性：

• whatever1: 声称厚手套也不妨碍拿玻璃杯。

• Sevii、freehorse: 反驳称即使戴手套，人类仍能获得间接压力反馈。

• card_zero: 指出先前训练能弥补感知损失。

🔍 洞察：用户混淆了适应后表现与从零学习。这支持了 Brooks 的观点：人类利用记忆和预测，但机器人从零开始必须依赖实时反馈。

B. 数据替代与传感器替代

用户提出替代方案：

• cornholio: 使用电机电流和加速度计作为力的代理。

• Animats: 建议使用刚性工具（如扳手）获取足够的六自由度力数据。

• Retric: 强调时变力-位置交互的重要性。

💡 产品/投资价值：这些是可行的传感器融合途径。即使粗糙的本体感受 + 电机反馈也能支持基础灵巧性。机会在于开发低成本、嵌入式力估计系统，利用现有执行器遥测数据。

C. 仿真与合成数据

• xnx、Nevermark、Jensson: 倡导用仿真进行规模化训练。

• mikaraento: 警告仿真与现实存在差距。

• Google DeepMind MuJoCo 被认为是当前最先进的工具。

🚀 市场信号：高保真物理仿真正在变得可行。投资机会在于仿真到现实迁移平台，尤其是能处理材料变形、摩擦和磨损的系统。

D. 形态争论

• rfv6723、recursivecaveat: 认为轮子比双腿更高效且更安全。

• dudeinjapan、Tavavex: 认为世界是为人类而建 → 人形形态可能仍将主导。

• Terr_: 强调有机四肢的生物优势。

🧩 战略洞察： “人形机器人”的定义将演变。未来的“人形”可能有轮子、一只手臂，或非拟人化的身体，但仍会以此名义营销。预计品牌中的语义膨胀。

E. 经济与采用障碍

• Nevermark: 指出任务成本比软件 AI 高出几个数量级。

• alexey-salmin: 将人类比作自组装、自修复的机器人。

• chmod775: 强调肌纤维的单位性能优于电机。

💰 投资警示：硬件经济依旧残酷。ROI 时间远长于软件。投资者应关注渐进式自动化细分领域，而非登月式项目。

F. 哲学与进化反思

• kerningije: 质疑我们是否真正理解复杂性。

• frutiger、WalterBright: 反思人类创造类生命机器的欲望。

• manmal: 提议为机器人重新设计环境。

🌐 大局观：驱动人形机器人发展的不仅是实用性，还有文化心理需求——拟人化、陪伴、存在主义野心。这推动了资金流入，尽管技术障碍重重。

4. 投资视角

是否有可投资机会？

有——但不在当今依赖视频模仿追逐灵巧性的人形初创公司。

真正的机会在于使能技术和邻近市场：

潜在投资路径

应避免

• 声称 2–5 年内能实现通用灵巧的人形机器人公司。

• 单纯依赖视觉模仿、未整合触觉的公司。

• 忽视双足安全问题的企业。

✅ 建议：资本应投向组件级创新与仿真基础设施，而非最终人形产品。

5. 市场视角

市场是否需要灵巧的人形机器人？

不是直接需求。但市场确实需要在非结构化环境中替代劳动力：

• 仓储

• 老年护理

• 零售补货

• 轻制造

然而，这些任务大多数并不需要完整的灵巧性，而是需要可靠的抓取、物体识别、移动和情境感知。

产品战略启示

机会 1：重新定义“人形”

正如 Brooks 所预测，未来的“人形”将：

• 以轮子代替双腿

• 配备 1–2 只手臂而非两只

• 使用平行夹爪或吸盘而非五指手

• 搭载多光谱传感器（LiDAR、热成像、主动视觉）

机会 2：环境适配

不是让机器人像人，而是让环境更适合机器人：

• 标准化货箱、标签、易抓表面

• RFID/NFC 物体标签

• 工具对接站

机会 3：远程操作 + AI 辅助

结合人工在环与 AI 增强：

• 远程操作员通过触觉反馈操控机器人

• AI 处理重复子任务

• 随模型改进逐步实现自主

机会 4：专用灵巧机器人

不追求通用性，专攻高价值任务：

• 外科手术助手

• 电子组装

• 危险物料处理

6. 关键信号与隐藏风险

最重要的信号

关键风险

7. 决策辅助部分

A. 时间表预测

⏳ 结论：在 2035–2040 前不要期待人类水平的灵巧性。

B. 战略框架

C. 替代未来

1. 轮式胜出：无腿轮式机器人主导室内场景。

2. 群体协作：小型机器人群体协作取代单个人形。

3. 云脑本地体：云端 AI 控制多个轻型机器人。

4. 生物混合系统：机器整合实验室培育组织。

5. 增强人类：外骨骼和可穿戴设备增强人类，而非取代。

8. 总结与建议

最终总结

当今的人形机器人难以实现真正灵巧性，原因在于数据不完整（仅依赖视觉）、硬件不足（无触觉感知、刚性驱动器）、设计不安全（高能双足控制）。以往 AI 的突破都依赖与生物对齐的预处理，而机器人学缺少这一环节。真正进展将来自构建实用、安全、经济可行的专用系统，而非模仿人类。

“人形”的未来不在于复制，而在于重新定义：轮式、模块化、多传感器的系统能高效工作，而无需假装成人类。

可执行建议

✅ 对投资者：

• 将机器人预算 70% 投向组件技术：触觉传感器、SEA、仿真引擎。

• 避免投资缺乏触觉路线图的人形公司。

• 谨慎使用 ETF（如 ROBO、BOTZ），更倾向直接投资使能技术。

✅ 对产品规划者：

• 从窄任务入手：货架补货、箱体分拣、托盘堆放。

• 以失败为设计前提：跌倒、滑动、抓取失误。

• 集成环境设计：与客户协作标准化接口。

✅ 对项目领导者：

• 采用物理感知的仿真到现实管线（MuJoCo、Isaac Sim）。

• 收集多模态数据：视觉 + 力 + 扭矩 + 本体感受。

• 先行试点远程操作，再逐步引入自主性。

✅ 长期愿景：

• 重新定义成功：不是“会折衣服的机器人”，而是“能降低家庭/仓库劳动力成本的系统”。

• 拥抱混合智能：结合 AI、远程人类、本地自主性。

• 准备迎接监管：安全是瓶颈，而非智能。

🔚 最终思考：人形机器人的梦想反映了人类最深的愿望与盲点。真正的革命不会来自制造像我们一样的机器，而是来自构建能与我们合作的系统——安全、可靠、可负担。这个未来已经开始，只是它的形状与我们想象的不同。

Show HN: The Unite real time operating system

A replica of Citizen Quartz watch based on Harel's paper introducing statecharts

JackTrip: Multi-machine audio network performance over the Internet

A 3K-year-old copper smelting site could be key to understanding origins of iron

Extrapolating quantum factoring

I built ChatGPT with Minecraft redstone [video]

In C++ modules globally unique module names seem to be unavoidable

Tactility: An ESP32 OS

IP over Lasers

Leading artists reveal the fabricators they entrust with their creations

Show HN: Glide, an extensible, keyboard-focused web browser

Category Theory Illustrated – Natural Transformations

F3: Open-source data file format for the future [pdf]

Unix philosophy and filesystem access makes Claude Code amazing

Show HN: Autism Simulator

Building the heap: racking 30 petabytes of hard drives for pretraining

Ask HN: Who wants to be hired? (October 2025)

Ask HN: Who is hiring? (October 2025)

Long-distance and wide-area detection of gene expression in living bacteria

Gmail will no longer support checking emails from third-party accounts via POP

The RAG Obituary: Killed by agents, buried by context windows

OpenTSLM: Language models that understand time series

Don't avoid workplace politics

Jane Goodall has died

Increasing your practice surface area

Edge264 – Minimalist, high-performance software decoder for H.264/AVC video

Cormac McCarthy's personal library

Keyhive – Local-first access control

Immich v2.0.0 – First stable release

本期内容已结束