自主系统研发：从喊"全自主"到蹲"落地"，行业终于冷静了
上个月跟做港口无人系统的老陈喝夜啤，他拍着木桌子骂，现在再有人跟他吹自己做的是"100%全自主系统"，他直接拎包走。
全是坑。
谁信谁倒霉。
港口集装箱码头自主集卡作业实景
前年青岛港那个测试项目，我去看过，号称全自主的集卡，碰上雾天摄像头起雾，直接把停错位置的集装箱刮了，三个箱子变形，赔了小一百万。最后还不是得留专人远程盯梢，随时准备接管？
说实话，那时候大家对自主系统的理解太想当然了。觉得堆点算力，训点数据，就能让机器搞定所有事。
“人在回路”的混合自主，现在才是产业落地唯一走得通的路。
哪有那么多全自主？你让机器人去山里巡检输电塔，碰到野狗冲过来，它哪训练过这个场景？不得人远程操作躲开？
高校实验室里做的全自主，都是在封闭干净的环境里测的，看起来数据漂亮，一放到真实世界，全露馅。
煤矿井下自主巡检机器人现场测试图
去年山西一个做煤矿巡检机器人的创业公司，拿了千万融资，上线前测试都挺好，结果放到井下没半个月，碰到巷道掉下来的一块碎石，机器人认不出来这是障碍物，直接卡那儿动不了，害得矿工摸黑走了两公里去拖出来。
后来呢？钱烧完了，团队散了。
不过话说回来，也不能全怪创业者，那时候风向就是这样，投资人就爱听“全自主”“颠覆性”，你说你做半自主，人家觉得你技术不行，不给钱。
现在大家慢慢想明白了，给自主能力分级，比吹“全自主”有价值一万倍。
你是能在封闭工厂用，还是能在半开放道路用，还是能在全开放野外能用，分清楚级别，该在哪落地就在哪落地，不香吗？
很多人说大模型出来了，能解决自主系统的问题了。说实话，大模型能帮你做路径规划，能帮你做语义理解，但碰到真实物理世界的突发情况，该掉链子还是掉链子。大模型不是万能仙丹。
接下来三年，自主系统研发的真正破局点
最近跑了几个高校实验室和产业公司，我倒觉得，现在行业冷静下来了，反而能出真东西。
第一个破局点，就是数字孪生驱动的预训练。
原来你要测各种极端场景，得去现场跑，费钱费时间还危险。现在先把真实场景一比一复刻到数字孪生系统里，把所有能想到的奇葩场景都在数字世界跑几十万遍，训一遍模型，再放到真实世界调试，试错成本直接降了八成。
上个月看大疆农业机器人团队发的成果，就是用数字孪生预训练，原来训一个新地形的模型要一个月，现在三天就能搞定，准确率还提升了十几个点。
第二个破局点，就是小样本快速适配。
说白了，就是给你一个新场景，不用动辄几个月重新训模型，工程师调两天就能用。对于很多细分领域的中小企业来说，他们没那么多标注数据，也没那么多算力，能快速适配比什么都重要。
第三个就是专用化的基础模型底座。现在很多大模型团队都开始做专门给自主系统用的底座，不是给你聊天用的，是专门针对环境感知、运动控制、动态规划优化的，方向对了，就比瞎堆通用大模型有用得多。
我上周看浙大那个足式机器人团队的野外测试，他们做的自主导航，在浙江的山林里走，碰到湿滑的陡坡，碎石头，自己就能调整重心，绕开障碍，走了三个多小时没要人工接管一次，这才是真的技术进步。
哪像那些PPT上的全自主，只能在实验室的平地上走两步，拍个视频就拿去吹。
现在这个圈子，终于从追概念变成追落地了。挺好。
能在特定场景帮人把活干了，能帮企业省人力，能赚钱，这才是自主系统研发该干的事。别天天想着一口吃成胖子，慢慢来，反而快。
从"要全自主"到"稳半自主"，五年走了一大圈弯路
五六年前刚火的时候，圈子里哪个项目不说自己做全自主？融资PPT不放个"完全脱离人工"的标题，都不好意思见投资人。 不管是自动驾驶、巡检机器人还是工业无人作业，全往全自主上靠。好像不做全自主，就是技术落后。 结果呢？港口集装箱码头自主集卡作业实景
前年青岛港那个测试项目，我去看过，号称全自主的集卡，碰上雾天摄像头起雾，直接把停错位置的集装箱刮了，三个箱子变形，赔了小一百万。最后还不是得留专人远程盯梢，随时准备接管？
说实话，那时候大家对自主系统的理解太想当然了。觉得堆点算力，训点数据，就能让机器搞定所有事。
“人在回路”的混合自主，现在才是产业落地唯一走得通的路。
哪有那么多全自主？你让机器人去山里巡检输电塔，碰到野狗冲过来，它哪训练过这个场景？不得人远程操作躲开？
高校实验室里做的全自主，都是在封闭干净的环境里测的，看起来数据漂亮，一放到真实世界，全露馅。
自主系统研发的死结：90%的项目都栽在未知泛化上
我接触过不下十个做自主系统创业的团队，十个里有八个死在同一个地方：未知场景的泛化能力。 大家都觉得，不就是识别障碍物吗？训几百万张图片不就得了？ 哪知道真实世界的奇葩场景，比你训练数据里的多一百倍。 下雪天轮胎打滑、下雨雷达起雾、半道冲出来个穿花衣服的行人、路边树枝把激光雷达挡住一块……你根本不可能把所有场景都训一遍。煤矿井下自主巡检机器人现场测试图
去年山西一个做煤矿巡检机器人的创业公司，拿了千万融资，上线前测试都挺好，结果放到井下没半个月，碰到巷道掉下来的一块碎石，机器人认不出来这是障碍物，直接卡那儿动不了，害得矿工摸黑走了两公里去拖出来。
后来呢？钱烧完了，团队散了。
不过话说回来，也不能全怪创业者，那时候风向就是这样，投资人就爱听“全自主”“颠覆性”，你说你做半自主，人家觉得你技术不行，不给钱。
现在大家慢慢想明白了，给自主能力分级，比吹“全自主”有价值一万倍。
你是能在封闭工厂用，还是能在半开放道路用，还是能在全开放野外能用，分清楚级别，该在哪落地就在哪落地，不香吗？
很多人说大模型出来了，能解决自主系统的问题了。说实话，大模型能帮你做路径规划，能帮你做语义理解，但碰到真实物理世界的突发情况，该掉链子还是掉链子。大模型不是万能仙丹。
接下来三年，自主系统研发的真正破局点
接下来三年，自主系统研发的真正破局点
最近跑了几个高校实验室和产业公司，我倒觉得，现在行业冷静下来了，反而能出真东西。
第一个破局点，就是数字孪生驱动的预训练。
原来你要测各种极端场景，得去现场跑，费钱费时间还危险。现在先把真实场景一比一复刻到数字孪生系统里，把所有能想到的奇葩场景都在数字世界跑几十万遍，训一遍模型，再放到真实世界调试，试错成本直接降了八成。
上个月看大疆农业机器人团队发的成果，就是用数字孪生预训练，原来训一个新地形的模型要一个月，现在三天就能搞定，准确率还提升了十几个点。
第二个破局点，就是小样本快速适配。
说白了，就是给你一个新场景，不用动辄几个月重新训模型，工程师调两天就能用。对于很多细分领域的中小企业来说，他们没那么多标注数据，也没那么多算力，能快速适配比什么都重要。
第三个就是专用化的基础模型底座。现在很多大模型团队都开始做专门给自主系统用的底座，不是给你聊天用的，是专门针对环境感知、运动控制、动态规划优化的，方向对了，就比瞎堆通用大模型有用得多。
我上周看浙大那个足式机器人团队的野外测试，他们做的自主导航，在浙江的山林里走，碰到湿滑的陡坡，碎石头，自己就能调整重心，绕开障碍，走了三个多小时没要人工接管一次，这才是真的技术进步。
哪像那些PPT上的全自主，只能在实验室的平地上走两步，拍个视频就拿去吹。
现在这个圈子，终于从追概念变成追落地了。挺好。
能在特定场景帮人把活干了，能帮企业省人力，能赚钱，这才是自主系统研发该干的事。别天天想着一口吃成胖子，慢慢来，反而快。