丰田研究所 CEO：人形机器人仍缺真正的「推理」能力

这篇专访来自 IEEE Spectrum，受访者是丰田研究所首席执行官吉尔・普拉特（Gill Pratt）——DARPA 机器人挑战赛的核心推动者。普拉特认为，当前人形机器人领域的真正变革不在于机械躯体，而在于人工智能赋予的「大脑」。他同时也提醒行业警惕过度炒作，因为现有系统仍停留在「模式匹配」阶段，尚未具备真正的推理能力。

核心观点：变化的不是躯体，而是「大脑」

普拉特指出，长期以来科研人员一直在研发人形结构机器人，如今的关键差异在于机器人是否终于具备与其机械潜力相匹配的「大脑」。他表示，近年人工智能领域的突破，特别是无需编写代码、通过示范即可教会机器人执行任务的方法，让机器人性能达到了前所未有的高度。

然而，普拉特强调，这种学习方式本质上仍属于「模式匹配」。他将当前大语言模型与机器人所采用的方式称为「第一系统」，即人类快速、本能的反应式思维；而包含想象与世界模型的「第二系统」慢速推理，目前仍是空白。他比喻道，试图通过修补第一系统使其具备第二系统能力，「就像挤压装满水的气球，按压一侧，水就会从另一侧鼓出来」。

技术进展与数据瓶颈

丰田研究所两年前提出扩散策略模型，随后又研发出被称为「大型行为模型」（Large Behavior Model）的技术。普拉特介绍，该技术通过单一模型完成多任务训练，每新增一项任务都能助力其他任务的学习，同时减少达到性能标准所需的训练数据量。

他指出，扩散技术应用于机器人行为控制后，从视觉输入到动作输出的行为空间操作模式效果极佳，推动了整个领域发展——此后业界看到的各类机器人演示，几乎都采用了某种形式的扩散策略模型。但他同时强调，这仍属于「第一系统」的模式匹配，机器人不会像传统手动编程机器人那样进行想象、思考与规划，仅是做出应激反应。

关于数据瓶颈，普拉特将其类比为大语言模型领域的争论：一部分人认为自回归预测模型经过弥补幻觉问题后即可打造值得信赖的系统，另一部分人则认为需要构建世界模型，让系统具备想象、试错和真正推理的能力。

自动驾驶的启示

普拉特回顾，十年前丰田研究所成立时，几乎所有人都认为自动驾驶技术即将普及；十年后的今天，技术层面已然成熟，剩余问题均为商业层面：硬件成本、保险费用、运维成本，以及技术应用的经济可行性。

他提到，自动驾驶领域的解决方案是引入人类作为后备支持——当车辆因复杂场景陷入困境时，向后台发送请求，由人类做出「第二系统」层面的决策。普拉特认为其他机器人也可采用这种模式：多数时间自主作业，偶尔主动寻求人类协助。

应用场景与老龄化挑战

普拉特解释了双足人形机器人研究的合理性：人类世界本身就是适配人类躯体结构的环境，人形结构也更利于开展模仿学习，因为机器人与人类形态一致。此外，双腿在跨越障碍物时的平衡速度远快于轮式机器人。但他同时质疑，工厂等平坦地面场景完全适配轮式机器人，业内却如此聚焦双足机器人「着实令人费解」。

丰田研究所长期关注社会老龄化问题。普拉特表示，机器人不仅能在生理层面提升生活质量，还能在心理层面发挥作用——当人们通过示范教会机器人帮助他人时，会获得强烈的价值感，机器人技术应在双向维度上回应老龄化带来的孤独感与价值感缺失。

警惕炒作泡沫

普拉特对人型机器人领域的现状表达了担忧。他指出，行业正迎来（他希望是）高预期的峰值，原因在于人们并未深入思考「第一系统」与「第二系统」的本质区别。目前实体人工智能系统仅能实现模式匹配，尽管性能出色、技术成果令人惊叹，但当下存在大量过度承诺的现象。

他警告，炒作泡沫终将导致行业陷入低谷，随之而来的理想破灭期值得警惕。普拉特建议引入类似控制系统中的「阻尼效应」，让媒体与学术界发挥超前补偿作用，提醒大众当前人形机器人并不具备真正的推理能力。他以自动驾驶领域为例，指出仅有少数保持理性、不盲目炒作且坚持不懈的企业存活下来，机器人行业大概率也会如此。