特斯拉的马斯克说过，人形机器人就是没有汽车轮子的自动驾驶，这句话虽然听着有些搞笑，但是从技术层面上来说这句话也确实没有什么大的问题的，甚至可以说挺准确的，这里不得不说马斯克作为技术出身的创业者虽然成了企业家和富豪但是其对技术的理解和未来技术走向的嗅觉依旧是极为强悍的。


不论智能机器人还是自动驾驶，都是根据视觉感知和语音感知和人类执行数据来进行学习的，最后控制的也都是执行器的执行，不论是实时的环境感知、地图构建、动作规则和动作决策等等技术方面，可以说二者都是几乎一致的，但是虽然二者用到的技术方向相同但是也是有一定区别的，这个区别在于对于不同应用场景下二者对具体技术点的要求不同。



实时感知方向：

自动驾驶要求对地图的精度要有极高的精度并且地图的覆盖面要广，并且实时的地图构建加上预购建的3D高清地图都是需要的；自动驾驶的实时感知要求的是对于汽车、道路情况、路边树木、墙体的构建，其构建目标一般体积较大并且有一定场景规则可寻，但是要求构建的实时性要高（汽车高速运行中对AI系统的硬件响应速度有极高要求）；智能机器人对地图的构建往往不需要预构建的3D高清地图，而是采集实时数据进行构建，并且对AI系统的响应速度要求不苛刻（往往不需要实时操作系统的实时响应，毕竟机器人的运行速度和汽车不是一个level的），但是机器人的场景极为复杂（可以是厨房中执行做饭任务，也可以是卧室执行家政任务，也可以是工厂执行装配任务），因此对于场景的感知和周围环境的构建往往要求更加的精细化，从这个角度来看机器人的实时感知技术的要求是不比自动驾驶差的，只不过难度点不同而已。


决策动作的维度：

就如同自动船舶驾驶要比自动汽车驾驶要难一样，决策动作的维度也是影响具体技术难度的一点的。汽车驾驶的决策动作维度比较有限，而智能实体机器人的维度却高出很多（往往二者相差十几倍），这也决定了在自动驾驶领域往往感知技术的要求要高于动作决策的难度的，但是在机器人领域则是相反，机器人领域动作决策往往是最为难以解决的，用一种直白的话来说，那就是在自动驾驶中强化学习算法的重要性比重不是很高，而在智能机器人领域强化学习算法的重要性往往是致命的（有的机器人就可以去厨房做饭，而有的机器人就智能走路外加跳个舞）。


硬件要求：

自动驾驶领域其实对硬件没有太多的要求，说白了就是一个电动汽车外加几个雷达和视觉传感器；电动汽车自然不需要太贵，5万块钱的就够用（并且体积小而更加灵活好用且安全），虽然传感器和雷达比较贵，但是这些技术也都是比较成熟的，因此可以说自动驾驶的硬件上几乎没有需要解决的问题的，如果非要说有那就是如何解决电动汽车的电池续航和雷达的造价问题，但是这个貌似和自动驾驶的硬件技术没啥大关系。智能机器人领域不同自动驾驶，其硬件难度可以说至今都没有一个很好的解决方案，更不用说完美或成熟的解决方案了，很多机器人公司的技术宣传往往不是其AI技术做的如何如何好（AI技术方面当然也没有解决）而是其硬件方面又搞出了一个如何如何的电机，由此可以看到智能机器人领域在硬件方向是极为不足的。不同于自动驾驶中汽车的硬件构成是不变动的（所有汽车的硬件结构都是相同的），机器人领域不同厂家的机器人产品其硬件结构都是不同的，有的是双足的，有的是四足的，有的是两轮式的，有的是四轮式的，更有的是轮足结合的，并且有的是有机械臂的，有的是有两个机械臂的，有的是没有机械手臂的，并且不同公司的机器人其躯体和四肢结构也是不同的，等等，并且在现在的智能机器人领域依旧对到底什么样的机器人结构才是最优的争论不休，由此可以看到机器人领域的硬件问题短期内应该是不会被技术层面来解决的。除了机器人的结构问题，动力问题也是没有解决的，有的人认为电动的好，有的人认为液压的好，即使都是搞电力的，不同公司还都在搞各种不同特性的电机的，可以说结构方面和动力方面都没有解决。


AI系统层面：

智能驾驶的重点往往在于感知而不是动作决策，可以说本身技术点就要低一些，并且自动驾驶各公司已经普遍开始研发了10余年了，而智能机器人的AI系统大多数公司也就只有3年到5年的研发经验，可以说单从技术积累上来说自动驾驶就是完胜。并且由于自动驾驶对决策动作方面场景要求并不复杂，而机器人确是极为复杂的，在自动驾驶领域可以说自始至终都没有对决策动作上有太高的技术难度的要求并且可以说已经早早就在这个技术方面没有太多的问题了，而机器人领域如何让机器人的决策动作和人一样或相似则是一个至今依旧在摸索的技术，可以说着二者的动作决策技术难度相差的几乎不在一个层面上。