馬斯克畫的餅，波士頓動力要實現(xiàn)了？

發(fā)布時間：2024-10-29 16:04 來源：鈦媒體APP 作者：陸辰風(fēng)

文 | 有界UnKnown

人形機器人行業(yè)又迎來一對新的強強聯(lián)合。

近期，波士頓動力宣稱，會使用豐田研究所的“大型行為模型”來訓(xùn)練機器人，它類似于驅(qū)動ChatGPT的“大型語言模型”，可以讓機器人通過少量演示數(shù)據(jù)和多模態(tài)感知來掌握復(fù)雜任務(wù)，走向通用機器人。

在過去，這條技術(shù)路徑一直是馬斯克為Optimus（下稱“擎天柱”）畫的“餅”，想借此實現(xiàn)通用人形機器人。

今年10月初，馬斯克以《We, Robot》為主題在加州開了一場“科幻”味兒十足的發(fā)布會。在現(xiàn)場，擎天柱以服務(wù)員的身份一邊為賓客調(diào)酒，一邊抬手打招呼說著“Hi,everybody”，甚至在現(xiàn)場和賓客熱舞。

但發(fā)布會結(jié)束后，有現(xiàn)場賓客卻表示，擎天柱“親口”向他承認，自己是被遠程遙控的。而整個發(fā)布會，馬斯克也沒有透露關(guān)于擎天柱的任何技術(shù)細節(jié)。

看似自主的機器人，依舊離不開人類的遠程遙控。

馬斯克似乎做了一個雙面鏡，一面是真實的擎天柱仍然做著人類的提線木偶；而另一面，他又用一種近乎虛假的方式為人們構(gòu)畫出一個可能實現(xiàn)的未來。

但顯而易見，馬斯克并沒有興趣解答擎天柱當(dāng)前的研發(fā)進度，那么作為馬斯克在機器人領(lǐng)域的強敵，波士頓動力這次與豐田研究所的聯(lián)合，能將馬斯克畫的餅實現(xiàn)嗎？

波士頓動力，率先走到終點？

想要完成馬斯克這張拼圖，擎天柱需要擁有與人類和環(huán)境交互的能力。

比如將機器人放在廚房，它首先要能識別出自己所處場景是“廚房”。然后，當(dāng)人類告訴他要做一道菜時，它可以主動從冰箱拿出食材、清洗、切菜、并按步驟烹飪。

要實現(xiàn)這個過程，意味著機器人能夠自主辨別什么是冰箱，并移動到冰箱前，打開冰箱門，在眾多食材中找到需要的食材，取出來，然后結(jié)合各種工具進行清洗.....

這個過程對人類來說十分簡單，但對機器人而言卻十分困難。

當(dāng)前無論是老牌人形機器人波士頓動力的Atlas，還是“新貴”擎天柱、Figure，都只能在受限制的環(huán)境里執(zhí)行單一任務(wù)，比如在案板前將已經(jīng)分揀好的各種蔬果拿起或者放下。

▲Figure01拾取水果，圖源YouTube@Figure

▲Optimus Gen2拾取雞蛋，圖源YouTube@Tesla

要知道這其中的區(qū)別，可以想一想咱們自己家里的冰箱，當(dāng)各種食材被混雜在一起、用透明塑料袋裝著的時候，識別難度就會高于單個的西紅柿、紅薯。

所以如果將機器人自主做出一頓飯的難度，比作是登上珠穆朗瑪峰，那么現(xiàn)在的人形機器人才剛剛坐進學(xué)步車。對，它還沒有學(xué)會“走路”。

而更重要的是，當(dāng)前機器人學(xué)習(xí)新技能的效率十分低下，比如學(xué)會了疊衣服之后，轉(zhuǎn)而疊被子就要重新學(xué)習(xí)大量數(shù)據(jù)。

為了克服這個難題，波士頓動力和豐田研究院團隊采用一種新的AI系統(tǒng)“大型行為模型”訓(xùn)練機器人，通過物理演示任務(wù)（例如觀看視頻）進行教學(xué)，來幫助將Atlas打造成一款自主性能力強的通用人形機器人。

經(jīng)過這套“大型行為模型”的訓(xùn)練，機器人可以通過少量數(shù)據(jù)學(xué)習(xí)新技能，這種方法叫做“擴散策略”，這套策略可以探索多種不同的路徑，并根據(jù)實時情況選擇最佳方案，它可以幫助機器人更好地應(yīng)對不確定性的環(huán)境，比如突然的障礙或任務(wù)變化。

豐田研究院公布了關(guān)于這一成果的報告，其中有一個通俗案例可以解釋這個策略：

經(jīng)過擴散策略訓(xùn)練的機器人，可以做醬汁燒注和涂抹任務(wù)，需要將醬汁涂抹在披薩面團中心，分拆步驟來看：①握住勺子接近披薩面團中心；②將醬汁以螺旋狀鋪在披薩上；③提起勺子。