马斯克机器人炫技引千万网友围观！

发布日期：2024-04-02 来源: 未知 阅读量（）

　　鉴于之前火爆全网的斯坦福机器人做饭视频引起了大量误会，马斯克稍后也补充了一个

　　重要提示：擎天柱目前尚不能自主执行叠衣服操作，但将来肯定能够在任意环境（桌子不需要完全固定，篮子里也不需要只有一件衣服）中完全自主执行。

　　只说了不能完全自主，演示具体如何实现的马斯克没细说，但仔细看视频里其实露出了马脚。

　　从第8秒开始，右下角有一只机械手悄悄出现，动作轨迹与机器人完全一致，稍有一点延迟。

　　那么答案也很明显了，与斯坦福的方法一样，AI都是从模仿人类动作开始练起人工智能都有啥产品。

　　但正如AI预测蛋白质、AI画图等技术的发展过程，AI从能干一件事到超越人类也用不了多久。

　　这个会叠衣服的机器人，已经是特斯拉Optimus的二代目了，加上之前的原型机Bubmlebee，一共经历了两次大升级。

　　与前一代相比，新款机器人的手不仅动作更快，自由度也增加到了11个，还新增了触觉传感器。

　　而且也懂得控制力度，从盒中捏起鸡蛋，倒手，再放进碗里，整个过程没有出现把鸡蛋捏碎的情况。

　　除了手部以外，Optimus的颈部也进行了全新改版，采用铰接式结构，拥有两个自由度。

　　同样在Optimus的脚上也采用了铰接结构，并模仿了人类脚部的几何形状。

　　而从整体上看，Optimus的移动速度比前一代增加了30%，重量减轻了10公斤。

　　不仅是特斯拉，进入2024年，人类在机器人上取得的新进展就如雨后春笋般出现。

　　2024才刚刚过去半个月，包括特斯拉在内就已有至少4项机器人领域的突破性成果。

　　这些机器人的一个共性特征，是先通过模仿人类来学习，然后逐渐脱离人类操作实现自主行动。

　　比如斯坦福的ALOHA机器人，通过人类的遥操作可以完成烹饪等一系列复杂的动作，而人类的操作过程恰好也是机器人学习的素材。

　　几乎是在同一时间，谷歌DeepMind也发布了自己的机器人模型Robotics Transformer（简称RT）的升级版。

　　而且是三个框架联发——RT-Trajectory解决泛化能力问题，SARA-RT用于提升决策速度，AutoRT则负责数据收集。

　　其中用于提升泛化能力的RT-Trajectory，主要是借助多模态大模型的视觉能力实现，学习素材同样从人类的动作捕获或直接人工绘制的轨迹。

　　紧随斯坦福和DeepMind之后，机器人初创公司Figure也推出了自己的“咖啡机器人”Figure 01。

　　不需要任何的遥操作，它就可以自主完成打开机器盖、放入咖啡、启动机器的全过程，还能自主纠错。

　　只用了10个小时的端到端训练，Figure 01就熟练地掌握了用机器制作咖啡的过程。

　　除了近期的几项成果，稍早些的许多机器人项目，比如谷歌的HYDRA、英伟达的MimicGen等，也都采用了模仿人类的学习方式。

　　特斯拉机器人工程师Milan Kovac也具体介绍了这种技术路线的好处：

　　从模仿人类到完全自动执行一项任务，再到泛化到更多样的任务，成了智能机器人行业当今的大趋势。

　　也在短时间内集中爆发大量突破性成果，让机器人能执行的任务越来越接近实际需求。

　　刚刚结束的科技盛会CES展上，机器人也是最火爆的。微软CEO纳德拉也到开普勒机器人展位参观，听取讲解还频频点头。