之前有人吐槽，“本來AI應(yīng)該給人端茶倒水，沒想到AI都去畫畫唱歌”，還好2024開年驚喜不斷，人工智障機(jī)器人終于來了點(diǎn)新活，在端茶倒水方面有了巨大突破。
一月初，斯坦福大學(xué)團(tuán)隊(duì)帶著炒菜做飯、收拾衣服、逗貓的全能家政機(jī)器人閃亮登場，谷歌DeepMind旗下機(jī)器人團(tuán)隊(duì)也發(fā)布重磅更新。
斯坦福大學(xué)IRIS實(shí)驗(yàn)室團(tuán)隊(duì)發(fā)布的“家務(wù)全能”機(jī)器人Mobile ALOHA，只要50次訓(xùn)練就能掌握一項(xiàng)任務(wù)，成功率達(dá)90%以上，例如給手機(jī)充電、打繩結(jié)、用耳機(jī)。
在研究者的操作下，它還能完成更復(fù)雜的任務(wù)。在一段時(shí)長3分鐘的視頻中，機(jī)器人做了三道粵菜：蝦仁滑蛋、干貝燒雞、蠔油生菜。
老實(shí)說吧，我做的沒它好｜Stanford IRIS Lab, Youtube
打雞蛋、煎蝦仁、翻動(dòng)雞肉、加調(diào)味料、切菜、切蒜末……一看就是行家里手。
Stanford IRIS Lab, Youtube
澆花、洗衣服、泡咖啡、刮胡子，人能做的事它都能摻上一腳。
就在不久前，我們對機(jī)器人的印象還停留在人工智障的階段，最強(qiáng)也不過就是波士頓動(dòng)力的“打工狗”。怎么機(jī)器人一下子變得這么靈巧了？機(jī)器人上崗干家務(wù)的未來還會(huì)遠(yuǎn)嗎？
Giphy
眼里有活，全部開源
ALOHA開發(fā)團(tuán)隊(duì)在論文中介紹，機(jī)器人雙手操作的模仿學(xué)習(xí)此前沒有得到廣泛應(yīng)用，主要有兩方面原因：一是缺少易于獲娶即插即用的全身遠(yuǎn)程操作設(shè)備，二是此前機(jī)器人在學(xué)習(xí)雙手操作完成復(fù)雜任務(wù)方面表現(xiàn)不佳。
ALOHA構(gòu)造示意圖 | 圖片來自論文
為了解決這些問題，研究團(tuán)隊(duì)使用了市面上容易獲取的部件，設(shè)計(jì)出這臺(tái)盡可能復(fù)刻人類動(dòng)作的機(jī)器人。他們在設(shè)計(jì)中還重點(diǎn)考慮了以下4個(gè)因素：
機(jī)動(dòng)性：行進(jìn)速度與人類相近，達(dá)到1.42米每秒；
穩(wěn)定性：適應(yīng)居家環(huán)境，在使用櫥柜、搬動(dòng)鍋具的時(shí)候不翻倒；
全身遠(yuǎn)程操作：機(jī)器臂和底座的每個(gè)自由度都能同時(shí)遠(yuǎn)程操控；
不受限：搭載電源和計(jì)算機(jī)系統(tǒng)。
為了讓機(jī)器人學(xué)會(huì)復(fù)雜的動(dòng)作、學(xué)會(huì)應(yīng)對訓(xùn)練中沒有的突發(fā)狀況，研究團(tuán)隊(duì)將模仿學(xué)習(xí)算法與靜態(tài)數(shù)據(jù)進(jìn)行協(xié)同訓(xùn)練（co-train），達(dá)到了不錯(cuò)的效果。
比如在機(jī)器人正要打開杯子的時(shí)候把杯子拿走，或者在它換電池的時(shí)候在旁邊放上雜物，在受到干擾的情況下，機(jī)器人也能繼續(xù)完成任務(wù)。
給你feed小青蛙｜tonyzhaozh.github.io/aloha/
在搬椅子任務(wù)中，研究者只訓(xùn)練它搬動(dòng)三把椅子，然后在測試時(shí)布置了五把椅子，機(jī)器人也能把它們?nèi)繑[好。這樣眼里有活的機(jī)器人誰不心動(dòng)！
ALOHA全部使用市面上的通用硬件設(shè)備搭建，成本只要3.2萬美元（約合人民幣23萬元）。作為對比，波士頓動(dòng)力的機(jī)器狗Spot發(fā)布時(shí)售價(jià)高達(dá)7.45萬美元。目前市面上功能相似的操作機(jī)器人PR2和TIAGo售價(jià)高達(dá)20萬美元。
通過增減硬件設(shè)備，你還可以進(jìn)行個(gè)性化定制，最低只要2萬美元（人民幣14萬元）就能搭建完成。
研究團(tuán)隊(duì)已經(jīng)將代碼開源，感興趣的朋友們可以開始DIY挑戰(zhàn)了：https://mobile-aloha.github.io/
更好、更快、更安全
或許是為了和斯坦福比高下，就在ALOHA發(fā)布的第二天，谷歌DeepMind團(tuán)隊(duì)一口氣發(fā)布三個(gè)計(jì)算模型，借助人工智能的力量，讓機(jī)器人反應(yīng)更快、表現(xiàn)更好、更安全可靠。
此前在ChatGPT面世后不久，谷歌就宣布將大語言模型（LLM）和視覺語言模型（LVM）應(yīng)用于機(jī)器人開發(fā)，用模型將大量訓(xùn)練錄像翻譯成機(jī)器語言，供系統(tǒng)學(xué)習(xí)。這次發(fā)布的AutoRT系統(tǒng)大幅提升了機(jī)器人應(yīng)對陌生場景的能力，可同時(shí)操縱多達(dá)20臺(tái)機(jī)器人，并能在人類輔助下同時(shí)運(yùn)行52臺(tái)機(jī)器人。
多機(jī)器人協(xié)同｜https://auto-rt.github.io/static/videos/autort_time_lapse.mp4
SARA-RT系統(tǒng)則大幅提升了數(shù)據(jù)處理速度。它使用向上訓(xùn)練（up-training，暫譯）技術(shù)，解決了數(shù)據(jù)輸入增加后運(yùn)算負(fù)擔(dān)呈平方數(shù)增長的問題。此前，如果訓(xùn)練模型輸入增加到2倍，例如增加一個(gè)傳感器或調(diào)高分辨率，系統(tǒng)需要投入4倍的運(yùn)算資源處理數(shù)據(jù)。應(yīng)用SARA-RT后，數(shù)據(jù)處理負(fù)擔(dān)線性增長，處理效率大幅提升。
RT-Trajectory模型能對訓(xùn)練錄像自動(dòng)標(biāo)注視覺線索，提升訓(xùn)練效率，幫助機(jī)器人從人類操作錄像甚至簡筆畫示意圖中學(xué)習(xí)。
除此之外，谷歌DeepMind特別強(qiáng)調(diào)保護(hù)使用者的安全。DeepMind機(jī)器人在關(guān)節(jié)受力超過一定閾值時(shí)就會(huì)停止動(dòng)作，并且所有使用中的機(jī)器人都處在掌控物理停機(jī)開關(guān)的人類監(jiān)督員的視線之內(nèi)。
這一設(shè)計(jì)的靈感來自科幻作家艾薩克阿西莫夫（Isaac Asimov）提出的“機(jī)器人三定律”，其中第一條就是“機(jī)器人不得傷害人類”。此外，這些設(shè)計(jì)也能避免傷害寵物或弄壞家用電器。
在剛剛過去的2023年，我們見證了ChatGPT做表做圖取代打工人，Midjourney拿下設(shè)計(jì)大獎(jiǎng)讓小畫家下崗。2024，機(jī)器人領(lǐng)域的快速發(fā)展又將帶來什么？它會(huì)包辦家務(wù)和其他瑣碎的勞動(dòng)，給人類帶來更多的閑暇時(shí)間，還是占領(lǐng)更多的崗位，讓體力勞動(dòng)者陷入失業(yè)危機(jī)？讓我們拭目以待。
參考文獻(xiàn)
[1] https://deepmind.google/discover/blog/shaping-the-future-of-advanced-robotics/
[2]https://mobile-aloha.github.io/
[3]https://tonyzhaozh.github.io/aloha/
[4]https://twitter.com/zipengfu/status/1742602881390477771
[5]https://deepmind.google/discover/blog/shaping-the-future-of-advanced-robotics/
[6]https://deepmind.google/discover/blog/rt-2-new-model-translates-vision-and-language-into-action/
作者：瑪雅藍(lán)
編輯：翻翻
Guokr
從來沒有一個(gè)時(shí)間點(diǎn)像今天這樣，中國人對于“卡脖子”、國產(chǎn)替代有這么高的關(guān)注度。在華為被美國制裁后，手機(jī)出貨量迅速跌出了前五的榜單，海外手機(jī)出貨量斷崖式下滑。面對這些“卡脖子”式的制裁，中國制造如何突破困境？
1月24日18點(diǎn)，果殼邀請到軍武科技CEO、財(cái)經(jīng)作家 曾航，來直播間深入講述中國制造和產(chǎn)業(yè)升級(jí)的故事。點(diǎn)擊下方按鈕，預(yù)約直播。
本文來自果殼，未經(jīng)授權(quán)不得轉(zhuǎn)載.
