97综合视频在线播放-97综合视频在线观看-97综合视频专区-97综合网综合在线-97综合影院-97综合在线-97综合在线观看-97综合在线观看视-97综合资源色色-97总站在线观看视频

      機(jī)器人正以前所未有的速度進(jìn)入大眾視野，近期世界機(jī)器人大會(huì)WRC盛況再次印證了這一趨勢(shì)，各式各樣的機(jī)器人集中亮相、大顯神通，得益于“聰明的大腦”，它們有望逐步進(jìn)入工廠、商超、甚至家庭等，幫助人類或獨(dú)立完成各種各樣的任務(wù)。

01

具身大模型驅(qū)動(dòng)機(jī)器人進(jìn)化

      這里“聰明的大腦”，指的是大模型，更準(zhǔn)確來(lái)說(shuō)，是具身大模型。

      當(dāng)前大模型可以劃分為兩大類別：非具身大模型和具身大模型。

      非具身大模型：以ChatGPT、GPT-4V、Sora、GPT-4o為代表，這類模型的主要特點(diǎn)是輸入從單模態(tài)文本擴(kuò)展到多模態(tài)的語(yǔ)音、圖像、視頻，其輸出也包括了文本、音頻、圖像、視頻等，面向的是人類。這些大模型功能強(qiáng)大，但并不直接針對(duì)機(jī)器人領(lǐng)域，更多還是在人機(jī)交互、內(nèi)容生成等方面展現(xiàn)價(jià)值。

      具身大模型：相比之下，具身大模型則直接面向機(jī)器人，核心特點(diǎn)對(duì)物理世界的感知或接收人類指令后，機(jī)器人能夠直接高頻輸出動(dòng)作。自動(dòng)駕駛大模型（如特斯拉FSD）是最典型的代表，汽車通過(guò)實(shí)時(shí)接收視覺(jué)信號(hào)（主要是圖像）的輸入，可以直接控制汽車方向盤(pán)、踏板等機(jī)構(gòu)，實(shí)現(xiàn)自動(dòng)駕駛功能。

      機(jī)器人作為更復(fù)雜的物理系統(tǒng)，機(jī)器人具身大模型的輸入不僅包括實(shí)時(shí)視覺(jué)信號(hào)，還涉及到人類語(yǔ)言、觸覺(jué)等多種模態(tài)，其動(dòng)作空間的自由度也更高，還需要全身各部位（底盤(pán)、腿、手臂、手指等）的協(xié)同運(yùn)動(dòng)。

02

業(yè)界代表：谷歌RT-2

      谷歌RT-2是機(jī)器人大模型的代表，RT-2是一個(gè)端到端的具身大模型，它將機(jī)器人的感知、理解、決策、規(guī)劃、動(dòng)作等融為一體，能夠在開(kāi)放的環(huán)境中機(jī)器人可以直接輸出動(dòng)作。

      在谷歌山景城辦公室的廚房測(cè)試中，RT-2展現(xiàn)了極高的任務(wù)執(zhí)行成功率（近98%），但是，這一成績(jī)的背后也暴露出RT-2端到端大模型面臨的挑戰(zhàn)。

      首先，泛化性是一大難題。RT-2在特定廚房環(huán)境中的高成功率，一旦換到施工工地、嘈雜后廚等復(fù)雜場(chǎng)景，成功率便驟降至30%左右。

      盡管谷歌為此組建了一個(gè)16人的團(tuán)隊(duì)，用13個(gè)機(jī)器人，花了17個(gè)月的時(shí)間，采集到了13萬(wàn)條數(shù)據(jù)，這些數(shù)據(jù)覆蓋了移動(dòng)、抓取、放下這些移動(dòng)場(chǎng)景中很多任務(wù)，耗資了上千萬(wàn)美金。這表明，RT-2在數(shù)據(jù)規(guī)模和模型泛化上仍存在局限。

      其次，這種端到端具身大模型的反應(yīng)速度及運(yùn)動(dòng)頻率也是一大挑戰(zhàn)。RT-2等輸出運(yùn)動(dòng)頻率僅能達(dá)到1-3Hz，使得機(jī)器人的反射弧長(zhǎng)達(dá)0.3秒甚至1秒，遠(yuǎn)遠(yuǎn)低于人類和許多實(shí)際應(yīng)用場(chǎng)景的需求。

      這表明當(dāng)前機(jī)器人具身大模型還存在諸多不確定性，需要在數(shù)據(jù)采集、模型訓(xùn)練等各個(gè)層面探索新的思路和方法，特別針對(duì)具身大模型的發(fā)展路徑上需要有一個(gè)指引。

03

自動(dòng)駕駛的啟示

      可以從自動(dòng)駕駛和人腦機(jī)制中獲得一些靈感。

      首先是自動(dòng)駕駛，自動(dòng)駕駛L1-L5技術(shù)演進(jìn)路線為機(jī)器人提供了兩種可能的路徑：

      一是以谷歌母公司Alphabet旗下Waymo的“一步到位”或者“跨越式”路線，全力擁抱L4+高級(jí)別自動(dòng)駕駛技術(shù)；二是以特斯拉為代表的“漸進(jìn)式路線”，它的思路是在量產(chǎn)車上優(yōu)先搭載L2/L3級(jí)輔助駕駛，低成本收集數(shù)據(jù)，訓(xùn)練算法迭代技術(shù)，最終做到L4/L5。

      當(dāng)前Waymo路線似乎是遙遙無(wú)期，特斯拉的FSD離商用落地越來(lái)越近。

      對(duì)于機(jī)器人而言，或許可以借鑒特斯拉的漸進(jìn)式思路，先解決部分場(chǎng)景下的應(yīng)用問(wèn)題，再逐步向通用化邁進(jìn)。

      其次，人腦的雙系統(tǒng)機(jī)制（系統(tǒng)一的快思考與系統(tǒng)二的慢思考）也能為我們提供了有益的啟示。人腦有系統(tǒng)一和系統(tǒng)二，有快思考和慢思考，前者是小腦的能力，對(duì)應(yīng)機(jī)器人里交互控制、靈巧操作等技能，可以依靠小模型來(lái)處理；后者更多是大腦的能力，包括認(rèn)知、理解、規(guī)劃等，可以用大模型解決。

      上層大模型和下層小模型相互結(jié)合，這種分層架構(gòu)不僅有助于提升機(jī)器人的反應(yīng)速度和運(yùn)動(dòng)頻率，還能增強(qiáng)系統(tǒng)的靈活性和可擴(kuò)展性，有可能更快通向通用機(jī)器人。

04

機(jī)器人大腦演進(jìn)路線新方案

      無(wú)獨(dú)有偶，國(guó)內(nèi)頭部機(jī)器人公司okooo澳客，近期在其年度新品發(fā)布會(huì)上，發(fā)布了具身智能G1~G5技術(shù)路線圖，這也是行業(yè)首次對(duì)具身智能技術(shù)發(fā)展有了清晰的定義。

     這一路線圖借鑒了自動(dòng)駕駛的等級(jí)劃分思路，將具身智能技術(shù)的發(fā)展分為五個(gè)階段：

G1階段：基礎(chǔ)自動(dòng)化階段。基于簡(jiǎn)單的機(jī)器視覺(jué)加上人工程序化編程，這一階段的機(jī)器人系統(tǒng)設(shè)計(jì)和配置都針對(duì)特定的應(yīng)用需求，缺乏泛化能力。

G2階段：通過(guò)抽象出可復(fù)用的原子技能，機(jī)器人可以實(shí)現(xiàn)一定程度上的場(chǎng)景遷移和泛化。這一階段的機(jī)器人已經(jīng)能夠基于大語(yǔ)言模型（任務(wù)編排大模型）進(jìn)行任務(wù)編排，具備一定的智能水平。

G3階段：端到端智能化系統(tǒng)的初步實(shí)現(xiàn)。在這一階段，機(jī)器人將從傳感器數(shù)據(jù)直接學(xué)習(xí)并生成控制指令，并形成了一套通用的技能訓(xùn)練框架，上層的任務(wù)編排大模型逐步演變?yōu)檎J(rèn)知推理規(guī)劃大模型。與G2階段相比，G3最大的區(qū)別在于其原子能力不再依賴于手工設(shè)計(jì)，而是通過(guò)大量數(shù)據(jù)采集和端到端訓(xùn)練獲得，并逐步形成了一個(gè)個(gè)小模型。這種數(shù)據(jù)驅(qū)動(dòng)的方法減少了人工干預(yù)，顯著提高了系統(tǒng)的泛化能力。在G3階段，機(jī)器人將能夠更靈活地適應(yīng)不同場(chǎng)景和任務(wù)，通過(guò)持續(xù)學(xué)習(xí)不斷優(yōu)化自身性能。

G4階段：通用操作大模型的誕生。在這一階段，隨著數(shù)據(jù)量不斷增加，機(jī)器人將不再局限于單一技能的訓(xùn)練和優(yōu)化，而是能夠跨越不同任務(wù)領(lǐng)域，實(shí)現(xiàn)技能之間的關(guān)聯(lián)和融合。例如，擰瓶蓋和開(kāi)門(mén)把手的技能在底層可能共享相似的動(dòng)作模式，通過(guò)模型的訓(xùn)練，機(jī)器人能夠理解這些技能之間的內(nèi)在聯(lián)系，并生成更加高效、通用的操作策略，即一個(gè)個(gè)小模型會(huì)泛化為通用操作大模型。通用操作大模型的出現(xiàn)將極大地提升機(jī)器人在復(fù)雜任務(wù)中的表現(xiàn)，使它們能夠像人類一樣靈活應(yīng)對(duì)各種挑戰(zhàn)。

G5階段：邁向人工通用智能（AGI）的終極目標(biāo)。在這一階段，認(rèn)知推理規(guī)劃大模型和通用操作大模型將實(shí)現(xiàn)深度融合，形成一個(gè)真正的感知、決策、執(zhí)行的端到端大模型。這個(gè)模型將具備跨任務(wù)的泛化能力，能夠在不同場(chǎng)景和任務(wù)中自由切換，實(shí)現(xiàn)高度智能化的自主作業(yè)。G5階段的機(jī)器人將不再是簡(jiǎn)單的工具或設(shè)備，而是能夠與人類共同工作、相互協(xié)作的智能伙伴。它們將能夠理解人類的意圖和需求，提供個(gè)性化的服務(wù)和支持；同時(shí)，它們也將能夠自我學(xué)習(xí)和進(jìn)化，不斷適應(yīng)新的環(huán)境和任務(wù)。這樣的機(jī)器人將極大地改變我們的生活方式和工作模式，推動(dòng)社會(huì)向更加智能、高效、和諧的方向發(fā)展。

      從具身大模型的興起，到谷歌RT-2等前沿項(xiàng)目的探索與挑戰(zhàn)，再到okooo澳客機(jī)器人G1~G5技術(shù)路線圖的清晰規(guī)劃，每一步都預(yù)示著機(jī)器人技術(shù)正朝著更加智能、靈活、通用的方向邁進(jìn)。

      未來(lái)，隨著數(shù)據(jù)量的爆炸性增長(zhǎng)、算法模型的持續(xù)優(yōu)化以及跨學(xué)科技術(shù)的深度融合，機(jī)器人將不再局限于單一任務(wù)的執(zhí)行，而是能夠像人類一樣具備多任務(wù)處理、自主學(xué)習(xí)和適應(yīng)復(fù)雜環(huán)境的能力。