天啊，人形机器人又双叒叕进化了
机器之能报道
编辑：Sia
看起来莫拉维克的悖论可能是错误的？
才两个月时间，特斯拉 Optimus 又进化了。
最新视频里，Optimus 步速已达每秒 0.6 米，虽然只是健康成年人步速的一半，但和去年 12 月的视频相比，速度已经提升了 30% 以上。
Optimus 每天都在生产它的工厂里转悠，步伐更稳定，也显得更自信（转弯时也是如此）。另外，还增加了轻微的躯干和手臂摇摆。为此，团队不仅改进了模拟人类的前庭系统（一个维持人体平衡的重要感受器，位于我们内耳），还优化了足端轨迹和与地面接触的逻辑，升级了动作规划器并降低了从输入到输出所需的时间周期。
这是去年 5 月、 12 月到今年 2 月 Optimus 走路动作的对比视频，速度和姿态的进化肉眼可见。
Optimus 进化了，还是免不了网友一波恶搞，这转悠的步速是不是颇有拜登风范？
前不久，另一家颇受关注的人形机器人公司 1X 也发布了最新视频。过去一年里，他们构建了一个数据引擎，用于以完全端到端的方式解决通用的移动操作任务。最新视频展示了 EVE 在这一技术路径下掌握的新技能。
这是从事物流场景下的例行工作，将货架上的包裹放到传送带上、选取物品放到盒子，自由行走、出入不同房间。
家庭场景的技能，收拾地面物品。
EVE 还能给自己充电，自己插入、拔掉插头。
每一个行为都是由一个 10Hz 频率的视觉神经网络控制，它主要控制机器人们的前进、手臂、躯干和头部。为了证明这个近三分钟的新视频没有猫腻（没有远程遥控、没有 CGI 特效、并非脚本重放），他们采用了一镜到底的拍摄方式。
家庭和办公环境具有挑战性，因为它们是非结构化的且不断变化的。机器人不能对身体以外的世界做出太多假设，所以 1X 追求最通用的自主性方法。
他们在 30 台 EVE 中组装了一个高质量、多样化的演示数据集，利用这些数据训练一个“基础模型”，这个基础模型可以理解一系列人类活动和技能——从清洁到整理房屋、从捡起物体到与人类和其他机器人互动。
接下来，他们微调这个基础模型，以获取实现更加具体功能的模型。比如，一般门操作的模型和另一个用于仓库任务的模型，并进一步微调这些模型以解决特定任务，比如打开这扇特定的门。
基于这一策略，EVE 掌握新技能仅需短短几分钟的数据收集和基于桌面 GPU 的训练。更重要的是，训练 EVE 不用写代码而仅需要数据。这意味着没有 AI 工程师的普通客户也能训练人形机器人新技能。
1X AI 团队负责人也点赞了特斯拉的最新进展。
据 1X CEO Bernt Bornich 透露，接下来四周 EVE 将持续进化，学会整理办公室并在 EVE、NEO 人形机器人生产线上从事物流相关工作。所有这些都会使用与视频中一样的数据收集和训练流程。
现在， EVE 已经部署到了一些大型企业中。人形机器人 Digit 正在亚马逊研发仓库接受测试，全球最大的纯合同物流供应商 GXO Logistics 也在测试 Digit，工作内容也差不多——与自主移动机器人 （AMR） 打配合，运输装送包裹和物品的周转箱。
英伟达、OpenAI 和贝索斯都有投资的人形机器人公司 Figure AI 已宣布与宝马合作，将机器人引入汽车制造领域，但至今尚未透露任何具体进展。在国内，优必选工业版人形机器人 Walker S 已经进入蔚来汽车第二先进制造基地总装车间，接受实地“培训”，在汽车工作流水线上与人类协作完成装配、质检作业。
工业版人形机器人 Walker S，身高 1.7 米，可替换末端执行器，搭载了 41 个高性能伺服关节以及多维力觉、多目立体视觉、全向听觉和惯性、测距等全方位的感知系统，拥有全面升级的视觉定位导航、手眼协调操作、步态控制、多模态路径规划垂域模型等技术，机器人的自主运动及决策能力大幅提高，可在工厂流水线实现精准安全同步的作业。
除了既有玩家，就在身家暴涨、突破 2 万亿美元当口，英伟达也宣布成立通用具身智能体研究实验室 GEAR（ Generalist Embodied Agent Research ，意为“通用具身智能体研究”），入局具身 AI。
“我们相信，在未来，每一台移动的机器都将是自主的，机器人和模拟代理将像 iphone 一样无处不在。”英伟达 AI 科学家 Jim Fan 在 X 上表示，他同时也是该实验室的联合创始人，“我们正在打造基础智能体：一个具备通用能力的 AI，其能在虚拟与现实的多个世界中学习如何熟练行动。2024 年将是机器人之年、游戏 AI 之年、模拟之年。”
他还补充了一条 X 说：我们团队可能是全球最有钱的具身智能实验室。
参考链接
https://www.therobotreport.com/agility-robotics-jonathan-hurst-to-discuss-humnaoids-robotics-summit-keynote/
https://twitter.com/home?lang=zh
https://www.1x.tech/discover/all-neural-networks-all-autonomous-all-1x-speed
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：content@jiqizhixin.com