觀看《星球大戰》長大的一代人可能會感到失望，他們目光所及之處，仍看不到C-3PO類機器人的影子。那些預想中具有常識、能在家里和職場為人類提供幫助的人形機器人何時會出現？
人工智能（AI）的快速發展或許很快會填補這一空白。
人形機器人使用OpenAI編程獲得語言和視覺。
圖片來源：《自然》網站
《自然》網站近日報道指出，AI和機器人技術“聯姻”，可能是一場將彼此推向新高度的“雙向奔赴”。AI給機器人灌輸常識，讓其能像人一樣處理各種任務；機器人則利用身體經驗，幫助AI躍升為“通用AI”。但專家提醒，這條雙向奔赴之路仍面臨諸多挑戰，包括收集海量精準數據供機器人學習、應對“喜怒無常”的硬件、解決安全問題等。
基礎模型助機器人“更聰明”
眾多機器人領域的AI科學家都希望，未來機器人能在更廣泛環境中自主適應。例如，會幫顧客挑選產品的機械臂，能陪伴老人的智能人形機器人等。
然而，控制這類機器人絕非易事。從OpenAI到谷歌“深度思維”公司，都致力于將多功能學習算法（基礎模型）嵌入機器人，以便其在聊天時表現得更像人類。這些想法的核心是給機器人灌輸常識，使之能勝任各種任務。英偉達公司機器人技術營銷專家杰拉德·安德魯斯強調，機器人技術目前正處于變革的關鍵時刻。該公司于3月推出了一款專為人形機器人設計的通用AI模型。谷歌“深度思維”公司則創建了現有最先進的機器人基礎模型之一RT-2，其可以認出明星的照片，盡管之前受到的訓練中該明星并未出現過。
研究人員樂觀地認為，基礎模型有助科學家研發出可以輔助人類勞動的通用機器人。今年2月，人形機器人公司籌集6.75億美元，以在通用人形機器人中應用OpenAI開發的語言和視覺模型。一段視頻顯示，機器人給人一個蘋果，以回應人們“吃東西”的要求。
多樣數據讓機器人“更有經驗”
盡管聊天機器人正在接受來自互聯網數十億單詞訓練，但機器人活動的數據集還遠遠不夠。
數據匯集或是一種解決方法。美國斯坦福大學機器人研究專家亞歷山大·卡哈扎特斯基及其同事創建了開源數據集DROID2，匯集了德國Franka Robotics公司制造的Franka Panda 7DoF機械臂約350小時的視頻數據，包括浴室、洗衣房、臥室等數百種環境的記錄。這種多樣性有助機器人在全新環境下更好地執行任務。
加州AI公司Covariant也在努力擴大機器人數據的規模。該公司于2018年開始從世界各地的30種機械臂中收集數據，其“機器人基礎模型1”（RFM-1）不僅收集視頻數據，還收集傳感器讀數。此類數據對于提升機器人任務執行能力至關重要，比如讓機器人知道如何不碰傷香蕉。
此外，許多專家正致力于構建3D虛擬現實環境，旨在通過這些環境來訓練機器人。元宇宙平臺（Meta）和英偉達都在模擬領域投入大量資源，以擴大機器人數據的規模，并建立了復雜的模擬世界。通過這些平臺，機器人能夠在短短幾個小時內積累相當于多年實際經驗的數據。
硬件和安全問題需考慮
許多機器人專家指出，盡管AI給了機器人更智慧的“大腦”，但其進一步發展仍面臨諸多挑戰。機器人很復雜，而且硬件很容易損壞。
新加坡國立大學人機交互專家哈羅德·索赫說，機器人可能需要大量其他類型的數據，如觸覺或本體感覺（身體在空間中的位置感）數據。這類數據集目前還不存在，但這是人形機器人高效工作所必需。
安全性必須認真考量。大型語言模型已被證明會產生錯誤、偏見，也可能誘騙人類或機器人做一些“壞事”。鑒于此，研發人員需要給機器人AI模型中植入一些規則。機器人無疑仍需要大量人工監督。
盡管存在一定風險，但AI與機器人的這場雙向奔赴仍值得期待。而AI通過與機器人相結合，增加與現實世界互動，有望超越學習模式做出預測，真正理解和推理世界。
觀看《星球大戰》長大的一代人可能會感到失望，他們目光所及之處，仍看不到C-3PO類機器人的影子。那些預想中具有常識、能在家里和職場為人類提供幫助的人形機器人何時會出現？
人工智能（AI）的快速發展或許很快會填補這一空白。
人形機器人使用OpenAI編程獲得語言和視覺。
圖片來源：《自然》網站
《自然》網站近日報道指出，AI和機器人技術“聯姻”，可能是一場將彼此推向新高度的“雙向奔赴”。AI給機器人灌輸常識，讓其能像人一樣處理各種任務；機器人則利用身體經驗，幫助AI躍升為“通用AI”。但專家提醒，這條雙向奔赴之路仍面臨諸多挑戰，包括收集海量精準數據供機器人學習、應對“喜怒無常”的硬件、解決安全問題等。
基礎模型助機器人“更聰明”
眾多機器人領域的AI科學家都希望，未來機器人能在更廣泛環境中自主適應。例如，會幫顧客挑選產品的機械臂，能陪伴老人的智能人形機器人等。
然而，控制這類機器人絕非易事。從OpenAI到谷歌“深度思維”公司，都致力于將多功能學習算法（基礎模型）嵌入機器人，以便其在聊天時表現得更像人類。這些想法的核心是給機器人灌輸常識，使之能勝任各種任務。英偉達公司機器人技術營銷專家杰拉德·安德魯斯強調，機器人技術目前正處于變革的關鍵時刻。該公司于3月推出了一款專為人形機器人設計的通用AI模型。谷歌“深度思維”公司則創建了現有最先進的機器人基礎模型之一RT-2，其可以認出明星的照片，盡管之前受到的訓練中該明星并未出現過。
研究人員樂觀地認為，基礎模型有助科學家研發出可以輔助人類勞動的通用機器人。今年2月，人形機器人公司籌集6.75億美元，以在通用人形機器人中應用OpenAI開發的語言和視覺模型。一段視頻顯示，機器人給人一個蘋果，以回應人們“吃東西”的要求。
多樣數據讓機器人“更有經驗”
盡管聊天機器人正在接受來自互聯網數十億單詞訓練，但機器人活動的數據集還遠遠不夠。
數據匯集或是一種解決方法。美國斯坦福大學機器人研究專家亞歷山大·卡哈扎特斯基及其同事創建了開源數據集DROID2，匯集了德國Franka Robotics公司制造的Franka Panda 7DoF機械臂約350小時的視頻數據，包括浴室、洗衣房、臥室等數百種環境的記錄。這種多樣性有助機器人在全新環境下更好地執行任務。
加州AI公司Covariant也在努力擴大機器人數據的規模。該公司于2018年開始從世界各地的30種機械臂中收集數據，其“機器人基礎模型1”（RFM-1）不僅收集視頻數據，還收集傳感器讀數。此類數據對于提升機器人任務執行能力至關重要，比如讓機器人知道如何不碰傷香蕉。
此外，許多專家正致力于構建3D虛擬現實環境，旨在通過這些環境來訓練機器人。元宇宙平臺（Meta）和英偉達都在模擬領域投入大量資源，以擴大機器人數據的規模，并建立了復雜的模擬世界。通過這些平臺，機器人能夠在短短幾個小時內積累相當于多年實際經驗的數據。
硬件和安全問題需考慮
許多機器人專家指出，盡管AI給了機器人更智慧的“大腦”，但其進一步發展仍面臨諸多挑戰。機器人很復雜，而且硬件很容易損壞。
新加坡國立大學人機交互專家哈羅德·索赫說，機器人可能需要大量其他類型的數據，如觸覺或本體感覺（身體在空間中的位置感）數據。這類數據集目前還不存在，但這是人形機器人高效工作所必需。
安全性必須認真考量。大型語言模型已被證明會產生錯誤、偏見，也可能誘騙人類或機器人做一些“壞事”。鑒于此，研發人員需要給機器人AI模型中植入一些規則。機器人無疑仍需要大量人工監督。
盡管存在一定風險，但AI與機器人的這場雙向奔赴仍值得期待。而AI通過與機器人相結合，增加與現實世界互動，有望超越學習模式做出預測，真正理解和推理世界。
本文鏈接：技術“聯姻”，雙向奔赴：機器人或成人工智能領域“弄潮兒”http://www.sq15.cn/show-2-6559-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。