01. 前言
大概半年多前，我们对于机器人学习的前沿与落地进展做了一定的分析：
但是这半年多时间，无论学术界还是工业界都发生了很大的变化，以至于我们需要再来看看目前的情况。
这次，标题我们改成了通用机器人而不叫机器人学习，因为我们要探讨的已经不仅仅是某一个学术领域了，而是一个具体的落地方向------通用机器人。
在之前的blog里，我们提到了语言模型和决策（Language Model and Decision Making），而这个方向是这半年来大放异彩的方向，基本上改变了机器人学习的研究方式，也大幅度提升了通用机器人实现的可行性。
接下来我们先聊聊Tesla Bot，然后聊聊学术前沿。
02. Tesla Bot - Optimus
在2022年9月30号，Tesla终于公开了万众期待的Optimus，通用人型机器人的原型。看到他蹒跚走路的样子，大家纷纷感叹不过如此，和小米的铁大也差不多。但实事求是的讲，Optimus是一个更完整的人型机器人原型，包含了精细的手和腰，满足做一切人能做的灵巧工作的基础，比如下图的浇花，就需要眼睛看着水壶，机械手拿起水壶，弯着腰去浇花。
所以，Optimus虽然算法还不太行，但硬件是齐全的，接下来就是软硬件不断迭代的事情了。
Tesla 发布人形机器人的意义是比Boston Dynamic发布跑酷视频更大的事，虽然Optimus现在走路都还很笨。为什么这么说根本在于Tesla的人形机器人目标就在通用，绝不是只是做个固定Demo。所以Tesla的一切软硬件迭代都会朝着这个目标进行，那么10年后真的有可能让机器人走进千家万户变成现实。
为什么通用机器人一定要是人形？
这里引用一下我用Character.ai 构建的自己生成的回答：“我认为双足是实现机器人革命必须的技术，只有双足才能让机器人更为灵活自如，更接近活跃于人类生活的机器人，所以无论是单足机器人还是轮式机器人，我都不看好！”
人类的形态是大自然千百万年进化出来的极优形态，从而实现我们目前的文明。那么机器人要来帮人类干活，显然人形机器人是最佳的。
而另一个重要的原因为什么最好是人形机器人是：
人形机器人可以非常方便的通过模仿人类的学习！
我们有海量的视频可以让机器人去学，人形机器人可以最直接的将学习的东西映射到机器人身上，从人类的行为直接学习是最方便实现通用性的方式。下图就是一个很好的例子，Tesla使用人类动捕数据让Optimus来直接学习，这会是未来机器人最主要的学习方法之一。
我们可以相信，基于Tesla强大的硬件能力，未来2-3年内Optimus的硬件就足够来满足通用机器人的基本要求，那么剩下的就是算法了。
03. 通用机器人的大脑：用大模型来做决策
算法，也就是机器人的大脑是最难的。在大模型出现之前，这个问题几乎是无解的，怎么可能让机器人拥有常识呢？因此，之前的机器人都是专用机器人，只能用在限定场景中。就算是这两年很火的机器人抓取，使用计算机视觉，也是非常限定的场景，深度学习只是用来识别物体，怎么做还是人规定的。但要让机器人通用，叫他去浇花，他就知道去拿水壶，接水，然后浇花，这是需要常识才能完成的事情。
大模型的出现，让机器人可以拥有常识，从而具备通用性去完成各种任务。
这彻底改变了通用机器人实现的模式，大模型（Foundation Model）理论上具备实现一切的可能，自然而然就能驱动机器人了。
评论
沙发等你来抢