在过去十年里，AI 已经证明它能听懂语言、看懂图像、甚至能“写作”与“编程”。但让 AI 走出虚拟世界、接触真实环境，是更大的挑战。Tesla 的人形机器人 Optimus 正是这一挑战的答卷：让深度学习模型不仅能“思考”，还能“行动”。
从自动驾驶到机器人
Optimus 的诞生，延续了 Tesla 在自动驾驶中积累的核心技术。自动驾驶本质上是一种“机器人系统”，需要对视觉环境进行理解、做出实时决策并精准控制车辆。而 Optimus 所面对的物理世界复杂度更高：它需要在三维空间中识别物体、理解语义、精细控制双手和双足完成任务。
Tesla 选择沿用自动驾驶系统的 AI 架构，包括视觉感知模型（多摄像头输入）、神经网络规划模块、时间序列预测机制等。这使 Optimus 在应对动态环境时具备类似于人类的反应能力。
感知：机器人“看懂”世界的第一步
Optimus 配备了多个摄像头和 IMU（惯性测量单元），用于构建周围环境的 3D 表示。它使用基于 Transformer 架构的大型视觉模型，对场景中的物体进行识别、跟踪和空间定位。和常见图像分类不同，这里的视觉模型不仅输出“是什么”，更重要的是“在哪里”“能不能操作”“如何接近”。
例如，在演示中，Optimus 能够准确判断桌上的物体，并决定采用哪种抓取方式。这一能力依赖于端到端训练的视觉-动作网络，结合模仿学习与强化学习进行策略优化。
控制：将“意图”变成“动作”
机器人控制是 AI 不熟悉但极为关键的环节。Optimus 的控制系统包含运动规划器（Motion Planner）、逆运动学（IK）解算器，以及低层的电机控制模块。
相比于自动驾驶只需要控制方向和速度，Optimus 需要控制几十个关节，保持平衡、调整姿态、同时协调手脚动作。Tesla 使用模型预测控制（MPC）与学习控制混合的方法，使机器人能适应地形变化，实现类人步态。
此外，Optimus 的手部拥有超过 10 个自由度，能完成较复杂的操作任务，如拣选、分类、搬运物品等。这一能力的训练部分来源于示教（teleoperation）系统，即人类控制机器手完成任务，生成数据供模型模仿学习。
能源与硬件：AI 的“肉身”如何构建？
Tesla 对硬件结构的控制力使其具备独特优势。Optimus 使用定制的伺服电机、高能效的电池包和轻量化结构材料，在保证灵活性的同时优化了续航和负载能力。整个机器人以模块化结构构建，便于批量生产与维护。
Optimus 并不只是一个工程秀，它代表的是 AI 发展的新阶段：从信息处理走向物理交互。过去 AI 模型解决的是“输入-输出”的抽象问题，而在机器人中，AI 直接影响物理世界——这意味着，它不再只是“大脑”，更承担起“身体”的责任。
文 | 李晓琦
图 | 除标注外，均源自网络
— 版权声明 —
本微信公众号所有内容，由北京大学前沿计算研究中心微信自身创作、收集的文字、图片和音视频资料，版权属北京大学前沿计算研究中心微信所有；从公开渠道收集、整理及授权转载的文字、图片和音视频资料，版权属原作者。本公众号内容原作者如不愿意在本号刊登内容，请及时通知本号，予以删除。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢