《张梦然》

谁不想有台机器来帮他们做家务，这是人们对于机器人技术发展的一个美好幻想。

来源：《麻省理工科技评论》

虽然机器人专家已经能够使机器人在实验室中做一些令人印象深刻的活动，如跑酷等，但这些都是经过精心规划并在严格控制的条件下完成的，而让它们在家里自主工作，仍然让人有些忧虑，在有儿童和宠物的家庭当中尤为明显。而且每间房屋都有其独特之处，家具布局、物品摆设千差万别。

在机器学习专家中，“莫拉维克悖论”是一个广为认同的观点：人类通常认为很难的事，对于机器来说却是易如反掌；然而，当一项任务被赋予智能算法时，这在以前看来几乎是不可能的事情，现在却变得轻而易举。如今，在人工智能的帮助下，机器人已经能够完成原本被认为是完全无法实现的任务，比如叠衣服、烹饪和卸载购物篮等。

根据最新的《麻省理工科技评论》，这一领域正面临着一个新的转折点：机器人的应用将从实验室走向家庭；机器人技术有望实现大放异彩的历史时刻。

家用机器人不能太贵

在过去的时期中，机器人一直被视为高端奢侈品，并且通常需要花费数以万美元计的高总价，这使得大众难以承受。例如，家用版机器人——PR2，是最早推出的版本之一，它的重量为200公斤，起始价高达4万美元。私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596

幸好，新一代更便宜的机器人渐渐出现了。由美国初创公司Hello Robot开发的一款新型家庭机器人Stretch 3，价格就合理得多，24950美元，重量为24.5公斤。它有一个小型移动底座，一根悬挂着摄像头的摇杆，一个可调节手臂和一个末端带有吸盘的夹具，并且可通过控制器进行操作。

与此同时美国斯坦福大学研究小组研发了名为Mobile ALOHA的系统这款开源硬件远程操作软件能让机器仅凭20个样本数据（其中包括人类示范）便能学会烹饪虾团队将现成组件装入机器人之中，尽管它们的成本低廉却也需要数万美元，以前类似模型动辄要价数十万元。

AI 设计制造“通用机器人大脑”。

将这些新机器人与他们的“前人”分开的关键是软件，因为随着人工智能（AI）的持续增长和发展，当前的技术研究正转移到以神经网络为核心来构建智能大脑上。

人工智能专家利用深度学习和神经网络构建一个“大脑”，以实现机器人可以在特定的环境中学习，并根据需要进行调整的行为；而非如传统的方式，需要精心规划并承受巨大的训练压力来改变机器人的行为。

谷歌公司在今年夏天发布了视觉语言行动模型RT-2。这个模型可以利用网络上的文本、图片以及自身的交互来获取世界的普遍概念，进而把这些知识转化成机器人行为。

来自丰田研究所、哥伦比亚大学和麻省理工学院的研究团队使用了一种名为仿生学习的人工智能技术以及生成型人工智能来教授机器完成大量新的任务，该方法还将生成型人工智能的应用范围从文本、图像和视频拓展到了机器人运动。

从OpenAI已关闭的研究部门剥离出来成立的初创企业Covariant则创建了多模态模型RFM-1。这个模型接受文本、图象私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596和视频，以及由机器人的命令作为输入进行训练，并能够生成符合指令要求的相关图像或视频内容。

随着数据的增多，人工智能更加智能。

大型的预训练模型GPT-4等的强大之处在于它们从互联网上搜集了大量的数据，但这种模式并不适用于机器人。它们需要专门针对机器人的数据来进行构建。这类数据极其稀缺，而且获取和整理也往往花费不少时间。

谷歌旗下深度思维公司推出了一项名为“开源X-Embodiment协作”的新项目，旨在消除这种状况。去年，该公司与全球约有34家实验室的150名研究人员合作，收集了超过22种机器人的数据，包括由Hello Robot生产的Stretch 3。最终产出的数据集在2023年10月发布，包含机器人完成的技能总数达527项，例如采摘、推动和移动等。

存在另一种被称为 RT-X 的机器人 ，研究人员为它精心设计了两种不同的模型 。这使得研究者不仅能将该机器人建模为本地应用在各个实验室内，并且还能将其远程连接到网络中。

更大的、可在线访问的模型是预先通过互联网的数据来训练的，以从大型语言和图像模型中发展出“视觉常识”。当研究人员在多种不同的机器人上运行RT-X模型时发现：这种机器人学习能力要优于每个实验室独立开发系统上的成功率高出50%。

简而言之就是更多的数据促进了更先进的机器人技术的发展和应用。