社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

英伟达机器人负责人:Astra让机器人开发提速100倍,ChatGPT时刻或在1到3年内

米范儿MIFAN • 14 小时前 • 24 次点击  

本期嘉宾:Deepu Talla(英伟达机器人与边缘AI副总裁)

主持人:Rocket Drew(The Information)

机器人的ChatGPT时刻什么时候来?英伟达机器人与边缘AI副总裁Deepu Talla给出的门槛很具体:几百、上千种任务,不用针对每一种专门训练,就能达到可以上场的水平。按现在的速度,这可能就在一到三年内。

推着时间表往前走的,是一个原本不属于机器人行业的变量。GPT-6 Astra这类Agent,能把搭建仿真环境、生成合成数据的周期从几个月压到一周,也能替工厂写那些没人愿意写的胶水代码。这是机器人开发的第一个100倍。

要点总结

Astra为什么是机器人的一次突破?

●  它同时打通了模型训练的前端和落地部署的后端。过去为合成数据搭一个数字孪生要几个月,现在给几张照片和视频就能建好环境,速度提升约100倍。

●  部署时要对接二三十年前的PLC、ERP和楼宇系统,胶水代码没人愿写;Agent读完手册就能写,这又是一个100倍。

100倍够不够?

●  必要但不充分。数字世界90%到95%的准确率已经不错,有人兜底;物理世界通常没人在环里,要的是99后面跟六个甚至八个9。

●  100倍可能只是把99%推到99.99%,还需要更多这样的阶跃。

哪些机器人已经够格上场?

●  用百米跑作比方:10秒是奥运入场线,9.6秒才是金牌。自动驾驶已经过了10秒线,Waymo规模一年涨了10倍。

●  仓库和工厂里的AMR导航、刚性物体分拣,已经接近或越过10秒线;灵巧操作和通用人形机器人还在路上。

机器人的大脑会长成什么样?

●  VLA是起点,但不够;世界模型能预测动作的后果,两者正在融合成世界动作模型。英伟达开源的GR00T 1.7,前端就是视觉语言模型。

●  控制会分成系统0到系统3:关节上千赫兹的反射、本体上的快慢思考,再到云端“打电话问朋友”,算力是端云混合的。

数据还是瓶颈吗?

●  真实数据从遥操作走到第一视角数据,同一任务数据攒到一定量后边际收益就小了。现在把真实数据交给Agent在仿真里扩增,效率又是约100倍。

●  预计未来6到12个月,单靠数据的提升,新机器人模型的准确率就会远超今天最好的模型。

ChatGPT时刻之后,需要人形机器人吗?

●  要先有人形机器人,才最快练出通用大脑:数据好采,世界本来就是按人的尺寸设计的。之后再把大脑部署到机械臂、AMR等各种形态。

●  家里的终极应用是照顾老人的陪伴机器人,比工业场景更晚,因为家里没法围栏,安全要求更高。

访谈干货全文

01

转折点:通用大脑和落地集成都要过关

这期节目录制前,英伟达刚在柏林开完GTC开发者大会。欧洲尤其德国的制造业以中小企业为主,Mittelstand这类企业做的是小批量、高精度、非常专门的活,任务变化极多,根本没法给机器人逐条编程,只能靠真正自主的能力。过去技术一直不够好,现在才开始成熟到能解决这类问题,整个欧洲的创业公司、研究者、开发者和大公司都挤在柏林,气氛极其热烈。

真正落地要过两关。第一关是智能本身:完成一项或一组任务的大脑必须足够准确、足够可靠、每次都一样,还得安全、划算。能理解物理世界的通用大脑,还没走到2022年11月ChatGPT给数字世界带来的那个临界点,全世界最好的研究者、开发者和实验室都在攻这个问题。

第二关是部署:有了大脑,还要把它装进具体的机器人形态,接进现有的工作流程。机器人要和能力不同的其他机器人配合,要和数字AI配合,也要和人配合,而这一步每个场景都得定制,并不容易。直到大约一个月前,Astra时刻出现,Agent第一次真正能调用仿真、训练、部署这一整套物理AI工具,反复尝试把好的机器人大脑接进现有流程。

(加州这边常有一种AI傲慢,觉得AI就是一切。硅谷的机器人从业者,能从欧洲传统制造商那里学到什么?)

问题不在傲慢。既然通用准确率这一关还没过,大家也就从没被逼着去大规模解决集成问题,而集成本质上是把智能规模化。幸运的是,数字世界的Agent革命今年2月才刚发生,进展快得惊人。

02

Astra的两个100倍:前端造数据,后端写胶水代码

Astra发布时,英伟达团队都有点意外。训练机器人大脑需要大量数据,物理世界对准确率的要求又比数字世界高得多。真实数据在采,但不够,合成数据是显而易见的方向。难点在于,合成数据需要美术师或CAD模型,为各种物体和空间做出准确的三维表示,哪怕用上生成式AI,为一个环境做数字孪生也要好几个月。

Astra这类Agent是在物理世界的数据上训练过的,对物理规律、对时空关系有不错的理解。它会研究物体的属性,去网上找现成的CAD,或者只凭几张照片、一段视频,不需要精确的三维扫描,就能把环境搭出来。过去要几个月的合成资产和环境生成,一下子提速了100倍,模型因此能用更好的数据训练得更快、收敛更快、更聪明。

第二个同样重要。就算已经有一个够用的大脑,部署也很麻烦:工厂里有些机器由二三十年前的PLC控制,用的是各家自己的编程语言;供应链场景还要接ERP,有的要接楼宇管理系统。这些胶水代码写起来很无聊,懂的人也不多,手册其实都在某个地方。把Agent丢进去,它能读完所有手册、理解接口、写出代码,这又是一个100倍。

训练智能之前的准备工作好了100倍,训练之后的部署也好了100倍,做出有用物理AI的速度,已经和一年前不在同一艘火箭上。

(为什么偏偏是Astra,突然这么擅长CAD、Blender和物理理解?)

过去三到五年先解决的是语言,几年前加进了视频和其他传感器。这是自然的下一步:物理AI就是最大的机会,语言和视频都变好之后,下一步就是把它们结合起来解决时空问题。OpenAI确实把模型训练得很好,正好能做这类最需要解决的任务。没有专门问过OpenAI,但这大概不是意外得来的,而是瞄准了这类问题去做的。

03

100倍不够:物理世界要99后面一串9

(就算LLM把这些都自动化了,难道就没有别的瓶颈?比如说服工厂的IT同意让机器人连Wi-Fi,这可是很人性的问题。)

没错,大规模部署之前,还需要好几个数量级的改进。数字世界里,模型有90%到95%的准确率就算很好,因为大多数消费级应用更像是给个提示,最后5%到10%有人来兜底。物理世界里,几乎所有情况下都没有人在环里,问题不是90还是95,而是99之后还要几个9。

100倍很好,但如果起点是99%,也只是从99%走到99.99%,而目标可能是99后面再跟六个甚至八个9。所以还需要很多次这样的阶跃。Agent解决资产生成和部署,是方向正确的一步,必要但不充分。

制造、物流这些场景有一个好处:规则很多,来自第一性原理、安全、效率等各种考量。主持人打趣说还有官僚主义,但很多规则背后其实有道理,而且大多被很好地写成了文档。LLM可以读完这些文档,写出严格遵守规则的软件。同时,始终应该有人在环里,确认一切按预期执行。

04

先在仿真里试一百万次

(就算LLM能读完所有文档,也不等于能让企业相信投资回报、让厂长和产线工人愿意接受机器人。五年后,一家工厂从零到自动化一个大流程要多快?)

最适合搭建和测试这些系统的地方,首先不是现实世界。现实里慢、可能危险,也贵,方案错了要到最后才发现。答案是仿真。

仿真并不新。英伟达做芯片,芯片行业用仿真和硬件仿真已经超过30年,不到百分之百有把握就不会把设计送去台积电或别的晶圆厂流片,而出来的芯片几乎总能工作。物理AI和机器人也应该这样。英伟达在这件事上已经做了15年。

借助AI,仿真技术也成熟了:Isaac Lab负责策略评估和强化学习,Isaac Sim负责搭建虚拟环境,可以合成数据,也可以把真实传感器以软件在环或硬件在环的方式接进来,测单个机器人,也测机器人集群以及它们和数字AI的交互。在仿真里可以多做一千倍甚至一百万倍的试验,更快、更安全、也更便宜。

Agent也开始把这些仿真器当工具用。黄仁勋在GTC柏林主题演讲上展示的微型小鸭子机器人就是例子:AI跑在一台RTX Spark PC上,和小鸭子通信。从想法到部署不到一周,换成六个月前,绝不可能这么快。

做法是让Astra这类Agent先建一个数字孪生环境,再往里放各种物体。对工厂来说,告诉它厂房尺寸,给几张照片和视频就行,有CAD更好。它能认出那是机器、桌子还是书桌,也能像人一样估出尺寸、体积和大致强度。接着生成合成数据,调用另一个Agent训练模型,再把小鸭子的机电参数放进Isaac Lab和Isaac Sim做策略评估,全程由Agent迭代,得到够好的结果后,再把大脑部署出去。

对仓库和工厂的经营者来说,过去光生成资产就要很久,现在一周内就能跑起来。至于小鸭子的sim-to-real差距,它可爱就够了,98%、99%的成功率也行;工业机器人干关键活,就得99.99%以上。归根结底,环境能造、模型能部署之后,问题又回到模型本身:它把具体任务做得有多好。

05

10秒线:哪些机器人已经够格上场

判断离部署有多近,Talla常用一个百米跑的比方。百米运动员的终极目标是奥运金牌,男子大概要跑9.6到9.7秒;但在那之前,先得达到10秒才能入场。跑进10秒,说明够格参赛,离金牌可能还要好几年,也可能永远到不了。

物理AI里,最近刚有一个应用过了10秒线:自动驾驶。旧金山街头到处是Waymo,规模涨了10倍。业界试了15年,之所以最近才过线,是因为几项技术终于够好:带推理的端到端模型,加上能生成现实中几乎碰不到的长尾场景的仿真。就像16岁的人学六七个小时就能上路,因为人会推理。

10秒线只是入场。自动驾驶的终点,是有朝一日地球上每辆车都自动驾驶,那还要更准、更可靠、更安全,还有监管、社区接受度和合适的价格。

机器人的用例有几百甚至上千种。左边的球门柱是那些接近或刚越过10秒线的应用,右边的球门柱是具备精细灵巧操作、触觉、强壮低延迟机电的通用人形机器人。工厂里的AMR、户外巡检、配送机器人这类移动和导航任务,把东西从A点搬到B点,已经很接近甚至越过了10秒线。

再往右是操作,也是最有价值的部分。人之所以强于其他物种,一是大脑,二是对生拇指。工业机械臂和协作机械臂抓放、分拣那些不太会变形、不需要精确知道重量和力矩的刚性物体,比如拆包、装箱、分拣,AI已经过了10秒线,部署明显在起量。

工厂和仓库比家里多一个优势:可以把环境设计得更安全,用围栏把人隔开,算是半结构化环境。完全非结构化的环境里,没法靠环境保安全,安全本身就得做到极高的可靠性。

图 01|机器人应用离“10秒线”有多远

(10秒线只看准确率,还是也看成本和吞吐量?)

要回到为什么需要机器人:一是干人本不该干的危险活,比如整天搬100磅、200磅的重物,或者在采矿、油气这类恶劣环境里作业;二是干极其单调、重复、容易出错、没人想干的活。过去五到十年,工厂里先上了按固定路线走的AGV,地上贴着二维码,只能直线走。现在加上传感器就能变成AMR,可以在半结构化甚至更非结构化的环境里自己走。

机械臂也一样。汽车这种大规模、大批量的制造早就自动化了,因为值得把机器人编程到完美。可一到中小企业,世界上90%到95%的GDP在这里,没法给机器人逐条编程,太贵,也维护不起,处理的也多是小物件,所以用的是负载5公斤、10公斤、20公斤的六自由度协作机械臂,在人身边一起干活。

06

世界模型和灵巧操作,正在合流

(除了让LLM调用仿真器、生成仿真资产,AI还在怎样改进仿真?)

通用机器人最需要解决的是灵巧操作,这是人手最了不起的地方:不只能处理刚体,还能处理软体,而处理软体就得相当准确地模拟物理。直到一两年前,物理仿真器要么是为游戏做的,要么只针对流体力学等特定任务,带力和力矩感知的可变形物体仿真几乎没有。所以去年英伟达和Google DeepMind、Disney Research合作发布了物理引擎Newton,借鉴了流行的MuJoCo,并扩展了GPU加速和求解器。把Newton放进Isaac Lab做灵巧操作的策略评估,再加上Agent,试验数量和效率提升了一个数量级甚至更多。

(Cosmos在其中扮演什么角色?世界模型怎样改进仿真?)

回看机器人模型的演进:2022年前后的LLM只懂语言,不会行动;2023年很快有了视觉语言模型;机器人领域接着说,懂语言、懂视觉还不够,机器人得行动,于是有了VLA,即视觉语言动作模型。VLA是起点,必要,但拿不到所有准确率。就像人伸手做动作时,大脑会推理周围整个世界,动作一出,世界的状态就变了。

Cosmos是一个世界基础模型,能根据某个动作预测未来的结果。要预测就得模拟,要模拟就得推理。它既是模拟器、预测器,也天然带着策略评估器的功能。去年初最好的机器人模型还是VLA,到去年底,大家意识到单靠VLA走不到底,需要把世界基础模型和VLA配对,于是有了世界动作模型。最终,世界模型和动作模型都会合到一起。

(今年世界模型风头正劲,VLA是不是要过时了?)

谈不上过时。英伟达开源的GR00T 1.7,前端是视觉语言模型,后端是动作模型。新版本还在路上,可以合理预期,前端不只是视觉语言模型,还会加进世界模型;最终仍要把动作编码成具体指令,可能是VLA,也可能是VAM,但VAM里依然会有视觉语言推理的部分。

前端为什么还要语言?任务的意图往往由一句指令描述,比如“拿起那把扳手,拧上那个套筒”。机器人得有LLM理解这句话,得理解三维环境,知道扳手和套筒在哪、扳手朝向如何,最后还要决定握在哪里最好,再把指令发给机器人。人类天然就这么做,机器人也得一步步来。

07

机器人的大脑:从系统0到系统3

人们常说系统1和系统2:系统1是快速的感知与反应,系统2是会思考的大脑。机器人里大概不止这两层。系统1在30到100赫兹,相当于眼睛感知的速度;系统2是思考,几十到几百毫秒,有时要几秒。

更底层还有系统0。手碰到很烫的东西,人不会想,一两毫秒就缩回来了,相当于1000赫兹。机器人的关节上,大概也会有这种局部智能。往上还有系统3:一个问题想了又想,重来几次,一两分钟还没解决,人会怎么做?打电话问朋友。这个系统3可以在云端,也可以在机器人上或厂区本地,可能是一个庞大的专家大脑。

(系统0到系统3,是不是分别对应机器人端侧和数据中心的算力?)

系统0肯定在关节和执行器上。一台通用人形机器人很可能有100个甚至更多执行器,光一只手就有20到25个自由度,至少两只手,所以要有不做深度思考的本地感知处理。系统1在30到100赫兹,也很可能在机器人本体上,就像车的智能要放在车里:不是不能联网,而是可能断网、延迟太高,可解释性也更好,还有隐私等规则要求。

系统2可以在机器人里,也可以在厂区附近。可以想象工厂里放一台大计算机,机器人本身大脑不大,由它来帮忙。再远一点,云端或电信边缘总会有一个“问朋友”的能力。何况在工厂和仓库,最终不是一台机器人的事,就像一家公司不是一个员工的事:不同形态、不同大脑、不同机电能力的机器人,要和数字AI Agent、和人一起工作,全都需要编排。当天有新方案,就要在仿真里一夜跑上百万次。所以会是端云混合的算力架构,还要在仿真里跑百万倍的算力去试错。

图 02|机器人大脑的四层:从关节反射到云端求助

(一年后,世界模型和VLA的区分还会存在吗?)

会在一定程度上合并,已经能看到苗头。但机器人本体能装的算力有限,人形机器人的质量、体积、功耗和散热都有上限。在通用准确率达标之前,只能尽量加算力;有了好模型之后,怎么把它做便宜、做低功耗,数据中心里已经做过一遍。

多数VLA只有20亿、40亿参数,不是因为不想做到200亿、300亿,而是机器人本体装不下那么多算力。如果不够解决准确率问题,已经能看到有的应用会在工厂里放一台工作站,或者一个小型算力舱来帮机器人。摩尔定律就是摩尔定律,英伟达的Jetson每一代都有一个数量级的性能提升,但能放进本体的终归有限。该放本体的尽量放本体,别教条,放别处能更好解决问题就放别处。

(机器人AI创业公司Physical Intelligence最近推出了模型API,意外吗?)

一点也不意外。英伟达几乎和地球上每家机器人公司都有某种合作。十多年前开始做机器人平台时,就提出机器人是三台计算机:第一台用来训练和生成数据;第二台在中间,基于Omniverse,带Isaac Sim和Isaac Lab,用来在仿真里测试;第三台是机器人本体,大家一想到机器人只想到它,它需要低延迟、高性能的大脑,未来要连几十个传感器和上百个执行器,安全要从底层做起,软件和模型要开放。

英伟达提供这三台计算机,也提供加速库、参考模型和工作流,覆盖数据生成、训练、仿真测试评估和运行时部署。Physical Intelligence在训练π0.5等模型时,就在用英伟达的训练计算机和工具。模型做好后可以部署在Jetson上,也可以部署在别的硬件上;模型太大、没法全放边缘时,就做成API服务,API也可以看成一种“问朋友”。

08

模型在变小,数据在被Agent放大

(要让模型跑在边缘,一个办法是压缩。英伟达在压缩模型上做了什么?)

回到一年前,比如去年6月,当时最强的前沿大模型,像Kimi K2、DeepSeek V4,大约是万亿参数级。到今天,同样的智能水平,大约300亿参数,十几、二三十、四十亿到上百亿之间的模型就能做到,同样的智能,参数减少了约30倍。前沿模型当然也没停下,已经到两三万亿参数,智能还在涨。可以打赌,几个月到一年内,这个水平的智能会出现在个位数十亿参数的模型里。

办法有很多:更好的训练方法、更好的蒸馏。老师第一次学的时候走了很多弯路,教给学生时不必把没用的都传下去。任务收窄后,也能扔掉不关心的部分。理论上可以造一个同时是世界最好高尔夫球手、水管工、电工和网球选手的机器人,但没什么用。具体工作会在机电上专门优化,同时保留通用大脑处理相邻的事,好水管工也会顺手收拾周围。机器人也会这样变小。但物理AI还没到通用智能的ChatGPT时刻,仍需要更多技术、算力和算法。

(业界一直认为,要到机器人的ChatGPT时刻需要多得多的数据。最近有人提出,也许现在大约2000万小时的物理AI数据已经够了,数据不再是瓶颈。怎么看?)

两三年前,机器人和物理世界的真实数据几乎是零。互联网视频里有各种动作,但没有物理信息、没有明确目的,用它训练出来的也许是个会跳舞的机器人,当不了水管工,做不了精细灵巧的活。后来研究者自己搭设备采数据,再后来用遥操作扩大规模,模仿学习也有了,但这些都是必要不充分。于是第一视角数据变得极其重要,最近一两年公开和私下采的数据,大多是第一视角:把传感器戴在人身上,照常干活,叠衣服、修水管、做制造和分拣。

那句话大概是指:同一任务,比如叠衣服或抓放,数据攒到一定量后,再采更多同样的数据,收益就不大了,关键在跨任务、通用的能力。好消息是,现在可以把视频、真实采集数据、第一视角数据交给Agent,让它用仿真和物理工具做出更多准确的变体,并完成标注。整条合成数据流水线也是约100倍的提升。

未来6个月到一年,即便算法没怎么变,光靠数据,新出的机器人模型在通用性和准确率上就会有大幅提升。世界模型在这里也很有用:模型越可靠,失败越少见,但失败最有价值。在部署中抓到一次失败,就可以用世界模型做出上千个略有不同的仿真变体去训练。更进一步,世界模型还能预测失败,比如一直推这瓶水,大概能预判它什么时候会倒,这个迭代循环会让进展快得多。

09

机器人的ChatGPT时刻:几百上千种任务过10秒线

(按现在的速度,机器人什么时候跨过ChatGPT时刻?)

先定义清楚:机器人的ChatGPT时刻,是几百甚至上千个用例都达到了10秒线,而且不需要针对这些用例专门训练。否则,挑出十个过了10秒线的应用就宣称时刻已到,那可以做得很完美,却不是一回事。ChatGPT之前,AI模型都是只解决一两个问题的专才。

所有预测都注定会错,但感觉上,离机器人的ChatGPT时刻也就几年,可能一年,也可能两三年,甚至可能更快。进步不是线性的,也不是指数的,而是阶跃式的。Astra这样的模型出现,对生产力就是一个100倍的阶跃。模型能用所有工具之后,基于已有真实数据的合成数据生成会爆发,未来6个月到一年出来的模型,准确率会远超今天最好的模型。对大多数关心的场景来说,并不遥远。

但这还只是10秒线。规模化部署要技术、安全、可靠性、监管和经济性一起到位,不同用例、不同地区差别很大。

(很多客户不会为了部署机器人去采1000小时微调数据。客户自己要做多少工作?)

要扩展到中小企业,这正是世界GDP的大头所在,客户那边的工作量必须几乎为零。客户不该采数据,机器人进门,告诉它做什么,它就去做,像新员工一样;做得不对,就说“等一下,我做给你看”。从数据采集到重新训练的整条流水线,都得自动化、藏在底下,用户看不见,也不需要知道采了一千条还是多少条数据。

(这用现有技术就能做到,还是需要持续学习上的突破?)

Astra时刻是第一个100倍,大概还需要一两个这样的阶跃,但应该不远,因为大家已经知道这类能力能做到什么。训练前造智能、训练后做部署,这两头会突然加速并被解决,剩下的大部分工作,又回到模型本身能把活干得多好。

10

为什么还绕不开人形机器人

(机器人的ChatGPT时刻,需要人形机器人吗?)

没有某种人形形态,几乎不可能到达那个时刻。今天有灵巧手的机器人有多少?离开人形机器人,几乎为零。没有通用能力,机器人通常只做一两三种任务,而通用智能需要手。主持人提到,也可以把五指手装在普通工业机械臂上,比如创业公司Tactic Systems在做的那种。这当然可以,最终部署会有大量形态,灵巧手不一定长在人形身上,也可以装在固定的协作机械臂上。

但人形形态是练出通用大脑最快的路,练出来之后再派生、部署到各种形态。原因一是数据好采;二是世界大多是棕地,本来就按人的身高和臂展设计,物品放在人够得着的地方,尤其是那些非结构化的场景。解决操作的同时,也要解决移动和导航,有腿的人形形态能走进各种通用环境。

这不是说人形对每份工作都最好,工业场景里多半不是,协作机械臂、工业机械臂和AMR都不会消失。但在极其非结构化的环境里,工厂或仓库放几台人形机器人有道理;到了家里,完全非结构化,多半就是人形。

(对资本开支有限的中小企业,工业机械臂难道不比人形更划算?)

如果有足够大量的单一任务,别的形态在机电、经济性和可靠性上更合适,当然就用别的形态。越是中小企业、越是多品种小批量,人形就越多。就像单反拍照比手机好,专业摄影师用单反,多数人用手机。通用人形机器人可能会比其他任何形态的产量都大,供应链会向它靠拢,造起来也更便宜。不是二选一,两者都会有,平衡点要逐案判断。如果能把环境设计成可灵活重组的专用工位,再把人形机器人那套大脑装进去,那确实不需要人形。

(你个人的ChatGPT时刻,会是什么样的机器人?)

家里的终极应用是社交机器人:照顾老人,提供需要的体力帮助,也是一个懂你的好伙伴,做我们不想做的家务,而且像我们自己能做时那样去做。这个时刻会比通用工业和仓储任务更晚,而后者才是最需要创造经济产出的地方。

今天的人形机器人大多一米七几、160磅左右。未来的孩子可能从小和一台30厘米高、比小鸭子大一点、力气很小、身上毛茸茸的人形机器人一起长大,它的大脑会随孩子一起学习成长,形态也跟着长大,记忆一直保留。家里也不需要一台整天搬100磅的人形,偶尔要搬重物,叫别的来就行。

通用机器人要按顺序解决五件事:通用准确率,可靠性,安全,经济性,第五是不能让人觉得毛骨悚然,要有好的人机交互。排第五不是因为不重要,而是前四件不解决,第五件无从谈起。

家用和工业的可靠性要求都很高,只是类型不同。工业场景里搬的是重物、动作快,人和机器人应尽量少交互,能不挡路就不挡路;家里要拿啤酒、捡东西,没法围栏,不管谁的错,人绊倒机器人都可能有严重后果,所以安全要求更高。不过不必等到完美再进家门,没什么力气、毛茸茸的宠物机器人,配上很好的LLM交互,已经可以先当陪伴。

今年3月的GTC上聊过一次,现在回看,在物理AI和机器人领域像是十年前,当时讨论的技术和行业今天做到的,判若云泥。等到明年春天的GTC,今天聊的这一切,大概也会像十年前的事。

关注公众号,每日获取全球AI最新一手访谈

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/203719