首页科技快讯人工智障机器人终于来了点新活，这次会做粤菜了

人工智障机器人终于来了点新活，这次会做粤菜了

来源：晰数塔互联网快讯时间：2024年01月23日 17:53

之前有人吐槽，“本来AI应该给人端茶倒水，没想到AI都去画画唱歌”，还好2024开年惊喜不断，人工智障机器人终于来了点新活，在端茶倒水方面有了巨大突破。

一月初，斯坦福大学团队带着炒菜做饭、收拾衣服、逗猫的全能家政机器人闪亮登场，谷歌DeepMind旗下机器人团队也发布重磅更新。

斯坦福大学IRIS实验室团队发布的“家务全能”机器人Mobile ALOHA，只要50次训练就能掌握一项任务，成功率达90%以上，例如给手机充电、打绳结、用耳机。

在研究者的操作下，它还能完成更复杂的任务。在一段时长3分钟的视频中，机器人做了三道粤菜：虾仁滑蛋、干贝烧鸡、蚝油生菜。

老实说吧，我做的没它好｜Stanford IRIS Lab， Youtube

打鸡蛋、煎虾仁、翻动鸡肉、加调味料、切菜、切蒜末……一看就是行家里手。

Stanford IRIS Lab， Youtube

浇花、洗衣服、泡咖啡、刮胡子，人能做的事它都能掺上一脚。

就在不久前，我们对机器人的印象还停留在人工智障的阶段，最强也不过就是波士顿动力的“打工狗”。怎么机器人一下子变得这么灵巧了？机器人上岗干家务的未来还会远吗？

Giphy

眼里有活，全部开源

ALOHA开发团队在论文中介绍，机器人双手操作的模仿学习此前没有得到广泛应用，主要有两方面原因：一是缺少易于获取、即插即用的全身远程操作设备，二是此前机器人在学习双手操作完成复杂任务方面表现不佳。

ALOHA构造示意图 | 图片来自论文

为了解决这些问题，研究团队使用了市面上容易获取的部件，设计出这台尽可能复刻人类动作的机器人。他们在设计中还重点考虑了以下4个因素：

机动性：行进速度与人类相近，达到1.42米每秒；

稳定性：适应居家环境，在使用橱柜、搬动锅具的时候不翻倒；

全身远程操作：机器臂和底座的每个自由度都能同时远程操控；

不受限：搭载电源和计算机系统。

为了让机器人学会复杂的动作、学会应对训练中没有的突发状况，研究团队将模仿学习算法与静态数据进行协同训练（co-train），达到了不错的效果。

比如在机器人正要打开杯子的时候把杯子拿走，或者在它换电池的时候在旁边放上杂物，在受到干扰的情况下，机器人也能继续完成任务。

给你feed小青蛙｜tonyzhaozh.github.io/aloha/

在搬椅子任务中，研究者只训练它搬动三把椅子，然后在测试时布置了五把椅子，机器人也能把它们全部摆好。这样眼里有活的机器人谁不心动！

ALOHA全部使用市面上的通用硬件设备搭建，成本只要3.2万美元（约合人民币23万元）。作为对比，波士顿动力的机器狗Spot发布时售价高达7.45万美元。目前市面上功能相似的操作机器人PR2和TIAGo售价高达20万美元。

通过增减硬件设备，你还可以进行个性化定制，最低只要2万美元（人民币14万元）就能搭建完成。

研究团队已经将代码开源，感兴趣的朋友们可以开始DIY挑战了。

更好、更快、更安全

或许是为了和斯坦福比高下，就在ALOHA发布的第二天，谷歌DeepMind团队一口气发布三个计算模型，借助人工智能的力量，让机器人反应更快、表现更好、更安全可靠。

此前在ChatGPT面世后不久，谷歌就宣布将大语言模型（LLM）和视觉语言模型（LVM）应用于机器人开发，用模型将大量训练录像翻译成机器语言，供系统学习。这次发布的AutoRT系统大幅提升了机器人应对陌生场景的能力，可同时操纵多达20台机器人，并能在人类辅助下同时运行52台机器人。

多机器人协同｜https://auto-rt.github.io/static/videos/autort_time_lapse.mp4

SARA-RT系统则大幅提升了数据处理速度。它使用向上训练（up-training，暂译）技术，解决了数据输入增加后运算负担呈平方数增长的问题。此前，如果训练模型输入增加到2倍，例如增加一个传感器或调高分辨率，系统需要投入4倍的运算资源处理数据。应用SARA-RT后，数据处理负担线性增长，处理效率大幅提升。

RT-Trajectory模型能对训练录像自动标注视觉线索，提升训练效率，帮助机器人从人类操作录像甚至简笔画示意图中学习。