波士頓動力和谷歌DeepMind為機(jī)器人帶來具身AI推理

編輯丨%

如果知道正確地提出需求，那么機(jī)器人就會成為令人愛恨交加的玩意：它們幾乎可以完成你想要它們做的任何事情。在不久的過去，正確地要求意味著編寫代碼，雖然人類已經(jīng)幸運(yùn)地超越了這種脆弱的限制，但使用簡便程度和任務(wù)復(fù)雜程度之間仍然存在令人煩惱的負(fù)相關(guān)聯(lián)系。

AI 承諾改變這一點(diǎn)。其理念是當(dāng) AI 被賦予機(jī)器人——使人工智能軟件在世界上擁有物理存在——這些機(jī)器人將被賦予推理和理解能力。這是尖端技術(shù)，盡管我們已經(jīng)看到了許多在研究環(huán)境中體現(xiàn) AI 的例子，但要找到推理機(jī)器人能夠提供可靠商業(yè)價值的應(yīng)用并不容易。

波士頓動力公司是少數(shù)幾家在可觀的規(guī)模上商業(yè)化部署了腿式機(jī)器人的公司之一；現(xiàn)在已有數(shù)千臺機(jī)器人在工作。jinri該公司宣布，其四足機(jī)器人 Spot 現(xiàn)在配備了谷歌 DeepMind 的 Gemini Robotics-ER 1.6，這是一種高級體感推理模型，為復(fù)雜任務(wù)帶來了可用性和智能。

圖示：Spot 在家中運(yùn)行。

https://youtu.be/LP4-c5AK30g?si=dwB5ylGCChAAnP0D

雖然有關(guān)團(tuán)隊(duì)展示了 Spot 在家中的場景，但這次合作的重點(diǎn)是少數(shù)幾個足部機(jī)器人在商業(yè)上可行的應(yīng)用之一：檢查。也就是說，在工業(yè)設(shè)施中走動，檢查是否有即將爆炸的危險。有了新的 AI，Spot 現(xiàn)在能夠自主尋找危險的碎片或泄漏物，讀取復(fù)雜的儀表和視鏡，并在需要幫助理解周圍環(huán)境時調(diào)用視覺-語言-動作模型等工具。

理解機(jī)器人理解

“推理”和“理解”這兩個詞越來越多地被應(yīng)用于人工智能和機(jī)器人領(lǐng)域，但這些詞在實(shí)際中對于機(jī)器人究竟意味著什么并不總是很明確。“當(dāng)我們談?wù)摾斫鈺r，我們衡量自己的基準(zhǔn)是系統(tǒng)應(yīng)該像人類一樣回答，”谷歌 DeepMind 的機(jī)器人負(fù)責(zé)人 Carolina Parada 在一次采訪中解釋道。

為了讓機(jī)器人可靠且安全地執(zhí)行任務(wù)，機(jī)器人理解世界的方式與人類理解的方式之間的聯(lián)系至關(guān)重要。否則，人類給機(jī)器人的指令和機(jī)器人決定如何執(zhí)行任務(wù)之間可能會出現(xiàn)脫節(jié)。

視頻中就是一個顯而易見的例子。給 Spot 的指令之一是“回收客廳里的任何罐頭”，這對它而言并不困難，但在完成任務(wù)時，它橫著抓住罐頭，這對那些里面還有剩余液體的罐頭來說可就不妙了。我們會避免這種情況，因?yàn)槲覀兡軕{經(jīng)驗(yàn)就知道罐頭應(yīng)該如何拿取，但機(jī)器人還沒有（具備）那種世界知識。

圖示：機(jī)器人技術(shù)賦能的智能檢測。

https://youtu.be/kBwxmlI2yHQ?si=sGn6J9LkgWLqjbpo

作為一個高級推理模型，Gemini Robotics-ER 1.6 與機(jī)器人本身作為物理世界的接口之間似乎仍存在一定程度上的脫節(jié)。該版本的一個新功能是成功檢測，它結(jié)合多個攝像頭角度來更可靠地判斷 Spot 是否成功抓取了物體。

這對于完全依賴視覺進(jìn)行物體交互的機(jī)器人來說，非常合適。但機(jī)器人有各種其他成熟的方法來檢測成功抓取，包括觸覺傳感器和力傳感器，而 1.6 并沒有使用這些方法。這種情況的原因涉及到機(jī)器人領(lǐng)域仍在試圖解決的問題：當(dāng)需要物理數(shù)據(jù)時如何訓(xùn)練模型。

Parada 表示，目前網(wǎng)絡(luò)上關(guān)于視覺訓(xùn)練的信息很多，但帶有觸覺傳感的數(shù)據(jù)并不多見。倘若能尋找到更多有關(guān)數(shù)據(jù)，學(xué)習(xí)會更加輕松。

實(shí)用的現(xiàn)實(shí)機(jī)器人

在依賴 AI 進(jìn)行商業(yè)部署的腿式機(jī)器人領(lǐng)域，波士頓動力憑借其客戶市場顯得格格不入。涉及 AI 時，客戶對于機(jī)器人的信任度始終是一個問題。

在一次采訪中，相關(guān)負(fù)責(zé)人表示，他們通過 Beta 計劃將新的 DeepMind 功能向一小部分客戶推出，以了解需要預(yù)期什么，并且只宣傳那些有信心能起作用的部分。

作為可擴(kuò)展的商業(yè)平臺的稀有地位，Spot 帶來了一個寶貴的機(jī)會，讓人們得以認(rèn)識到像 Gemini Robotics-ER 1.6 這樣的模型如何最有效，然后將這些知識應(yīng)用于其他具身 AI 平臺。

這意味著波士頓動力的 Atlas 將成為下一個工業(yè)檢查機(jī)器人嗎？可能不會。但如果這種實(shí)際經(jīng)驗(yàn)?zāi)茏屓藗兏咏谀軌虬踩煽康負(fù)炱鹨挛铩㈠薰贰⑶謇硪桌薅慌K環(huán)境的機(jī)器人，那將是未來一件極為有趣的事。

https://spectrum.ieee.org/boston-dynamics-spot-google-deepmind