北京
“大語言模型給人工智能找到了一條可行路徑：在大規(guī)模數(shù)據(jù)上預訓練一個大模型，通用能力自然跟上。機器人領域沒有這種東西。”這是行業(yè)公認的尷尬——感知、規(guī)劃、控制各模塊拼湊出的系統(tǒng)，換個任務就失效，換臺機器就推倒重來。具身智能的核心難題在于找到那條等效路徑，而整個領域至今沒吵出個共識。
中國具身AI公司X Square Robot押注了一個異常明確的方案。他們認為，答案是一個貫通數(shù)據(jù)、世界模型和行動模型的集成棧，而且這套東西應該開源。
拆開來看，這個集成棧靠的是幾條原則而非一個超級模型來維系。第一條，機器人數(shù)據(jù)的基本單位是交互，不是運動軌跡。一次演示成功的標準在于它確實改變了物理世界，而不是關節(jié)動了就行。第二條，預訓練本身就該產出可用的能力，不能只當作后續(xù)微調的初始化步驟。第三條，行為建模要圍繞物理事件展開，而不是按固定時間切片來處理。這三條原則讓各層之間深度耦合——訓練行動模型的“去機器人化”數(shù)據(jù)，同時也結構化地喂養(yǎng)世界模型。
值得強調的是，世界模型和行動模型被定義為互補但獨立的模型族，共享代碼庫，共同置于公司更大的“世界統(tǒng)一模型”架構下。這套架構的目標是同時訓練視覺、語言、動作和物理預測能力。不是堆砌模塊，而是讓不同能力在統(tǒng)一框架里協(xié)同生長。
數(shù)據(jù)問題上，這家公司的判斷相當務實：通用機器人的最大瓶頸不是參數(shù)量，而是交互數(shù)據(jù)的成本和質量。為此他們搭建了通用操作接口數(shù)據(jù)采集系統(tǒng)QUANXTA Zero系列。做法是讓人穿戴雙爪式裝置采集演示，而不是遠程操控機器人。這種去機器人化的數(shù)據(jù)捕捉方法本身并不新鮮，真正拉開差距的是兩項工程選擇。
第一項是質量控制，這也是整個方案中最具辨識度的部分。團隊不直接采信錄制的軌跡數(shù)據(jù)，而是把軌跡回放到真實機器人上，只有實際完成任務的演示才計為有效數(shù)據(jù)。這意味著每一份進入訓練集的數(shù)據(jù)都經過了物理世界的驗證，“錄了就是數(shù)據(jù)”的粗放邏輯在這里行不通。第二項工程選擇在原文中未完全展開，但僅憑第一項已足夠說明問題——這家公司對數(shù)據(jù)質量的執(zhí)念，遠超過對數(shù)據(jù)規(guī)模的盲目追求。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
