谁不想要一个可完全承担家务的机器人呢?这也是人们对机器人技术发展的一大梦想。当前，机器人技术发展正处于拐点：机器人正走出实验室，进入千家万户。机器人技术即将迎来自己的“高光时刻”。

  新一代机器人价格更便宜

  过去的机器人就是昂贵的代名词，高度复杂款价格动辄就要数十万美元，这使得大多数家庭无法负担。例如，PR2是家用机器人最早的迭代产品之一，重200千克，售价40万美元。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，只要24950美元，重量为24.5千克。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，可在控制器的指挥下进行操作。与此同时，美国斯坦福大学研究团队建立了一个名为Mobile ALOHA(低成本开源硬件远程操作)的系统，能让机器人仅借助20个数据(包括人类演示)就学会烹饪虾。团队使用现成组件制造出价格更合理的机器人，虽然也要数万美元，但之前的类似款需要数十万美元。

  AI构建“通用机器人大脑”

  将这批新机器人与“前辈”区分开来的，其实是它们的软件。由于AI繁荣发展，现在的技术焦点正从昂贵的机器人身体灵活自如，转向用神经网络构建通用机器人“大脑”。机器人专家正使用深度学习和神经网络来创建“大脑”系统，以便机器人能从环境中学习并相应调整自己的行为，而不是像之前那样，需精心规划和艰苦培训机器人。2023年夏天，谷歌公司推出了视觉—语言—行动模型RT-2.该模型能从用于训练的在线文本、图像以及交互中获得对世界的一般理解，并能把这些数据转化为机器人操作。丰田研究所、哥伦比亚大学和麻省理工学院团队已借助一种被称为模仿学习的AI学习技术以及生成式AI，快速教机器人完成许多新任务。这一方法将推动生成式AI技术从文本、图像和视频领域扩展到机器人运动领域。OpenAI已关闭的机器人研究部门成立的公司Covariant，则建立了一个多模态模型RFM-1.该模型可接受文本、图像、视频、机器人指令的提示。生成式AI让机器人能理解指令并生成与这些任务相关的图像或视频。

  更多数据催生更智能的机器人

  GPT-4等大型AI模型的力量，在于从互联网上囤积大量数据，但这并不适用于机器人，因为机器人需要专门为它们收集数据。它们需要实物演示如何打开洗衣机和冰箱、拿起盘子或折叠衣物。现在，这些数据非常稀缺，收集也需要很长时间。谷歌深度思维公司发起了一项名为“开源X-Embodiment协作”的新计划，旨在改变这种状况。去年，该公司与34个实验室约150名研究人员合作，收集了22种机器人的数据，包括Hello Robot的Stretch 3.由此产生的数据集于2023年10月发布，其中包括机器人的527种技能数据，例如采摘、推动和移动等。还有一种被称为RT-X的机器人，研究人员专门为其构建了两个版本的模型。其既可在各个实验室的计算机上运行，也可通过网络访问。更大的、可通过网络访问的模型是用互联网数据预先训练的，从大型语言和图像模型中发展出“视觉常识”。研究人员在许多不同机器人上运行RT-X模型时发现，这样的机器人学习的成功率比各个实验室独立开发的系统高出50%。总而言之，是更多的数据催生了更智能的机器人。

  作者：张梦然

  编辑：王   珊

  审核：贾慧娟