Full text · 原文
1,601 字
时令 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
波士顿动力也搞端到端AI了！<br>
这次升级，Atlas不仅可以听懂自然语言指令，还可以自主规划动作和处理意外。<br>
只见小哥故意合上盖子，机器人仍能识别并打开箱子。<br>
故意挪动箱子位置，它也能精确识别到变化。<br>
即使附近有遗漏的装置，它也能发现，并准确放入箱子内。<br>
据介绍，此次更新由波士顿动力与丰田研究院联手推出，基于大型行为模型（LBM），带来了Atlas的全新版本——Atlas MTS。<br>
新成果一出，网友们纷纷叫好，光是官方在YouTube发布的视频观看人数就突破十万，点赞超一万。<br>
另有一批网友则欣慰的表示，膝盖可以弯曲了，那背部就不会受伤了。<br>
哇哦，点赞数2.4K说明大家都很关心机器人身体健康嘛～<br>
除此之外，关于全新能力具体实现，官方发布了详细报告。<br>
给Atlas装上大脑<br>
报告指出，端到端的语言条件策略能让机器人充分发挥自身优势，实现行走、精确放置双脚、蹲下、转移重心，同时避免自身碰撞。<br>
这种策略构建过程分为以下4个步骤：<br>
收集具身行为数据；<br>
处理、标注和整理数据；<br>
训练神经网络；<br>
利用测试任务评估该策略。<br>
更值得关注的是，此次大型行为模型采用4.5亿参数的扩散Transformer模型，并结合流匹配目标，能将包括30Hz图像、人体感觉和自然语言指令等输入信息转化为控制Atlas活动的动作指令。<br>
说简单点，Transformer像“全局之眼”， 把控整体架构和动作细节的关联。扩散是细化步骤，将模糊指令转化为精准动作。流匹配损失则是真实参照，让动作既贴合现实，又能灵活适应不同场景。<br>
在此过程中，波士顿动力关键的是将Atlas的模型预测控制器与VR界面结合，从而覆盖从手指级精细操作到全身伸展、移动等各类任务需求。<br>
这使得远程操作员能够充分发挥机器人的性能，将自身动作和感知与机器人的状态保持同步。<br>
除此之外，此次升级最值得关注的是，Atlas能自主处理意外情况。<br>
当出现问题时，比如零件掉在地上或箱盖未关闭，Atlas都能智能地做出反应。<br>
这简直就是给Atlas装上大脑！<br>
不仅如此，官方还称只要是人能演示的动作，Atlas都可以学习它，包括但不限于系绳子、折叠椅子和翻轮胎等。<br>
不得不说，这学习能力真的惊到我了。<br>
告别液压，电驱机器人更适合AI<br>
说起波士顿动力机器人，那不得不提一下Atlas液压版。<br>
此版本在2024年4月已退役，且在24小时内发布全电动版本。<br>
毕竟液压系统不仅成本高，响应慢，还难以与AI系统集成。<br>
相比之下，电机驱动更精确、能耗低，且天然适配AI学习框架。<br>
自波士顿动力转向电驱动以来，他们也是不断推出新动作。<br>
去年8月，Atlas在RSS（机器人顶会）上大秀俯卧撑（当时还是没有手指的，也可以称为拳卧撑）。<br>
动作那是相当标准～<br>
过了两个月，它就可以进厂打工了，只需告诉Atlas前后搬运的位置坐标，它就能全自动分装物件。<br>
而在今年5月份，波士顿动力再次升级，让机器人具备3D空间感知和实时物体追踪能力，可以自主执行更复杂的工业任务。<br>
此次的大型行为模型（LBM），也意味着它正拥抱全新的技术方向。<br>
看完液压转电驱的波士顿，再来了解一下国内一直采用电驱的宇树。<br>
从四足机器狗Go系列，到人形机器人H1、G1、R1，宇树始终延续着“小而美”的电驱哲学，用更快的迭代速度，逐渐在全球打响了名号。<br>
现在，180“芭蕾舞者”都出来了。<br>
未来，随着电驱技术与AI算法的不断融合，电驱机器人的时代才将真正到来。<br>
参考链接：<br>
[1]https://www.youtube.com/watch?v=HYwekersccY<br>
[2]https://bostondynamics.com/blog/large-behavior-models-atlas-find-new-footing/?wchannelid=7qr7eifvi1