现场学习机器人展现AI未来：通用机器人模型初现曙光

上周，我冒险离家仅15分钟路程，去观看机器人表演一些令人难以置信、瞠目结舌的事情。我参观了位于马萨诸塞州剑桥市的初创公司Generalist AI的办公室，在那里我看到机械臂执行简单的家务，比如叠杯子、把积木放进碗里等等。

我惊讶于它们学习的速度之快——这让人联想到有血有肉的人。这些机械臂在观看一段简短的教学视频后掌握了一系列任务，最令人印象深刻的是，它们没有针对特定任务进行专门训练。最引人注目的例子之一是，一个机器人被指示用簸箕和刷子将积木扫入碗中。

当刷子从场景中移开时，机器人即兴发挥，将簸箕当作刷子使用，把积木弹进碗里。另一个案例中，一个双臂机器人观看了一段视频，视频中有人拉开钱包拉链取出钞票。我看着机器人拉开一个不同类型的钱包并小心地取出纸币，不禁目瞪口呆。

最令人惊奇的是，当它无法抓住钱时，它从右抓手切换到左抓手，以获得更好的攻击角度。“哈，”站在附近的一位工程师说。“它以前从未这样做过。

”“这正是人们对GPT-3感到兴奋的地方，”Generalist联合创始人兼首席执行官Pete Florence告诉我，他指的是OpenAI于2020年发布的突破性大型语言模型。

“你可以拿那个模型，只需提示它执行一个新任务，它就有很大机会完成。”Generalist似乎专注于教机器人理解世界的物理规律，这似乎受到人类从小表现出的物理直觉的启发。这很可能有助于模型将在一个场景中学到的知识迁移到另一个场景。

事实上，该公司的一些演示让我想到孩子们在展示任务时如何即兴发挥和实验。研究人员经常对机器人的决定感到惊讶——例如，当香蕉放在它面前时，它选择用香蕉清扫物品。这可能看起来微不足道，但物理智能仍然是机器所缺乏的，而婴儿高效学习世界的方式可能为AI研究人员提供重要见解。

我在一间会议室里见到了Florence和联合创始人兼首席技术官Andrew Barry，会议室俯瞰着团队人员，他们手上戴着特殊的抓手进行机器人训练。该公司的另一位联合创始人兼首席科学家是Andy Zeng。

这三人背景令人印象深刻：他们曾在Google DeepMind和Boston Dynamics从事一些最先进的硬件和机器人模型的工作。传统上，训练AI驱动的机器人执行不同任务意味着向模型输入数千个示例。

然而，这是一种出了名的不完美的学习方式，如果你改变像灯光这样简单的东西，机器人就会在任务中遇到困难。Generalist和其他一些机器人初创公司正在大力投资于由人类训练的通用机器人模型。该公司制造了类似机器人钳子的特殊手套，上面装有摄像头，人们可以用它们来执行不同的家务。

我看到一个板条箱里高高堆着数百个这样的抓手，这些抓手将被送往墨西哥和其他地方的工人手中。Florence和团队对他们训练机器人的具体方法讳莫如深，但他们表示公司已经收集了大量高质量的训练数据。

与其他一些追求更智能机器人的公司不同，他们还完全从头构建了自己的AI模型，而不是依赖开源语言模型。佐治亚理工学院的机器人专家Danfei Xu熟悉Generalist的工作，他表示这家初创公司在追求更通用机器人模型的公司中脱颖而出。

“他们把这个想法推向了极致，并且执行得非常好，”Xu说。除了收集大量高质量数据外，“他们是优秀的机器人专家，而且做了非常好的科学研究。”Xu还表示，Generalist迄今为止的演示表明他们着眼于在真实商业环境中部署机器人。

“他们是最接近可部署的东西，”他说。

“Generalist的数据方法是大规模收集物理交互数据，而不将其与特定机器人过于紧密地绑定，”斯坦福大学机器人专家Karen Liu说，她也认识这家公司。“他们最强的结果表明，这个赌注可能正在奏效。

”尽管如此，Generalist表示其模型的学习技能还不太可靠。平均而言，机器人只能在大约59%的时间内完成展示给它的任务；理想情况下，成功率应该在99%以上。目前还不清楚这些技能能推广到多少种可想象的任务或环境。

即便如此，机器人在制造业等领域快速学习技能的潜力似乎巨大。最近一个深夜，Generalist的一位工程师似乎发现了这一点。一段记录该事件的视频显示，工程师将小杯子堆在双臂机器人面前的桌子上，只是想看看机器会做什么。

机器人突然加入进来，用两个抓手抓取并堆叠其他杯子。当机器人把杯子整齐地堆成一摞时，工程师开始对着空气大喊大叫，对这个动作感到高兴。这是Will Knight的AI Lab新闻通讯的一个版本。在此处阅读以前的新闻通讯。