物理AI新概念:“淘汰编程,机器人实时自学”,感知硬件的挑战


01
机器人自主学习
空间感知的挑战
新闻
7月7日,巴黎迎来了欧洲首届以物理AI为主题的MACHINA Summit的盛大开幕。此次盛会吸引了Google DeepMind、NVIDIA、Apptronik、Boston Dynamics、NEURA Robotics、Skild AI、Hugging Face等知名机器人和人工智能企业的领军人物,他们齐聚一堂,共同深入交流关于具身智能、机器人基础模型以及Physical AI领域的最新研究成果和发展趋势。
在会议的首个议程中,法国一家新兴机器人技术初创企业UMA揭幕了其首台人形机器人,同时推出了创新性的Real-Time Learning(实时学习)技术框架。与传统的机器人依靠预先设定的程序进行操作不同,UMA的机器人通过观察人类的操作示范来习得技能,并在实际操作环境中不断调整与优化其动作策略。
也就是说:工程师无需持续不断地编码,机器人宛如人类一般,通过观察、实践及反馈,不断习得新技能。

02
"Robots of the future ought to emulate the learning process of human beings."
未来的机器人理应具备与人类相仿的学习能力。
——UMA的联合创始人兼首席执行官,Rémi Cadène
大咖讨论

在探讨机器人学习能力的话题上,与会嘉宾们纷纷分享了自己的见解。
Apptronik的联合创始人兼首席执行官杰夫·卡德纳斯阐述道:“通用机器人正是未来所向,它们正稳步走来。我们已攀至高峰,并已眺见那片充满希望的乐土。”
谷歌DeepMind机器人项目负责人Carolina Parada指出:
机器人目前尚未全面融入我们的日常生活,关键因素在于它们尚不能实现充分的泛化能力。
Skild AI的联合创始人Abhinav Gupta则提出了一个独特的设想:“假若有一台AI大脑能够掌控地球上所有的机器人,那又会引发怎样的局面呢?”

03
机器人正不断迈向自主学习的境界。
硬件压力究竟施加于何方?
机器人具备持续学习的能力,这一能力的关键在于不断接入来自现实世界的数据。相较于传统机器人,Real-Time Learning机器人需实时搜集视觉、深度、空间定位、关节状态及力反馈等多源信息,并在本地实现感知、推理及动作的即时更新。
这表明,每当机器人掌握一项新的技能,其底层硬件便需同步确保提供稳定且精确的数据支持。

04
下一波人工智能的浪潮将迎来Physical AI,这种AI将能够洞悉物理法则,并与人实现高效协同作业。
下一波AI的浪潮将是实体AI。这是指那些能够理解物理定律、与我们同处一室的AI。
—— 担任NVIDIA创始人及首席执行官的黄仁勋先生
1.
视觉传感器
学习能力,首要基石便构筑于“观察”之基石之上。
无论是谷歌DeepMind不断深化的Vision-Language-Action(VLA)模型,抑或是UMA的实时学习技术,均要求机器人持续对其周围环境进行深入理解。
RGB相机、双目视觉系统、以及深度感知相机等视觉传感器依然作为机器人学习环境、目标识别以及动作决策制定的主要数据支撑。
2.
空间感知
在开放环境中,对三维空间感知能力的需求尤为严苛。
伴随着机器人逐步跨越固定的生产线,踏入家庭、物流、仓储等多元化的开放环境,单纯依赖原有的技术框架已不足以应对日益复杂的挑战。随着技术的发展,二维视觉技术已逐渐无法满足复杂的导航与避障需求。
毫米波雷达、惯性测量单元(IMU)等先进的空间感知设备我们正致力于协助机器人构建更全面的三维环境模型,亦在持续。自主移动机器人的核心基础。
越来越多的机器人企业正积极探索将视觉与毫米波雷达等多源感知技术相结合,旨在增强机器人在复杂环境中的稳定性。
3.
触觉与力觉
目睹、汲取知识,继而独立实践。
在执行抓取、装配以及人机协作等复杂任务时,单纯依赖视觉系统是远远不够的。
先进的六维力传感器、精准的关节力矩检测装置以及细腻的触觉感应器持续向机器人提供接触状态与受力变化的反馈,这一能力有助于模型持续优化其动作策略,从而构成机器人实现精细操作的关键基石。
05
UMA似乎有意淘汰的是编程。
真正跃然于众人视野的,乃是那些默默无闻的底层硬件。
每一次机器人学习能力的提升,都要求我们为其提供更为丰富、更为精确、以及更为实时的感知数据。这些数据涵盖了从视觉和空间感知到触觉反馈的方方面面。
硬件是否能够承受?这关乎整个感知系统是否能够持续输出高质量的数据。随着机器人步入现场学习的阶段,模型竞赛的下一个焦点,很可能转向传感器技术、多模态感知融合以及边缘计算能力的较量。
MACHINA Summit的首日便拉开了序幕,正式迎来了Physical AI时代感知硬件升级的新篇章。
免责声明:本文版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题,请第一时间告知,我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容!本文内容为原作者观点,并不代表本公众号赞同其观点和对其真实性负责。


为您发布产品,请点击“阅读原文”
