OpenAI大模型上身機器人，原速示範炸場！

OpenAI大模型加持的機器人，深夜來襲！

名曰Figure 01，它能聽會說，動作靈活。

能和人類描述眼前所看到的一切：

我在桌上看到一個紅色的蘋果，瀝水架上還擺放著幾個盤子和一個杯子；你站在旁邊，雙手輕輕放在桌上。

圖片

聽到人類說“想吃東西”，就馬上遞過去蘋果。

圖片

而且對於自己做的事有清楚認知，給蘋果是因為這是桌上唯一能吃的東西。

還順便把東西整理，能同時搞定兩種任務。

圖片

最關鍵的是，這些展示都沒有加速，機器人本來的動作就這麼迅速。

（也沒人在後面操縱）

這下網友坐不住了，立刻@波士頓動力：

#老夥計們，這傢伙是真來勁兒了。咱得回實驗室，讓以前的機器人（波士頓動力）多跳點舞了。

圖片

也有網友看在OpenAI捲完大語言模型、文生影片之後，又狙擊機器人後感慨道：

#這是一場激烈的競爭；與OpenAl合作，蘋果可能會超越特斯拉。

但硬體方面，擎天柱看起來更美觀，Figure 01仍然需要一些「整容手術」。 （doge）

圖片

接下來，我們繼續來看下Figure 01的細節。

OpenAI視覺語言大模型加持

根據創始人的介紹，Figure 01透過端對端神經網絡，可以和人類自如對話。

基於OpenAI提供的視覺理解和語言理解能力，它能完成快速、簡單、靈巧的動作。

模型只說是視覺語言大模型，是否為GPT-4V不得而知。

圖片

它也能規劃動作、有短期記憶能力、用語言解釋它的推理過程。

圖片

例如對話裡說“你能把它們放在那裡嗎？”

“它們”、“那裡”這種模糊表達的理解，就體現了機器人的短期記憶能力。

它使用了OpenAI訓練的視覺語言模型，機器人相機會以10Hz拍攝畫面，然後神經網路將以200Hz輸出24自由度動作（手腕 手指關節角度）。

具體分工上，機器人的策略也很像人類。

複雜動作交給AI大模型，預訓練模型會對圖像和文字進行常識推理，給出動作計劃；

簡單動作如抓起塑膠袋（抓哪裡都可以） ，機器人基於已學習的視覺-動作執行策略，可以做出一些「下意識」的快速反應行動。

同時全身控制器會負責維持機身平衡、動作穩定。

圖片

機器人的語音能力則是基於一個文字-語音大模型微調而來。

圖片

除了最先進的AI模型，Figure 01背後公司——Figure的創始人兼CEO還在推文中提到，Figure方面整合了機器人的所有關鍵組成。

包含馬達、中介軟體作業系統、感測器、機械結構等，皆由Figure工程師設計。

據了解，這家機器人新創公司在2週前才正式宣布和OpenAI的合作，但才13天後就帶來如此重磅成果。不少人都開始期待後續合作了。

圖片

由此，具身智慧領域又有一顆新星走到了聚光燈下。

「將人形機器人帶進生活」

說到Figure，這家公司創立於2022年，正如前文所言，再次引爆外界關注，就在十幾天前——

官方宣佈在新一輪融資中籌集6.75億美元，估值衝到26億美元，投資者幾乎要集齊半個矽谷，包括微軟、OpenAI、英偉達和亞馬遜創始人貝佐斯等等。

更重要的是，OpenAI同時公開了與Figure更進一步合作的計劃：將多模態大模型的能力擴展到機器人的感知、推理和交互上，「開發能夠取代人類進行體力勞動的人形機器人」。

用現在最熱的科技詞彙來說，就是要一起搞身智能。

圖片

彼時，Figure 01的最新進展是醬嬸的：

透過觀看人類的示範視頻，只需10小時端到端訓練，Figure 01就能學會用膠囊咖啡機泡咖啡。

圖片

Figure與OpenAI的合作一公開，網友們就已經對未來的突破充滿了期待。

圖片

畢竟Brett Adcock，可是把「唯一的重點是以30年的視角建立Figure，以積極影響人類的未來」這樣的話都寫在個人主頁上了。

但可能沒人能想得到，僅僅兩週左右的時間，新進展就來了。

如此之快，如此之遠。並且還能持續泛化、擴展規模。

圖片

值得一提的是，與炸場demo同時發布的，還有Figure的招募資訊：

我們正在將人形機器人帶進生活。加入我們。

圖片

#參考連結：
[1]https://www.php.cn/link/59bbfbe0d3922ccd1d167661a26d8353
[2]https://www.php.cn/link/a3fc34dce15cda93287496c84af5203c
[3]https://www.php.cn/link/194585b5215aea44738909056cfecfec

以上是OpenAI大模型上身機器人，原速示範炸場！的詳細內容。更多資訊請關注PHP中文網其他相關文章！