既能上春晚扭秧歌，又能模拟科比的后仰跳投、复现 C 罗的凌空半回身。前阵子，宇树科技的人形呆板人，堪称是出尽了风头。成果这还没多少天，他们家的呆板人就又双叒退化了。梅花桩挑衅，不一步踩空，走得稳稳妥当。不但能正着走，倒着走也如履平川，这换个真人来都纷歧定能做到好吧。。。均衡木虽说走出了一种喝醉的感到，但好歹也没摔。另有更酷炫的，舞一曲哪吒的《 天雷滔滔我好怕怕 》指望当前呆板人给养老的，看看 G1 当初也开端学推轮椅了。夸大点，如果 G1 依照这一月好多少次退化的速率，或者来岁就能进咱产业保姆了。不外提及来，这些新技巧， 实在并不是宇树的员工亲手调教出来的。像后面挑衅梅花桩的 G1 ，就是上海 AI 试验室结合了海内好多少所顶尖年夜学，一同研讨出来的结果。而谁人蹭了哪吒热度的 G1 ，也是出自上海 AI 试验室等机构之手。以是世超此次也研讨了一波两篇论文，发明这俩研讨 一个能让人形呆板人挑衅高难度地形，别的一个，则是把近程把持呆板人的本钱打了上去。能够说这俩研讨结果，为现阶段人形呆板人在活动把持、数据收罗另有本钱上的困难，都供给了更新的解题思绪。咱先来看第一篇论文，《 BeamDojo : Learning Agile Humanoid Locomotion on Sparse Footholds 》（ BeamDojo ：在稀少破足点上进修迅速类人活动）。外面有俩处所还挺值得一唠。从前庞杂地形的试验，多是针对四足呆板人的，那脚的外形跟人形的压根纷歧样。即便有针对人形呆板人的练习，效力也不高，但 BeamDojo 划重点就是 “ 人形呆板人 ”“ 庞杂地形 ”“ 高效 ” 。 别的一点，就是零样本泛化这种触类旁通的才能。以是 BeamDojo 强化进修框架，计划了一种专门针对人形呆板人的练习方式，让呆板人能在均衡木这些庞杂地形上，走得又快又稳。就比方练习进程中，研讨职员引入了一个 落脚点嘉奖机制。 能够联合地形数据跟呆板人脚底的采样，盘算它踏出去的每一步，能否踩在保险地区内。假如年夜局部采样点在保险地区内，天然有嘉奖，反之就要挨罚。别的，这篇论文的试验中，还提到了从仿真情况到实在天下， BeamDojo 的零样本泛化的胜利率有 80% 。换句话说，在仿真情况中练习好之后，到了实在地形上，不须要额定的微调，呆板人也有很大略率能走得又快又稳。这种才能，对呆板人来说十分主要，以是也成为了当初学界跟业界的主流研讨偏向。像 AI 年夜牛李飞飞跟她的研讨团队，之前就宣布过一篇论文， “ 数字表亲 ” 能够让呆板人零样本泛化的胜利率到达了 90% 。别的一篇论文，先容的实在是一团体形呆板人近程把持体系。这跟前次斯坦福谁人，也是近程把持的 Aloha 呆板人不太一样。从前只是把持双臂，但上海 AI 试验室的 HOMIE ， 能够把持呆板人满身的自在挪动。实现的道理大略就是计划了一套外骨骼装备（ 机器手臂、智妙手套、脚踏板 ），让研讨职员能够经由过程这个 “ 驾驶舱 ” ，用满身把持呆板人。这套体系的强化进修框架中，也波及到了三个中心技巧： 上半身姿势课程进修、高度追踪嘉奖跟对称性应用。 专业名词听起来很吓人，但观点懂得起来也没那么难。像上半身姿势课程进修，就是让呆板人进修更多、更庞杂的上肢举措。而高度追踪嘉奖，跟训狗一个情理。让呆板人下蹲或许站破到某个高度，实现义务就能取得嘉奖。对称性应用，说白了就是让呆板人的阁下双方的举措更和谐、分歧。最重要的是，外骨骼装备的硬件本钱， 只要要 3500 ，国民币。这要比其余同样是做近程把持计划的呆板人，本钱要低得多。比方斯坦福 Aloha 呆板人的硬件本钱，就要 3.2 万美元，在事先看来，曾经算比拟低了。以是这么一对照，更显得 3500 元是击穿地板价的存在。并且从数据收罗的精度来看，也要比 VR 装备的计划要更高（ 论文中是跟 OpenTeleVision 停止了对照 ）。以是世超觉着， HOMIE 最年夜的奉献之一，或者就是找到了一种 低本钱、高精度的呆板人数据收罗方式。 看上去，不论是 BEAMDOJO 强化进修框架，仍是 HOMIE 把持体系，这些前沿研讨，都是冲着 具身智能的疑问杂症去的。 弗成否定，现阶段的具身智能还远没能到达，科幻片子中的完善对比。但当初的呆板人就特殊像，十年前的 AI 。谁人时间，也不人料想到 ChatGPT 、 DeepSeek 的呈现，什么 AI 视频、 AI 音乐，更是天方夜谭。由于年夜局部的技巧摸索，我们平常也打仗不到，以是只有当量变产生当前，咱们才会反映过去。联合往年刚开年就新静态一直的呆板人行业，世超赌一手，不说利用年夜范围落地，但在呆板人的机动性、顺应性上，往年确定有的看了。前两天，宇树科技的王兴兴不还说，估计岁尾他们家人形呆板人 H1 的跑步速率，就要到达了 10m/s 。 这速率，跟博尔特都有的一比。横竖，我们就等着看吧。撰文：西西编纂：江江 面线 美编：焕妍 图片、材料起源：上海人工智能试验室前往搜狐，检查更多