“機器人正在接管舊金山”
公園、大街都逛遍了
西風(fēng) 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
一批人形機器人在美國舊金山街頭出沒,引得過往行人駐足觀望:

可能還去上了個課,從加州大學(xué)伯克利分校校門大搖大擺走出:

路線不對,踩著小碎步,穩(wěn)健調(diào)頭:

或者不裝了,調(diào)什么頭,直接倒著走:

在各種場景下都可以看到它們的身影:

于是乎,“機器人正在接管舊金山”的消息已經(jīng)傳開了??:

要不是視頻中還有人類出鏡,網(wǎng)友都要懷疑這是不是真的在舊金山:

這就是來自加州大學(xué)伯克利分校的人形機器人成果。研究人員提出了使用序列建模和動作預(yù)測的Causal Transformer模型。
使得人形機器人可以在室內(nèi)外各種環(huán)境中穩(wěn)健行走,應(yīng)對不同地形,甚至還能背個書包,提袋垃圾:

怎么做到的?
此前,盡管一些人形機器人在特定環(huán)境下表現(xiàn)良好,但廣泛存在泛化和適應(yīng)新環(huán)境方面的問題。
來自加州大學(xué)伯克利分校的研究人員提出了運用Causal Transformer的方法。

這是一種特殊的Transformer模型,通過自回歸從觀察-動作歷史信息中預(yù)測下一個動作,也就是模型的輸出(預(yù)測的動作)只依賴于其輸入(觀察-動作歷史信息)中的先前信息。
具體來說,在處理“觀察-動作對”時,模型會將每個“觀察-動作對”作為一個token,并通過自注意力機制來學(xué)習(xí)這些token之間的關(guān)系。在自注意力計算中,模型會為每個token分配權(quán)重,這些權(quán)重反映了在預(yù)測當(dāng)前動作時,序列中其他token的重要性。
由于Causal Transformer限制了自注意力只能考慮前面的token,它能夠捕捉到序列中的因果依賴,即當(dāng)前動作的決策是基于之前觀察-動作的歷史信息。

通過這種方式,Causal Transformer能夠使機器人在復(fù)雜和動態(tài)的環(huán)境中,在沒有未來信息的情況下做出適應(yīng)性更強的決策。
訓(xùn)練階段,研究人員使用Isaac Gym模擬器進行大規(guī)模并行訓(xùn)練,模擬了機器人的剛體和接觸動力學(xué)。
為了模擬機器人的閉鏈動力學(xué),引入了“虛擬彈簧”模型。在模擬中隨機化機器人的動態(tài)屬性、控制參數(shù)和環(huán)境物理屬性,以及添加噪聲和延遲到觀察中。

從模擬到現(xiàn)實的轉(zhuǎn)移方面,研究人員在機器人初創(chuàng)公司Agility Robotics提供的高保真度模擬器中驗證策略,該模擬器準(zhǔn)確模擬了Digit機器人的動態(tài)和物理屬性。
經(jīng)過實驗,Digit機器人能夠在多種環(huán)境中可靠行走,展現(xiàn)出對外部干擾的魯棒性:

以及在不同地形和載荷條件下的適應(yīng)性:

順帶保持手臂擺動協(xié)調(diào)有力,不順拐:

Digit人形機器人
再來介紹一下demo中的這款人形機器人——Digit。
背后公司Agility Robotics,前身為俄勒岡州立大學(xué)的Dynamic Robotics Laboratory。2022年,獲亞馬遜投資。
Agility Robotics的主要產(chǎn)品是以鴕鳥等鳥類為發(fā)想的雙足步行機器人,主要研發(fā)成果包含Cassie、Digit兩個機型。
其中Cassie是只有下半身的雙足機器人:

至于Digit,像是下面這個,已經(jīng)成為亞馬遜75萬機器人員工中的一員,不過還處于測試階段,負(fù)責(zé)搬運亞馬遜標(biāo)志性的黃箱子:

Agility Robotics表示,將在今年向合作伙伴交付第一批Digit,Digit的初步應(yīng)用包括倉庫和配送中心內(nèi)的散裝材料處理,預(yù)計2025年全面上市。
他們最近還宣布開設(shè)了一家新機器人制造工廠RoboFab?,聲稱第一年預(yù)計生產(chǎn)數(shù)百臺機器人,之后每年產(chǎn)能最多可達10000臺。Digit也將在新工廠中上崗,進行搬運、裝載等工作。
參考鏈接:
[1]https://twitter.com/minchoi/status/1749784839824216511
[2]https://learning-humanoid-locomotion.github.io/
- 馬斯克一覺醒來,Space X在京開賣了2025-08-21
- 離譜!現(xiàn)在的Agent都卷成100個成團了?3分鐘并行干完5個復(fù)雜任務(wù),還能隨時改需求2025-08-18
- 國家級AI創(chuàng)新應(yīng)用賽事殺瘋了!超200萬元獎金池+全場景賽道,沖線團隊速來2025-08-15
- OpenAI奪金IOI,但輸給3位中國高中生2025-08-12