波士頓動力機器人終于有腦子了！人類故意使絆子也不怕
基于大型行為模型（LBM）
時令 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
波士頓動力也搞端到端AI了！
這次升級，Atlas不僅可以聽懂自然語言指令，還可以自主規(guī)劃動作和處理意外。
只見小哥故意合上蓋子，機器人仍能識別并打開箱子。
故意挪動箱子位置，它也能精確識別到變化。
即使附近有遺漏的裝置，它也能發(fā)現(xiàn)，并準確放入箱子內(nèi)。
據(jù)介紹，此次更新由波士頓動力與豐田研究院聯(lián)手推出，基于大型行為模型（LBM），帶來了Atlas的全新版本——Atlas MTS。
新成果一出，網(wǎng)友們紛紛叫好，光是官方在YouTube發(fā)布的視頻觀看人數(shù)就突破十萬，點贊超一萬。
另有一批網(wǎng)友則欣慰的表示，膝蓋可以彎曲了，那背部就不會受傷了。
哇哦，點贊數(shù)2.4K說明大家都很關心機器人身體健康嘛～
除此之外，關于全新能力具體實現(xiàn)，官方發(fā)布了詳細報告。
給Atlas裝上大腦
報告指出，端到端的語言條件策略能讓機器人充分發(fā)揮自身優(yōu)勢，實現(xiàn)行走、精確放置雙腳、蹲下、轉移重心，同時避免自身碰撞。
這種策略構建過程分為以下4個步驟：
- 收集具身行為數(shù)據(jù)；
- 處理、標注和整理數(shù)據(jù)；
- 訓練神經(jīng)網(wǎng)絡；
- 利用測試任務評估該策略。
更值得關注的是，此次大型行為模型采用4.5億參數(shù)的擴散Transformer模型，并結合流匹配目標，能將包括30Hz圖像、人體感覺和自然語言指令等輸入信息轉化為控制Atlas活動的動作指令。
說簡單點，Transformer像“全局之眼”， 把控整體架構和動作細節(jié)的關聯(lián)。擴散是細化步驟，將模糊指令轉化為精準動作。流匹配損失則是真實參照，讓動作既貼合現(xiàn)實，又能靈活適應不同場景。
在此過程中，波士頓動力關鍵的是將Atlas的模型預測控制器與VR界面結合，從而覆蓋從手指級精細操作到全身伸展、移動等各類任務需求。
這使得遠程操作員能夠充分發(fā)揮機器人的性能，將自身動作和感知與機器人的狀態(tài)保持同步。
除此之外，此次升級最值得關注的是，Atlas能自主處理意外情況。
當出現(xiàn)問題時，比如零件掉在地上或箱蓋未關閉，Atlas都能智能地做出反應。
這簡直就是給Atlas裝上大腦！
不僅如此，官方還稱只要是人能演示的動作，Atlas都可以學習它，包括但不限于系繩子、折疊椅子和翻輪胎等。
不得不說，這學習能力真的驚到我了。
告別液壓，電驅機器人更適合AI
說起波士頓動力機器人，那不得不提一下Atlas液壓版。
此版本在2024年4月已退役，且在24小時內(nèi)發(fā)布全電動版本。
畢竟液壓系統(tǒng)不僅成本高，響應慢，還難以與AI系統(tǒng)集成。
相比之下，電機驅動更精確、能耗低，且天然適配AI學習框架。
自波士頓動力轉向電驅動以來，他們也是不斷推出新動作。
去年8月，Atlas在RSS（機器人頂會）上大秀俯臥撐（當時還是沒有手指的，也可以稱為拳臥撐）。
動作那是相當標準～
過了兩個月，它就可以進廠打工了，只需告訴Atlas前后搬運的位置坐標，它就能全自動分裝物件。
而在今年5月份，波士頓動力再次升級，讓機器人具備3D空間感知和實時物體追蹤能力，可以自主執(zhí)行更復雜的工業(yè)任務。
此次的大型行為模型（LBM），也意味著它正擁抱全新的技術方向。
看完液壓轉電驅的波士頓，再來了解一下國內(nèi)一直采用電驅的宇樹。
從四足機器狗Go系列，到人形機器人H1、G1、R1，宇樹始終延續(xù)著“小而美”的電驅哲學，用更快的迭代速度，逐漸在全球打響了名號。
現(xiàn)在，180“芭蕾舞者”都出來了。
未來，隨著電驅技術與AI算法的不斷融合，電驅機器人的時代才將真正到來。
參考鏈接：
[1]https://www.youtube.com/watch?v=HYwekersccY
[2]https://bostondynamics.com/blog/large-behavior-models-atlas-find-new-footing/?wchannelid=7qr7eifvi1
- 讓AI作畫自己糾錯！隨機丟模塊就能提升生成質量，告別塑料感廢片2025-08-23
- 突破Agent長程推理效率瓶頸！MIT&NUS聯(lián)合推出強化學習新訓練方法2025-08-22
- 谷歌技術報告披露大模型能耗：響應一次相當于微波爐叮一秒2025-08-22
- DiT突遭怒噴，謝賽寧淡定回應2025-08-20
