機(jī)器人又拿下一種家務(wù)：10小時(shí)學(xué)會(huì)煮咖啡，僅需觀看人類演示視頻

豐色 2024-01-08 12:58:22 來(lái)源：量子位

豐色 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

上周斯坦福炒蝦機(jī)器人炸場(chǎng)之后，又火了一個(gè)煮咖啡機(jī)器人。

它的厲害之處在于通過(guò)觀看人類的示范視頻，僅需10小時(shí)端到端訓(xùn)練，就能學(xué)會(huì)并完全自主搞定這一任務(wù)。

當(dāng)然，更準(zhǔn)確地來(lái)說(shuō)是操作咖啡機(jī)：

只見(jiàn)它打開(kāi)機(jī)蓋、放入咖啡包，再按下開(kāi)始按鈕，整個(gè)過(guò)程一氣呵成，無(wú)需任何遠(yuǎn)程遙控。

很快，一杯咖啡就可以端走享用：

注意了，以上演示視頻，沒(méi)有任何加速處理。這就是該機(jī)器人目前可以達(dá)到的實(shí)際操作速度。

而除了這些，它還具備自主糾錯(cuò)功能：

如果咖啡包沒(méi)有放正，不用人類提醒，它自己就能調(diào)整好。

對(duì)此，前谷歌DeepMind研究員（也是該機(jī)器人的開(kāi)發(fā)人員）直接就是一個(gè)轉(zhuǎn)發(fā)點(diǎn)贊，并再次強(qiáng)調(diào)：

所有行為包括糾錯(cuò)，完全自主。

公司創(chuàng)始人Brettt Adcock稱，這就是機(jī)器人技術(shù)的ChatGPT時(shí)刻。

不管是不是每個(gè)人都贊同這個(gè)說(shuō)法，但網(wǎng)友被它的訓(xùn)練速度所折服是沒(méi)得說(shuō)。

10個(gè)小時(shí)真的很優(yōu)秀，快進(jìn)到使用研磨機(jī)和法壓壺，估計(jì)很快視頻里個(gè)咖啡機(jī)也要失業(yè)了。（手動(dòng)狗頭）

所以，這個(gè)機(jī)器人具體什么來(lái)頭？

10小時(shí)端到端訓(xùn)練搞定煮咖啡

如上這個(gè)機(jī)器人來(lái)自一家商業(yè)公司，名叫Figure。

Figure總部位于美國(guó)，成立于2022年，專攻通用人形機(jī)器人。

創(chuàng)始人Brett Adcock畢業(yè)于美國(guó)佛羅里達(dá)大學(xué)，26歲時(shí)創(chuàng)辦了一家在線人才市場(chǎng)網(wǎng)站，后被同行1.1億美元收購(gòu)，然后又創(chuàng)辦了一家生產(chǎn)全電動(dòng)垂直起降飛機(jī)的航天公司，作家27億美元上市。

如今，這家機(jī)器人公司Figure也可謂吸金無(wú)數(shù)，先是在去年5月拿到7000萬(wàn)美元A輪融資，兩個(gè)月后又獲得英特爾900萬(wàn)美元投資。

去年10月——大概成立一年之際，F(xiàn)igure發(fā)布首款人形機(jī)器人，代號(hào)Figure 01。

它走起路來(lái)是這樣的：

我們今天看到的煮咖啡演示則正是由它完成。

而學(xué)會(huì)這項(xiàng)技能，只花了它10個(gè)小時(shí)的訓(xùn)練時(shí)間——

Figure 01采用的是端到端神經(jīng)網(wǎng)絡(luò)，這邊接收人類煮咖啡的視頻，那邊就能輸出動(dòng)作軌跡，讓機(jī)器人通過(guò)模仿，最終完成自主操作。

以此類推，讓它學(xué)會(huì)別的任務(wù)，也只需要輸入相應(yīng)的視頻即可。

至于具體實(shí)現(xiàn)細(xì)節(jié)，官方?jīng)]有透露。

不過(guò)，拋去10小時(shí)就完成訓(xùn)練不談，對(duì)于讓機(jī)器人學(xué)會(huì)煮咖啡這類任務(wù)本身來(lái)說(shuō)，已經(jīng)不是一件難事兒了。

其核心就是模仿學(xué)習(xí)，入選CoRL’22（機(jī)器人，學(xué)習(xí)會(huì)議）的VIOLA可以做到（它是一個(gè)以對(duì)象為中心的模仿學(xué)習(xí)框架，基于Transformer進(jìn)行推理，擅長(zhǎng)長(zhǎng)程任務(wù)，比最先進(jìn)的模仿學(xué)習(xí)算法性能高出45.8%）；

來(lái)自谷歌、今年6月發(fā)布的HYDRA，也專攻于此，擅長(zhǎng)各種粗粒度和細(xì)粒度控制，并可自如切換。

來(lái)自斯坦福大學(xué)的AME，基于路點(diǎn)（Waypoint）實(shí)現(xiàn)，對(duì)于煮咖啡這種任務(wù)也毫不含糊，只不過(guò)速度慢很多。

還有英偉達(dá)的HITL-TAMP、MimicGen等研究成果，也就是機(jī)器人模仿學(xué)習(xí)相關(guān)，就不一一介紹了。

2040年前，誰(shuí)能成功挑戰(zhàn)史蒂夫咖啡測(cè)試？

盡管Figure 01的表現(xiàn)很不錯(cuò)（比如速度就很快），但不少網(wǎng)友還是評(píng)價(jià)：

這和想象中的煮咖啡機(jī)器人還有一點(diǎn)距離。

比如它能不能拿起杯子、將其放到咖啡機(jī)下，沏完之后再添加奶油和糖，再將杯子放到托盤(pán)上，端到人面前？

事實(shí)上，蘋(píng)果公司聯(lián)合創(chuàng)始人Steve Wozniak曾提出一個(gè)評(píng)估機(jī)器人自主能力的咖啡測(cè)試。

它要求機(jī)器人從進(jìn)入一個(gè)陌生的家中開(kāi)始，然后找到廚房，識(shí)別工具（例如咖啡機(jī)、水壺）和材料（咖啡豆、糖、牛奶等），最終做好一杯咖啡，且全程不超過(guò)20分鐘。

這個(gè)測(cè)試考驗(yàn)機(jī)器人在未知環(huán)境中導(dǎo)航、識(shí)別物體、操作工具和材料以及遵循人類命令等一系列能力。
有人發(fā)起過(guò)投票，問(wèn)2040年之前能否有這樣的機(jī)器人誕生？

結(jié)果有89%的人投了yes。

你認(rèn)為有希望嗎？

參考鏈接：
[1]https://twitter.com/Figure_robot/status/1743985067989352827
[2]https://twitter.com/Figure_robot
[3]https://manifold.markets/Matthe