在上周发表的一篇博文中， Meta 问道：“机器人在哪里？”答案很简单。他们在这儿。你只需要知道在哪里看。这是一个令人沮丧的答案。我承认这一点。让我们搁置有关汽车和驾驶员辅助的对话，只关注我们都倾向于认为是机器人的事物。对于初学者来说，如果没有机器人的帮助，亚马逊的送货服务是无法送到你手上的。
一个更相关的问题是：为什么没有更多的机器人？更重要的是，为什么我家里现在没有更多的机器人？这是一个复杂的问题，有很多细微差别——其中大部分归结为围绕“通用”机器人概念的硬件限制的当前状态。 Roomba 是一个机器人。世界上有很多 Roomba，这主要是因为 Roomba 在一件事上做得很好（另外十年的研发帮助推动了事情从“相当好”的状态）。
与其说问题的前提有缺陷，还不如说它更像是一个稍微重构它的问题。 “为什么没有更多的机器人？”对于非机器人专家来说，这是一个完全有效的问题。作为一个长期从事硬件工作的人，我通常会从那里开始回答。在过去的十年里，我进行了足够多的对话，以至于我相当有信心可以独占整个对话，讨论机器人抓手的许多潜在故障点。
Meta 的做法是基于软件的，这很公平。在过去的几年里，我目睹了初创公司的爆炸式增长，这些初创公司致力于解决机器人学习、部署/管理以及无代码和低代码解决方案等各种重要类别。这是对近二十年来为创建、维护和改进 ROS 而进行的研究和开发的常青树呐喊。合适的是，长期管理 Open Robotics 被 Alphabet 收购，Alphabet 一直在通过本土努力、Intrinsic 和 Everyday Robots（尽管受到组织范围内资源削减的不成比例的影响）在该类别中开展自己的工作。
毫无疑问，Meta/Facebook 在经常出现的 skunkworks 项目中占有一席之地。到目前为止，我还没有看到任何迹象表明它们与 Alphabet/Google 多年来探索的规模相当，但看到其中一些项目露出头来总是很有趣。在我强烈怀疑与生成人工智能讨论的激增有关的公告中，这家社交媒体巨头分享了它所谓的“对能够执行具有挑战性的感觉运动技能的通用人工智能代理的两项重大进展。”
这里直接引用：
人工视觉皮层（称为 VC-1）：单一感知模型，首次支持多种感觉运动技能、环境和具体化。 VC-1 接受了人们执行日常任务的视频的训练，这些视频来自 Meta AI 和学术合作伙伴创建的开创性 Ego4D 数据集。 VC-1 在虚拟环境中的 17 种不同的感觉运动任务上与最著名的结果相匹配或优于其表现。
一种称为自适应（感觉运动）技能协调 (ASC) 的新方法，它在机器人移动操作的挑战性任务（导航到一个物体、捡起它、导航到另一个位置、放置对象，重复）在物理环境中。
图片学分：元
毫无疑问，这是一项有趣的研究，我很高兴能够深入研究其中的一些内容，继续前进。这些天，“通用”一词被广泛使用。这是机器人技术中一个永远有趣的话题，但在特斯拉机器人揭幕后，通用类人机器人大量涌现。多年来，人们告诉我这样的话，“说说你对马斯克的看法，但特斯拉已经重新激发了人们对电动汽车的兴趣，”这或多或少是我目前对 Optimus 的看法。它起到了重要的双重作用，即更新围绕外形因素的讨论，同时在解释这些东西有多难时提供清晰的视觉指向。是否有可能在大幅提高公众期望的同时降低它们？
同样，这些对话与所有这些 GPT 突破非常吻合。这些东西都非常令人印象深刻，但罗德尼·布鲁克斯 (Rodney Brooks)在几周前的这封时事通讯中提出了将事情很好地混为一谈的危险：“我认为人们过于乐观了。他们将绩效误认为是能力。您看到一个人的出色表现，就可以说出他们的能力。我们非常擅长为人建模，但这些相同的模型并不适用。你会从其中一个系统中看到出色的性能，但它并没有告诉你它将如何在周围的相邻空间或不同数据下工作。”
图片来源：协变
显然，这并没有阻止我询问我在 ProMat 上采访过的大多数人，了解他们对生成人工智能在机器人技术中未来角色的看法。答案是。 . .范围广泛。一些人对此不以为然，另一些人认为这项技术的作用非常严格，而另一些人仍然非常看好这一切对未来的意义。在上周的时事通讯中，Covariant 的首席执行官（刚刚筹集到新的 7500 万美元）Peter Chen 在谈到广义人工智能时提供了一些有趣的背景：
在最近的 ChatGPT 之前，有很多自然语言处理 AI。搜索、翻译、情绪检测、垃圾邮件检测——那里有大量的自然语言 AI。 GPT 之前的方法是，对于每个用例，您使用较小的数据子集训练特定的 AI。现在看结果，GPT基本废除了翻译领域，连翻译都没有训练出来。基础模型方法基本上是，不是使用特定于一种情况的少量数据或训练特定于一种情况的模型，而是在更多数据上训练一个大的基础泛化模型，这样 AI 就更泛化了。
当然，Covariant 目前非常专注于拾取和放置。坦率地说，这是一个足够大的挑战，足以让他们长时间忙碌。但是像这样的承诺系统之一是真实世界的培训。实际上拥有真正的机器人在现实世界中从事实际工作的公司正在围绕机器如何与周围的世界互动构建极其强大的数据库和模型（研究设施的墙壁在这方面可能会受到限制）。
不难看出，有多少看似不同的构建块正在被研究人员和公司强化，有一天可能会聚集在一起创建一个真正的通用系统。当硬件和人工智能达到那个水平时，将会有看似无穷无尽的现场数据宝库来训练它们。我承认我在 ProMat 的地板上做了一些机器人花名册的混合和匹配，试图确定我们与商业可用技术的当前状态有多接近。
目前，平台方法很有意义。例如，波士顿动力公司通过 Spot 有效地销售 iPhone 机型的客户。首先，您生产出令人印象深刻的硬件中的第一代。接下来，您向感兴趣的各方提供 SDK。如果事情按计划进行，您会突然让这个产品做您的团队从未想过的事情。假设这不涉及在产品背面安装枪（根据 BD 的指导方针），那将是一个令人兴奋的提议。
图片学分： 1X
现在就1X Technologies 的 NEO 机器人给出任何明确的说法还为时过早，除了该公司显然希望在机器人技术和生成 AI 之间的交叉领域中生活这一事实之外。当然，它在 OpenAI 中有一个强大的盟友。这家生成式 AI 巨头的 Startup Fund 领投了 2350 万美元的融资，其中还包括 Tiger Global 等。
1X 创始人兼首席执行官 Bernt Øivind Børnich 表示，“1X 很高兴 OpenAI 领投本轮融资，因为我们的使命是一致的：将新兴技术深思熟虑地融入人们的日常生活。在我们投资者的支持下，我们将继续在机器人领域取得重大进展，并扩大全球劳动力市场。”
这就是 Optimus 和 Neo 目前的样子。 pic.twitter.com/JG2m9LUz3i
– Brian Heater (@bheater) 2023 年 4 月 5 日
一个有趣的注意事项（至少对我而言）是 1X 实际上已经运行了一分钟。这家挪威公司在最近（恰好一个月前）简洁的品牌重塑之前一直被称为 Halodi。你只需回溯一两年，就能看到公司为餐饮服务开发的人形外形的开端。该技术肯定看起来比 2021 年的同类技术更复杂，但轮式底座暴露了距离我们看到的机器人的某些版本还有多远。
顺便说一句，也许是我，但这里似乎发生了一些趋同的进化：
图片来源： Tesla/Figure/IX — 作者的拼贴画
从上到下，这些是 Tesla Optimus、Figure 01 和 1X Neo 的渲染图。显然不是直接复制品，但它们看起来确实像是堂兄弟。尼奥是坚持穿连帽衫的人，即使是在正式场合也是如此。听着，我不是工业设计师，但是牛仔帽之类的呢？
图片来源：麻省理工学院 CSAIL
怎么说我们用两个研究项目结束了本周的新闻？第一个是 麻省理工学院的一个有趣的。仔细想想，踢足球是测试运动能力的好方法。 Robocup 举办了将近 20 年是有原因的。然而，就 Dribblebot 而言，挑战在于崎岖不平的地形——包括草地、泥地和沙地。
麻省理工学院教授 Pulkit Agrawal 说：
如果你今天环顾四周，大多数机器人都是带轮子的。但想象一下，有一场灾难、洪水或地震，我们希望机器人在搜索和救援过程中帮助人类。我们需要机器穿越不平坦的地形，而轮式机器人无法穿越这些地形。研究有腿机器人的全部目的是去当前机器人系统无法到达的地形。
图片来源：加州大学洛杉矶分校
第二个研究项目来自加州大学洛杉矶分校的 Samueli 工程学院，该学院最近发表了关于折纸机器人的研究成果。 Origami MechanoBots 或“OrigaMechs”依靠嵌入其薄聚酯构建块中的传感器。首席研究员安库尔·梅塔 (Ankur Mehta) 对该技术制定了一些相当遥远的计划。
“这些类型的危险或不可预测的场景，例如在自然或人为灾难期间，可能是折纸机器人被证明特别有用的地方，”他在与新闻相关的帖子中说。 “机器人可以针对特殊功能进行设计，并可以非常快速地按需制造。此外，虽然距离很远，但在其他行星上可能存在不受这些情况影响的探险机器人的环境，这将是非常可取的。”
它不完全是金星的表面，但猎物感应捕蝇器仍然非常整洁。
工作
好吧，新一轮的招聘信息怎么样？我计划继续定期分块进行这些工作，继续前进。获得上市的最佳方式是在 LinkedIn 上关注我，并在我宣布新工作即将到来的话题上做出回应。这当然不是最有效的方法，但它一直在为我工作，所以我会坚持下去。
正如我本周提到的，我将优先考虑那些以前没有被推荐过的人。
人类的机器人工作
逃生（14 个角色）
Apptronik （20 个角色）
灵巧（18个角色）
毛地黄（3 个角色）
幻影汽车（21 个角色）
避难所 AI （15 个角色）
Slamcore （5 个角色）
丰田编织（4个角色）
图片来源： Bryce Durbin/TechCrunch
来吧，用 Actuator 探索遥远的世界。在这里订阅。
The robots already here作者： Brian Heater，最初发表于TechCrunch
原文： https://techcrunch.com/2023/04/06/the-robots-are-already-here/