“眼里有活”的斯坦福机器人！数十种家务全包：本钱仅约3万美元

  大秀了一把厨艺后，斯坦福华人团队开发的机器人又在北京时间今天清晨发布了新视频《Mobile ALOHA的一天》，展现了浇花、清扫房间、煮咖啡、给主人刮胡子、洗碗、逗猫、扔废物、洗衣服、换被套、收纳衣物等数十种家务技能，可谓“万能家政员”。

  长期以来，人们深受“莫拉维克悖论”（Moravecs paradox）的困扰，这是一种和人们直觉相悖的现象，即“人类觉得简单的使命对人工智能来说却极端困难，反之亦然”。

  但别快乐得太早，Mobile ALOHA尽管“眼里有活”了，但它的动作仍然由人操控（见下图），并非彻底智能的自主操作。

  团队担任人之一对此表明，人类操控是暂时的，他们已在研讨怎么样弥合人为操控和机器人自控之间的距离。团队的另一位担任人Tony Z. Zhao达观表明，“2024年将是机器人年，这（家政机器人）仅仅是开端！”

  Mobile ALOHA更大的含义在于，其运动操控才能比本钱高出5-10倍的同类体系更强壮，展现了通用机器人的可行性，一个廉价、好用的家用机器人或许很快将会到来。

  其算法Action Chunking with Transformers （ACT）采用了神经网络模型Transformers，因而具有仿照学习才能。只需要15分钟的演示，机械臂就可以学会一个动作直接从实在演示中履行端到端仿照学习，并经过自定义长途操作界面搜集。

  据上述华人团队介绍，仅用50个演示，就能让Mobile ALOHA完结各种杂乱使命，其本钱仅为32000美元（约22万元），软件和硬件悉数开源。

  该团队在论文中具体的介绍了Mobile ALOHA的硬件装备最贵的是机械臂和移动底座，其间移动底座挑选了同种类型的产品中相对廉价的一款；传感器方面装备了2个腕部摄像头和1个顶部摄像头；配有机载电源和核算，即1.26千瓦时重14公斤的电池，在数据搜集和推理过程中的一切核算都在一台消费级笔记本电脑上进行，该笔记本电脑配有英伟达3070ti GPU （8gb VRAM）和英特尔i7-12800H。

  英伟达“网红研讨员”、OpenAI第一个实习生Jim Fan此前达观猜测，2024年将成为人工智能界全面兴起反击莫拉维克悖论的元年，“咱们不会当即取胜，但咱们将走上取胜之路”。

  这并非一时“口嗨”，现在工业面的各种开展层出不穷，Jim列举了2023年关于未来机器人的根底模型和渠道的开展：

  1、以机械臂作为物理输入/输出设备的多模态大模型：VIMA、PerAct、RvT（英伟达）、RT-1、RT-2、PaLM-E（谷歌）、RoboCat（DeepMind）、Octo（伯克利、斯坦福、CMU）等；

  2、弥合 System 1（担任初级操控）和 System 2（担任高档推理）之间距离的算法（使得体系能使用高档推理进行决议计划和了解，并将这些决议计划转化为实践的操作和操控）：Eureka（英伟达）、Code as Policies（谷歌）等；

  4、数据一直是机器人技能的丧命缺点，研讨界正在一起策划下一个 ImageNet（人工智能深度学习获得打破的要害项目），如敞开Open X-Embodiment (RT-X)数据集。尽管数据集还不够多样化，但迈出了重要的一步；

  5、模仿和合成数据将在处理机器人灵巧性甚至整个核算机视觉问题上发挥要害作用；

  根底正一步步被夯实，站在2024年的年初，咱们有理由等待更强壮的机器人冷艳露脸。