近年来,随着AI能力的爆发式增长,支持者和反对者都在等待类人机器人灵活性的进化,以回答这个重要问题:如果AI能像人类一样思考和观察,那么当它真正能像人类一样移动时会发生什么?
现在,Fourier公司的开源设计正在推进这一方向的发展。我们看到机器人可以行走、奔跑,甚至攀爬斜坡。
人们对此有很多不同看法。专利律师Bao Tran指出,目前85%的机器人都是非类人形的,类人机器人在商业制造销售中占比不到2%。但共识是,类人机器人终将到来。
**机器人未来的想象**
在斯坦福"行动中的想象"活动中,专家小组探讨了类人机器人的发展。
Dexterity公司CEO Samir Menon以汽车制造为例:"想象一个汽车制造厂,汽车经过时,机器人可以焊接、钻孔、喷漆。工厂管理者不允许任何一个螺丝出错,因为完全可控,你能预测将要发生什么,这大大简化了挑战。"
但他指出复杂性是真正的挑战:"在机器人和物理AI中,我们面临的核心问题是,当进入不确定环境时,即使看起来很简单,也会遇到巨大的复杂性和变化。"
**机器人运动的复杂性**
斯坦福教授Karen Liu谈到了物理定律的应用:"任何运动都需要一定程度的智能。如果你是类人机器人,必须思考踝关节、髋关节、膝关节需要多少扭矩。"
她指出数据问题:"在类人机器人运动方面,我们根本没有数据。这就是为什么我们必须从物理模拟开始,从已知的运动控制开始,使用强化学习进行试错。"
**设计机遇**
德勤的Beena Ammanath谈到了一些可能的应用:"我们为在喷气发动机内嵌入自动无人机或机械臂制定了商业案例。如果飞机引擎有简单划痕,可以用3D打印机制造修复零件,在飞行中修复。"
斯坦福机器人专家Steve Cousins谈到从"AI寒冬"中走出:"AI研究者一直在思考数据的重要性,幸存下来的公司学会了处理非结构化数据。"
**安全挑战**
Cousins开玩笑说:"类人机器人和老年人有什么共同点?它们都经常跌倒,容易损坏且非常昂贵。类人机器人有很多电机,任何一个电机故障都可能导致跌倒。"
Menon强调安全问题:"你绝对不希望机器人断电后意外打到你的脸,或者倒在你的猫或孩子身上。我们还没有很好的方法来根本解决硬件故障问题。"
**未来展望**
专家们对未来的"登月项目"提出了不同看法:Ammanath提到家务机器人,Menon关注解决通用问题的机器人,Cousins关注帮助日益增多的老年人的机器人,Liu希望有一个"完全按照我想要的方式做事"的系统。
Q&A
Q1:Fourier开源系统在类人机器人设计方面有什么突破?
A:Fourier的开源设计正在推动类人机器人灵活性的发展,展示了机器人可以行走、奔跑,甚至攀爬斜坡的能力,为解决"AI能像人类一样移动"这一重要问题提供了新的技术方向。
Q2:类人机器人目前的市场占比如何?
A:根据专利律师Bao Tran的统计,目前85%的机器人都是非类人形的,类人机器人在商业制造销售中占比不到2%。尽管占比很小,但专家们普遍认为类人机器人终将在未来得到广泛应用。
Q3:类人机器人在实际应用中面临哪些主要挑战?
A:主要挑战包括:运动控制的复杂性、缺乏相关数据、安全问题(如跌倒和硬件故障)、以及在不确定环境中的适应性。专家指出,任何机器人运动都需要智能控制多个关节的扭矩,而且硬件故障可能导致严重安全问题。
好文章,需要你的鼓励
亚马逊云服务宣布雷尼尔项目正式投入运营,该AI超级集群配备近50万块Trainium2芯片,分布在多个数据中心。AWS称这是全球最大的AI计算集群之一,从宣布到全面运营仅用不到一年时间。合作伙伴Anthropic计划年底前扩展到超过100万块芯片。该项目与OpenAI星门计划展开激烈竞争,AWS凭借自主硬件开发优势能够控制从芯片到数据中心的完整技术栈。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
谷歌开始推出Fitbit应用的重大更新,采用全新设计并集成由Gemini AI驱动的个人教练功能。该更新于10月28日首先面向美国地区的Fitbit Premium用户开放,后续将逐步扩大覆盖范围。新版本围绕今日、健身、睡眠和健康四个主要标签重新设计,强调周趋势数据分析。AI教练功能可根据用户的实时和历史数据提供个性化建议和训练计划,支持语音或文字交互。用户可选择是否使用AI功能,预览期间可在新旧界面间切换。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。