Sunday是一家由斯坦福大学博士机器人专家创立的人工智能机器人初创公司,今日正式推出家用机器人Memo,这款机器人能够完成日常家务。
新机器人专为家庭环境设计,将安全性和稳定性作为首要考虑因素。
创始人兼首席执行官Tony Zhao和创始人兼首席技术官Cheng Chi在车库中创立了Sunday公司,他们夜以继日地使用3D打印机开发和制造机器人的硬件和外观。
"我们开发Memo是为了让人们有更多时间做重要的事情,同时考虑到每个家庭的安全需求,"Zhao说道。"这是家用机器人技术的转折点。"
Memo与当前热门的仿人形机器人设计理念不同,它没有腿部结构,这消除了仿人形机器人面临的最大问题之一:在上半身运动的同时保持平衡建模。它有一个从厚重滚动平台(类似于大型扫地机器人)延伸出来的"躯干"。整体而言,这款机器人外观略显厚重,配有光滑的白色肢体和关节、卡通化的面部和塑料"棒球帽"。
尽管外观和动作相对缓慢,但Memo出人意料地灵活,能够完成基本的家务任务。它可以在厨房和客厅执行各种活动,如清洁盘子和玻璃杯、将它们装入洗碗机、收拾衣物、制作浓缩咖啡,甚至协助准备简单菜肴。
人类凭借大脑的天然构造,能够直觉地学习和理解如何与环境互动。随着他们对环境越来越熟悉,灵活性也会提高。
另一方面,AI机器人依赖视觉行动模型,这些模型缺乏这种基础认知,必须经过训练才能完成甚至是拾取物品、关闭橱柜门以及绕过桌椅等障碍物等基本任务。
为了克服这一挑战,Sunday开发了他们称为"技能捕获手套"的可穿戴设备,能够捕获人们在家中移动、清洁和整理的方式。使用一副这样的手套,公司研究人员构建了一个包含约1000万个真实家庭例程的数据集,这些数据在超过500个家庭中采集,代表了大量的数据多样性。
根据Sunday的说法,这个数据集的综合家庭训练使Memo能够适应家庭环境的不可预测性,包括厨房、客厅和洗衣区域。
"Tony的ALOHA和Cheng的UMI研究告诉我们,有了足够的数据,使用相当低成本的硬件实际上就可以实现精细操作任务,"Sunday产品负责人Camilla Guo表示。
ALOHA,即低成本开源硬件系统,由斯坦福大学与谷歌DeepMind AI部门合作开发,旨在使用模仿学习构建低成本机器人平台,训练它们执行复杂任务。UMI,即通用操作界面,提供了一个数据收集和策略学习框架,用于教授机器人如何使用人类演示处理任务,为公司的技能捕获手套铺平了道路。
Sunday获得了来自Benchmark和Conviction的3500万美元融资。
"AI机器人技术的前景不在于后空翻或舞蹈表演,而是能够在混乱的真实世界环境中工作的机器人,"Benchmark普通合伙人Eric Vishria表示。"要实现这一目标,我们需要真实世界的训练数据。我们目前拥有的数据仅为所需数据的百万分之一。"
Sunday表示,公司的"创始家庭测试"计划申请已于11月19日开放,该计划将把机器人投放到家庭中使用。从申请者中,公司将选择50个家庭在2026年底成为Memo的早期用户。
"有很多公司基于我们的工作推进他们的研究,"Zhao说道,"但我们在这里构建的是更宏大的目标:让机器人走进每个家庭。"
Q&A
Q1:Memo机器人能做什么家务?
A:Memo机器人可以在厨房和客厅执行多种家务活动,包括清洁盘子和玻璃杯、将餐具装入洗碗机、收拾衣物、制作浓缩咖啡,甚至可以协助准备简单的菜肴。它专门为家庭环境设计,能够适应厨房、客厅和洗衣区域等不同场所的需求。
Q2:Sunday公司是如何训练Memo机器人的?
A:Sunday开发了"技能捕获手套"这一可穿戴设备,能够捕获人们在家中移动、清洁和整理的真实动作。公司研究人员使用这些手套在超过500个家庭中收集了约1000万个真实家庭例程的数据集,通过这种大规模真实数据训练,使Memo能够适应家庭环境的复杂性和不可预测性。
Q3:普通家庭什么时候可以使用Memo机器人?
A:Sunday公司已于11月19日开放"创始家庭测试"计划申请,将从申请者中选择50个家庭在2026年底成为Memo的早期用户。这意味着普通消费者最早可能在2026年底开始体验这款家用机器人,但大规模商用时间表尚未公布。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。