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
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。