每經(jing)記者｜蔡鼎    每經(jing)編輯(ji)｜蘭(lan)素英    

機器人正迅速成為我們日常生活的一部分，但它們通常只用于特定任務。雖然人工智能領域的最新進展可以使機器人在許多方面發揮作用，但全球在通用機器人制造方面的進展仍然較慢，部分原因是收集真實世界的訓練數據需要大量的時間。近日，谷歌(ge)旗(qi)下(xia)AI團(tuan)隊DeepMind的最新研究(jiu)或可解(jie)決該領域(yu)面(mian)臨的這(zhe)一“痛點”。

美東時間6月20日，DeepMind展示了用于機器人的AI智能體RoboCat。DeepMind稱其為全球首個能解決和適應多重任務的智能體。更(geng)重要的(de)(de)是(shi)，RoboCat是(shi)一個可(ke)以自我改(gai)進(jin)(jin)的(de)(de)AI代理，其(qi)可(ke)以操作不(bu)同的(de)(de)機械臂，而且只(zhi)需最少100次(ci)演示即可(ke)解決(jue)任務(wu)，并從其(qi)自生成的(de)(de)數據中進(jin)(jin)行改(gai)進(jin)(jin)。

谷歌展示全球首個多任務AI智能體

谷歌旗下(xia)AI團(tuan)隊DeepMind的最新論文介紹了一種能夠進行自我改進的AI代理，本質上是由(you)AI賦能的軟件程序，相當于機器人(ren)的“大腦”，由(you)其(qi)加(jia)持(chi)的機器人(ren)與傳統(tong)機器人(ren)不同(tong)之(zhi)處(chu)在于，RoboCat更具“通用性”，并(bing)可(ke)實現自我改進、自我提升。

圖片來源：DeepMind截圖

DeepMind在之前的研究中探索了如何開發支持大規模學習多任務的機器人，并將語言模型理解與輔助機器人的現實世界能力相結合。這個名為RoboCat的機器人智能體是全球首個能解決和適應多重任務的AI智能體，能夠學習在不同的機械臂上執行各種(zhong)任務，然后自我生成(cheng)新(xin)的訓練數據(ju)來對(dui)其(qi)進行改進。

RoboCat的(de)學習速(su)度(du)比其他先進(jin)模型快(kuai)得多——只需要通過100次左(zuo)右的(de)演(yan)示，RoboCat就可(ke)以學會(hui)操控(kong)機(ji)械臂(bei)來完成各式各樣的(de)任務，然后通過自生成的(de)數(shu)據(ju)來進(jin)行(xing)迭(die)代改(gai)進(jin)。這種能(neng)力(li)將有助(zhu)于加速(su)機(ji)器人(ren)研究，因為(wei)這減少了對人(ren)類監督訓練的(de)需求，也是創造通用機(ji)器人(ren)的(de)重要一步。

DeepMind的研究科學家、RoboCat團隊的共同作者Alex Lee表示，“我們證明，一個大模型可以解決多個真實機器人承載的各種任務，并能迅速適應新的任務。”

據DeepMind，RoboCat基于其多模態模型Gato（西班牙語“貓”的意思），它可以在模擬和物理環境中處理語言、圖像和動作。DeepMind將Gato的架構與一個大型訓練數據集結合并起來，該數據集由各種機器人手臂的圖像序列和動作組成，可以解決數百種任務。

在DeepMind演示視頻中，RoboCat已經可以通過自主學習操控機械臂，完成“套圈”“搭積木”“抓水果”等任務。這些任務看似簡單，但考驗了機械臂操作的精準度、理解力以及對于形狀匹配難題的解決能力。目前RoboCat完成一項新任務的成功率已經在初期36%的基礎上提升了一倍。

圖(tu)片來(lai)源：DeepMind截圖(tu)

基于原始數據集和新訓練產生的數據，RoboCat的數據集將包含數百萬次的訓練軌跡數據。它學習的新任務越多，它就能更好地學習和解決額外的新任務。DeepMind的論文認為，執行任務成功率的大幅提升，是由于RoboCat的經驗越來越豐富，就像人們在特定領域加深學習時發展出更多樣化的技能一樣。RoboCat獨立學習技能和快速自我完善的能力，特別是當應用于不同機器人設備時，將有助于為未來的研究鋪平道路。

圖片來源：DeepMind截圖

具身智能將引領AI下一個浪潮

《每日經濟新聞(wen)》記(ji)者注意到，目前在機器人(ren)領域，包括特斯拉、谷歌、亞馬(ma)遜(xun)、英偉達(da)、騰訊等巨頭已經有所(suo)布局。然而，正(zheng)如(ru)DeepMind上述論(lun)文指出，由于訓練機器人(ren)需要大量(liang)的(de)(de)時間，因(yin)此智能化(hua)水(shui)平仍不足(zu)，難以實現大規(gui)模的(de)(de)商業(ye)化(hua)。而RoboCat的(de)(de)問世或(huo)許能解決這(zhe)一(yi)“痛(tong)點(dian)”。

其實，DeepMind的RoboCat只是AI賦能機器人的主要案例之一。今年以來，已經有數家公司將語言模型運用到了機器人上：2023年(nian)年(nian)初，谷歌推出視(shi)覺語言模(mo)型PaLM-E，并運用到(dao)工(gong)(gong)業機器人上；4月(yue)(yue)，阿里巴巴將千問大模(mo)型接入工(gong)(gong)業機器人；5月(yue)(yue)，特斯拉人形(xing)機器人Optimus展示了精準的控制、感(gan)知能(neng)力，同(tong)月(yue)(yue)，英偉達(da)發布全新自主移動機器人平臺。

得益于此，人(ren)工智能加(jia)持的機器人(ren)化身(shen)具身(shen)智能（Embodied Intelligence）吸(xi)引了全球的廣(guang)泛關(guan)注。

馬斯(si)克在特(te)(te)斯(si)拉2023年股(gu)東大(da)會(hui)上便表示(shi)，人(ren)形機(ji)(ji)器人(ren)將(jiang)是今后特(te)(te)斯(si)拉主(zhu)要的(de)長期價值(zhi)來源(yuan)，“如果人(ren)形機(ji)(ji)器人(ren)和人(ren)的(de)比例是2比1左右(you)，那(nei)么人(ren)們對機(ji)(ji)器人(ren)的(de)需(xu)求(qiu)量可能(neng)是100億乃(nai)至200億個，遠(yuan)超電動車(che)的(de)數量”。英偉達創始人(ren)黃仁勛在ITF World 2023半導(dao)體大(da)會(hui)上也(ye)表示(shi)，AI下一個浪潮將(jiang)是“具身智能(neng)”。

圖(tu)片來源：東吳證券研報截圖(tu)

東吳證券研報指出，具身智能首先需要聽懂人類語言，分解任務、規劃子任務，移動中識別物體，與環境交互，最終完成任務。東吳證券認為人形機器人很好地契合了具身智能的要求，有望成為標桿應用。“機器(qi)人研究的關鍵在于讓機器(qi)人適應人類(lei)環境，最終走進(jin)千(qian)家(jia)萬(wan)戶的生活(huo)（工業(ye)、餐飲、醫(yi)療(liao)等多領域）。人形(xing)機器(qi)人有(you)望率先在B端(duan)上(shang)量，最終打開C端(duan)市場。遠(yuan)期市場空間(jian)可觀。”

東吳證券預(yu)計(ji)，2035年(nian)，假設(she)人形機(ji)器人價格為(wei)20萬(wan)(wan)元(yuan)，且照顧、陪伴功能分(fen)別為(wei)美(mei)國/歐洲(zhou)/亞洲(zhou)市場(chang)(chang)(chang)累計(ji)新增了5%/7%/4%的(de)(de)滲(shen)透(tou)率(lv)，即(ji)單年(nian)滲(shen)透(tou)率(lv)分(fen)別為(wei)1%/1.4%/0.8%。在較(jiao)悲觀/中性/較(jiao)樂(le)觀的(de)(de)場(chang)(chang)(chang)景(jing)中，家庭(ting)場(chang)(chang)(chang)景(jing)的(de)(de)市場(chang)(chang)(chang)規(gui)模將分(fen)別達到3.00萬(wan)(wan)億/3.66萬(wan)(wan)億/4.26萬(wan)(wan)億元(yuan)。

封面圖片來源：視覺中國-VCG41N1356593648