前段時間，OpenAI 和微軟聯手扔下兩枚重磅炸彈：被人千呼萬喚的 GPT-4 和以迅雷不及掩耳之勢發(fā)布的 Microsoft 365 Copilot。借助前者強大的圖文理解、生成能力，后者把很多工作都自動化了，包括寫文檔，把 Word 轉成 PPT，根據 Excel 數據生成圖表……

一時之間，AI 模型似乎什么都可以干了，但有些需要身體的活兒暫時還干不了。于是，壓力來到了機器人這邊。

(資料圖)

AI 大模型加機器人會產生什么化學反應？谷歌前不久的一項研究已經給出了初步答案：他們訓練了一個參數量達 5620 億的具身多模態(tài)語言模型 —— PaLM-E，然后用這個模型來驅動機器人自主地完成各項任務。在執(zhí)行這些任務的過程中，機器人必須像人一樣能看、能「思考」，把眼前的狀況分析清楚，然后制定行動計劃并執(zhí)行。

比如，你可以直接問機器人：「如果一個機器人想在這里（如下圖）發(fā)揮作用，它應該采取哪些步驟？」PaLM-E 可以給出答案：首先清理桌子、清理垃圾，然后挪動椅子、擦椅子，最后把椅子放回原處。對于普通 AI 模型來說，能回答出這些就已經可以了。但區(qū)別在于，谷歌這個大模型是有身體的，因此可以把上面提到的工作都做完。這就給了大家更大的想象空間。

當然，在這個名為「具身智能」的領域，谷歌并不是唯一的玩家。國內外很多研究機構、初創(chuàng)公司都將其作為發(fā)力方向之一。其中，一家名為「1X」的機器人公司成功引起了 OpenAI 的注意。

1X 成立于 2014 年，原名 Halodi Robotics，其目標是創(chuàng)造具有實用價值，可以在現實世界中應用的機器人，以增加全球勞動力。

?

Halodi Robotics 發(fā)布的自家機器?人 demo

在最近公布的 A2 輪融資中，這家公司總共融到了 2350 萬美元。重要的是，這輪融資是由 OpenAI 創(chuàng)業(yè)基金領投的，老虎環(huán)球和一個由 Sandwater、Alliance Ventures 和 Skagerak Capital 等挪威投資者組成的財團也參與了投資。1X 計劃用這筆資金來加大力度研發(fā)雙足機器人模型 NEO，以及在挪威和北美量產其首款商用機器人 EVE。

官網展示的機器人模型 NEO

機器人 EVE

在 1X 的官網上，我們可以看到該公司對于兩大機器人產品的路徑規(guī)劃：EVE 具備輕柔地移動、操縱物體和與世界互動的能力，離現實世界應用已經非常近了；NEO 的目標則是探索人工智能如何在類人身體中形成，也就是我們所說的具身 AI。這或許既是 OpenAI 選擇投資 1X，也是前谷歌機器人高級研究科學家 Eric Jang 選擇加入這家公司的原因。

Eric Jang 2022 年 3 月末從谷歌離職（待了 6 年），4 月 25 日宣布加入 1X（當時還叫 Halodi Robotics），擔任 AI 副總裁一職。

在選擇下家的過程中，Eric Jang 是非常謹慎的，最重要的決定因素是該公司是否擁有領先競爭對手數年的技術優(yōu)勢。在他看來，專攻類人機器人的 Halodi 已經滿足這一條件。

「我個人（通過加入 Halodi）押注的護城河是『比其他任何公司都領先 5 年的人形機器人』。Halodi 已經有了，而特斯拉正在開發(fā)他們的同類產品。我在 Halodi 的主要工作最初是訓練模型以解決移動操作中的特定客戶問題，同時也為 AGI 制定路線圖：如何從人形形式壓縮大量具身的第一人稱數據，從而產生通用智能、心智理論和自我意識?！笶ric Jang 在博客中寫道。

OpenAI 對 1X 的投資讓這家公司備受矚目，OpenAI 創(chuàng)業(yè)基金 Brad Lightcap 表示，他們相信 1X 可能對未來工作提供的方法及產生的影響。老虎環(huán)球的合伙人 Griffin Schroeder 也表達了對 1X 使命的熱情：「我們相信 1X 的機器人正在徹底改變機器人領域，我們很高興能與 OpenAI 一起投資，以支持他們的持續(xù)增長」。

不過，將 AI 與機器人融合可能并沒有想象中那么容易。Eric Jang 在剛加入新公司的時候也提到，「近年來，具身 AI 和機器人研究已經失去了一些光彩，因為大型語言模型現在可以解釋笑話，而機器人仍然在以不可接受的成功率進行拾取和放置?！沟€是選擇了「押注」。因為他認為，「僅在比特世界對模型進行訓練是不夠的」。

Eric Jang 在博客中展示的機器人領域泛化研究的現狀。他提到，「目前很多機器人研究人員仍在進行的是小模型訓練，并且還沒有用過 Vision Transformer！」

在加入 Halodi 的這一年里，Eric Jang 一直密切注視著 AI 基礎模型方向的進展，試圖縮小機器人與 AI 生成模型之間的差距。在一篇名為《我們如何讓機器人更像生成模型》的博客中，Eric Jang 從三個不同的維度比較了生成模型和機器人技術，思考如何將二者更好地聯系到一起。其成果或將體現在今年夏天即將面世的 NEO 機器人中。

關鍵詞：