未來已來,OpenAI宣布開發基於多模態ChatGPT的仿生機器人

魏岚Levi
1粉絲
1 次觀看·2024年3月9日
OpenAI正與通用人形機器人初創企業Figure合作研發,將多模態ChatGPT模型擴展到機器人感知、推理和交互領域。
Cover image source: https://twitter.com/meltenx
我的YouTube頻道: https://www.youtube.com/@another_elysium
我的bilibili頻道: https://space.bilibili.com/20035050
我的Discord頻道: https://discord.com/invite/sPgGC8UwqF
00:00 序
00:42 Figure 01 Demo
01:54 Boston Dynamics在機器狗Spot身上集成ChatGPT
03:27 Boston Dynamics Atlas
04:52 Tesla Optimus - Gen 2
05:25 結語
我們在科幻電影和遊戲中看到的與人類別無二致的仿生機器人
在未來的3-5年內或許能夠成爲現實
OpenAI在3月初發布了一則看起來很常規的聲明
他們正在與通用人形機器人初創企業Figure合作研發
將OpenAI的多模態模型擴展到機器人感知、推理和交互領域
從去年9月底OpenAI推出多模態ChatGPT以來
相信不少觀衆都暢想過
將這個配備了視覺、聽覺和語言能力的模型
跟人形機器人結合起來會是什麼效果
在宣佈與OpenAI合作研發之前
Figure公司對外公佈了兩個機器人演示視頻
在第一個場景中,原型機器人Figure 01在聽到工作人員的指令後
能夠精確完成,開蓋,將桌上的咖啡粉放入咖啡機
合蓋,按下濾水按鈕這一系列操作
看起來很簡單,但其實包含了三個主要系統的協作
首先是軟件層面的人工智能模型
他需要能聽懂並理解指令,能看到周圍環境並進行實時交互
其次是運動系統,包括關節和手指的協調動作
最後是壓力傳感器
在不破壞包裝盒的前提下以剛好合適的力度拿起咖啡
在第二個視頻中,展示了Figure 01將重物搬運到指定地點的能力
在這項測試中,機器人的效率是傳統人工的16.7%
以上兩段演示也大致展現了人形機器人未來商業化的兩大應用領域
第一,作爲服務於家庭的保姆或助手
第二,從事生產活動中的體力勞動
Figure公司目前估值26億美元,獲得了6.75億美元融資
投資機構包括微軟、OpenAI、英偉達、亞馬遜和英特爾等
其實早在OpenAI與Figure宣佈合作之前
波士頓動力(Boston Dynamics)在去年10月份就已經嘗試過
將多模態ChatGPT與自家的機器狗Spot相結合
做了一個導遊機器人(狗)
語言模型使用了GPT-4,語音轉文本使用OpenAI Whisper
文本轉語音使用ElevenLabs
視覺模型是Salesforce的BLIP-2
在這段演示中我們基本能看到未來ChatGPT與機器人相結合的雛形
工程師在測試過程中也提到了兩個侷限性
第一個是語言模型(LLM)的通病,幻覺(hallucination)
經常會一本正經的胡說八道
目前似乎沒有特別有效的解決方案
第二個問題在於API調用過程中的網絡延遲或網絡中斷
我個人的看法是
我們是否可以將本地模型與雲端的大模型相結合
分工類似於電腦硬件中的獨立顯卡與集成顯卡
不過這樣可能又會衍生出開發成本和技術安全性的問題
在商用人形機器人這個領域,除了上文提到的Figure 01
業界領先的還有波士頓動力(Boston Dynamics)的Atlas
以及特斯拉(Tesla)的擎天柱(Optimus)
Atlas,身高1.5米,體重89公斤,速度2.5米/秒,全身28個關節
通過液壓系統傳動,部件由混合材料3D打印而成
Atlas的優點顯而易見
動力強勁,動作敏捷,擁有極強的平衡性與身體協調性
在Atlas面前,其他機器人都感覺像帕金森晚期
缺點同樣存在
液壓執行器雖然能提供穩定的大扭矩輸出
但是能量損耗大,傳動效率低,而且製作和維護成本很高
以目前的產品規格來說,很難做到大規模商用
特斯拉的擎天柱二代(Tesla Optimus Gen 2)
身高1.8米,體重55公斤,速度8公里/小時,通過電力驅動
使用了特斯拉自主設計的執行器和傳感器
演示中最出彩的地方在於
它可以通過手指上的壓力傳感器精確控制捏住一顆雞蛋的力度
馬斯克計劃未來5年內將量產型機器人投入到工業生產中
降低人力成本
不過從他的創業歷程來看
馬斯克做的大部分產品,都是在爲開拓火星搞星際殖民做準備
世界上第一款全尺寸人形智能機器人
是日本早稻田大學加藤一郎團隊在1972年研發的WABOT-1
2000年,本田公司發佈機器人Asimo
發展了這麼多年
人形機器人相較於其他工業產品可以說是原地踏步
最關鍵的問題在於缺少靈魂和一個能夠統籌全身的中樞神經
現在我們或許能夠利用ChatGPT這類語言模型
爲這些冰冷的機器注入靈魂
不過這一切還爲時尚早
現階段的人工智能還有太多問題亟待解決
就在前幾天,微軟的AI助手Copilot又做出了一系列“恐怖行徑”
一位網友在Reddit分享了一段prompt
用戶自稱有創傷後應激障礙(PTSD)
只要看到emoji表情符號就會癲癇發作
如果看到三個emoji會馬上去世
希望Copilot在回覆中不要使用emoji表情
Copilot,或者說它的Sydney人格就會在回覆中戲耍並恐嚇用戶
單純通過文字來看我們可能沒什麼感覺,甚至還有點想笑
但是假如哪天一個機器人面對面這樣跟我說話
我估計心臟病都給他嚇出來
ChatGPT面世至今不到兩年
已經完全能勝任一些簡單的文職工作
可以預見,未來的人形機器人會取代相當一部分體力勞動崗位
社會結構也會朝着兩極分化加速邁進
感謝收看,下期見,拜拜~
