图：人工智能正在为仿人机器人增压--它是如何工作的

刚刚与 OpenAI 分道扬镳，Figure AI 的新模型就能让仿人机器人抓取任何东西，协同工作，并对口语命令做出反应。

图象人工智能公司（Figure AI）终于在本周四披露了导致这家热门机器人初创公司与其投资者之一OpenAI断绝关系的 "重大突破"：一种新颖的双系统人工智能架构，可让机器人解释自然语言命令并操控它们从未见过的物体--而无需对每个物体进行特定的预先训练或编程。

传统机器人需要对每项新任务进行大量编程或演示，而 Helix 则不同，它将高级推理系统与实时电机控制相结合。这两个系统有效地弥补了语义理解（知道物体是什么）和行动或运动控制（知道如何操纵这些物体）之间的差距。

这样，机器人就有可能随着时间的推移不断提高能力，而无需更新系统或根据新数据进行训练。为了演示它是如何工作的，该公司发布了一段视频，展示了两个Figure机器人合作摆放杂货的过程，其中一个机器人将物品递给另一个机器人，后者将物品放入抽屉和冰箱。

Figure声称，这两个机器人都不了解它们所处理的物品，但它们能够识别哪些物品应该放进冰箱，哪些应该干燥保存。

"阿德科克在推特上写道："Helix可以概括任何家庭用品。"就像人类一样，Helix能听懂语言，推理问题，并能抓住任何物品--所有这些都不需要训练或代码。"

为了实现这种泛化能力，这家总部位于加利福尼亚桑尼维尔的初创公司还开发了所谓的视觉-语言-行动（VLA）模型，将感知、语言理解和学习控制统一起来，这也是其模型能够泛化的原因。

图中的这个模型开创了机器人技术的多个先河。它能以 200Hz 的频率输出对整个仿人上半身的连续控制，包括单个手指动作、手腕位置、躯干方向和头部方向。此外，它还能让两个机器人合作完成从未见过的任务。

Helix 的突破源于其反映人类认知的双系统架构：一个拥有 70 亿个参数的 "系统 2 "视觉语言模型（VLM），以 7-9Hz 的频率处理高级理解（每秒更新 9 次状态，缓慢思考结构复杂的任务或动作）；一个拥有 8000 万个参数的 "系统 1 "视觉运动策略，以 200Hz 的频率将这些指令转化为精确的物理动作（基本上每秒更新 200 次状态），快速思考。

与以往的方法不同，Helix 对所有行为只使用一套神经网络权重，而不针对具体任务进行微调。其中一个系统处理语音和视觉数据，以实现复杂的决策，而另一个系统则将这些指令转化为精确的运动动作，以实现实时响应。

"阿德科克在推特上写道："我们在这个项目上已经工作了一年多，目的是解决通用机器人问题。"通过编码来解决这个问题是行不通的；我们只需要在能力上有一个阶跃式的变化，就能扩展到十亿单位机器人的水平。"

Helix表示，所有这些都为机器人技术的新扩展法则打开了大门，这种法则不依赖于编码，而是依靠集体努力，在没有任何特定任务的事先培训的情况下，让模型变得更有能力。

图中对 Helix 进行了约 500 小时的远程操作机器人行为训练，然后使用自动标记流程为每个演示生成自然语言指令。整个系统在机器人内部的嵌入式 GPU 上运行，可立即投入商业使用。

Figure AI 公司表示，它已经与宝马制造公司和一家未具名的美国大客户达成了合作协议。阿德科克说，公司相信这些合作关系将 "为未来四年内生产 10 万台机器人铺平道路"。

这家仿人机器人公司今年早些时候获得了6.75亿美元的B轮融资，投资者包括OpenAI、微软、英伟达（NVIDIA）和杰夫-贝索斯（Jeff Bezos），估值26亿美元。据报道，该公司正在洽谈再融资 15 亿美元，这将使公司估值达到 395 亿美元。

编辑：安德鲁-海沃德

More News

• All
• CT
• Coindesk
• Decrypt
• DLNews