在股東大會上，特斯拉通過視頻展示了Optimus人形機(jī)器人最新進(jìn)展，包括撿起物品、環(huán)境發(fā)現(xiàn)和記憶，基于AI模仿人類動作，能完成分類物品的復(fù)雜任務(wù)。能夠看出，目前Optimus人形機(jī)器人的智能化已經(jīng)得到大幅提升。

Optimus人形機(jī)器人分類物體

Optimus人形機(jī)器人撿起物體

從Optimus人形機(jī)器人的定義和發(fā)展趨勢來看，特斯拉要打造的是具有自主運(yùn)動能力且量產(chǎn)成本低的機(jī)器人。如果不考慮成本的話，特斯拉人形機(jī)器人更強(qiáng)調(diào)運(yùn)動技能和運(yùn)動機(jī)能，從Optimus這個名稱來看這些機(jī)器人也更像“汽車人”。

因此，馬斯克表示，“現(xiàn)在是推進(jìn)研發(fā)人形機(jī)器人的絕佳機(jī)會，因?yàn)榭梢怨蚕泶罅?a href="http://m.makelele.cn/tags/自動駕駛/" target="_blank">自動駕駛領(lǐng)域的軟硬件技術(shù)成果。”

據(jù)馬斯克透露，目前人形機(jī)器人是在特斯拉內(nèi)部優(yōu)先級最高的項(xiàng)目。

微軟和谷歌要給機(jī)器人注入靈魂

從產(chǎn)品現(xiàn)狀來看，特斯拉的Optimus人形機(jī)器人還沒有很強(qiáng)的思維能力，只能完成指定的任務(wù)。目前，市面上大部分的人形機(jī)器人基本都處于“弱人工智能”的階段。

不過，這種情況將很快得到改變，微軟、谷歌等公司都已經(jīng)開始布局將AI大模型引入到機(jī)器人領(lǐng)域。

上面我們提到了谷歌的AI模型PaLM-E。根據(jù)谷歌的說法，PaLM-E是通過分析來自機(jī)器人攝像頭的數(shù)據(jù)來執(zhí)行高級指令，整個過程并不需要預(yù)訓(xùn)練。在演示視頻里，工程師只要說出“從抽屜里給我拿袋米片”的指令，PaLM-E就可以自主完成剩余的操作。

PaLM-E執(zhí)行拿薯片指令

當(dāng)然，谷歌PaLM-E的潛能絕不限于此，其最終目標(biāo)是打造一個機(jī)器人的大腦。PaLM-E是一種多模態(tài)具身視覺語言模型，集成了參數(shù)量540B的PaLM和參數(shù)量22B的視覺Transformer（ViT），不僅可以理解圖像，還能理解、生成語言，還具有零樣本學(xué)習(xí)的能力，即在沒有任何訓(xùn)練數(shù)據(jù)的情況下完成新任務(wù)。

這也引申出一個新的概念，那就是英偉達(dá)公司提出的具身智能。在ITF World 2023半導(dǎo)體大會上，英偉達(dá)黃仁勛表示，人工智能的下一個浪潮將是具身智能。具身智能能夠在物理世界中進(jìn)行操作和感知，輸出各種機(jī)械動作。如果要更簡單地解釋，那么具身智能就是當(dāng)前AI大模型和人形機(jī)器人的深度融合。其中，AI大模型讓具身智能擁有一個超強(qiáng)的大腦，能夠處理視覺信息、生成提示詞等各種信息；特斯拉的DOJO D1芯片以及Optimus身上的伺服系統(tǒng)和傳感器則負(fù)責(zé)執(zhí)行機(jī)械動作。

上海交通大學(xué)教授盧策吾表示，“雖然人工智能能給你輸出一個表征，但很難檢驗(yàn)它們是否真的理解了這些概念。所以我們可以先在一些可驗(yàn)證、可測量的概念上面做出個閉環(huán)。而具身智能剛好是這樣一個閉環(huán)，這樣的具身智能可能是邁向通用智能的一個很好的起點(diǎn)，因?yàn)樗蓽y量、可解釋、可檢驗(yàn)?！?/div>