DeepMind 的深度强化学习足球机器人

DeepMind 的深度强化学习足球机器人 在 MuJoCo 物理引擎中进行模拟训练，再转移进真实机器人。可以无缝做出抢断、起身、踢球和追球动作，还对比赛有了基本的战略理解，学习预测球的运动和阻挡对手的射门。

英伟达进军机器人领域 发布世界首款人形通用基础模型

英伟达进军机器人领域 发布世界首款人形机器人通用基础模型 英伟达正通过推出名为Project GR00T的新型人形机器人基础模型，进一步进军机器人领域。基础模型是一种人工智能系统，它使用海量数据进行训练，能够用于各种各样的任务，从生成句子到视频、图像等等。据Nvidia，Project GR00T将帮助人形机器人“理解自然语言并通过观察人类行为来模仿动作 - 快速学习协调性、灵活性和其他技能，以便导航、适应并与现实世界互动。除了Project GR00T，英伟达还发布了其Isaac机器人平台的一部分Isaac Manipulator和Isaac Perceptor。Isaac Manipulator是一系列专为机械臂设计的基础模型，而Issac Perceptor旨在为设计用于制造和履行任务的机器人提供“多摄像头、3D环绕视觉能力”。此外，这家图形巨头还推出了用于人形机器人的Jetson Thor计算平台。该平台由英伟达的Thor系统芯片提供动力，将成为人形机器人的大脑。英伟达在声明中表示：“Jetson Thor被打造为一个全新的计算平台，能够执行复杂的任务并安全自然地与人和机器互动。它拥有模块化架构，在性能、功耗和尺寸方面都进行了优化。”GR00T正好和《银河护卫队》电影中的树人格鲁特（Groot）同名该公司表示，他们已经与一些机器人领域的大牌公司合作，包括以Spot机器人闻名的波士顿动力 (Boston Dynamics)、1X Technologies、Agility Robotics、Apptronik和Figure AI。其中，Figure AI近期备受关注，上周发布了一段视频，展示了人形机器人根据提示进行类人对话并完成一系列任务，例如拾取盘子并将其放入沥水架。虽然这看起来似乎没什么特别，但让机器人识别每个物品并精确移动它们的技术非常复杂。今年2月，英伟达与微软、OpenAI、Jeff Bezos、Parkway Capital、Intel Capital 等公司一起参加了Figure AI的B轮融资，使该公司估值达到26亿美元。人形机器人有望让人们完成危险或重复性的工作，但和其他AI技术一样，它们也让人们担心会取代人类的工作岗位。当然，不要指望人形机器人很快就能在街上闲逛。 ... PC版： 手机版：

梅赛德斯-奔驰开始试用Apptronik人形机器人完成"低技能"工作

梅赛德斯-奔驰开始试用Apptronik人形机器人完成"低技能"工作 据这家位于奥斯汀的机器人初创公司称，"作为协议的一部分，Apptronik 和梅赛德斯-奔驰将合作确定高度先进的机器人技术在梅赛德斯-奔驰制造中的应用"。按照此类交易的惯例，具体数字尚未披露。一般来说，试点项目中包含的实际系统数量较少，鉴于该技术的早期性质，这是可以理解的。即便如此，这些交易仍被视为双方的双赢之举。Apptronik公司可以证明一家领先汽车公司的明确兴趣，而梅赛德斯公司则向客户和股东表明，它正着眼于未来。接下来的事情才是真正重要的。如果试点进展顺利，汽车制造商很可能会下大单，那将是 Apptronik 和整个行业的一大幸事。最近，人形机器人吸引了大量投资者的兴趣，Figure 最近令人瞠目的 6.75 亿美元融资就是证明。未来几年对这些公司的持续成功至关重要，因为它们希望证明有意义的投资回报率。至于机器人在生产车间的实际工作内容，联合创始人兼首席执行官杰夫-卡德纳斯（Jeff Cardenas）在一份新闻稿中指出："梅赛德斯计划利用机器人技术和阿波罗技术实现一些低技能、高难度体力劳动的自动化我们将在未来数月或数年内看到其他组织复制这一示范用例。""低技能"指的是这些系统将替代的劳动力水平。我猜想，这涉及到大量将周转箱从 A 点搬运到 B 点的工作这些重复性的、耗费体力的工作既必不可少，又（相对）容易实现自动化。"低技能"的另一个重要部分也可能是为了将对取代人类工人的批评扼杀在萌芽状态。我们距离人形机器人能够真正做到这一点还有很长的路要走。Apptronik公司是奥斯汀大学的一家衍生公司，因其在美国国家航空航天局（NASA）Valkyrie仿人机器人上的工作而闻名。 ... PC版： 手机版：

华为云发布盘古具身智能大模型：“夸父”人形机器人亮相

华为云发布盘古具身智能大模型：“夸父”人形机器人亮相 据介绍，盘古大模型能够让机器人完成10步以上的复杂任务规划，并且在任务执行中实现多场景泛化和多任务处理。同时盘古大模型还能生成机器人需要的训练视频，让机器人更快地学习各种复杂场景。大模型的多模态能力以及思维能力的快速提升，使机器人能够模拟人类常识进行逻辑推理，并在现实环境中高效精准地执行任务，从而有效解决了复杂环境感知与物理空间认知的难题。通过集成多场景泛化和多任务处理能力，不论是生活场景还是工业场景，都能游刃有余的应对。大会现场展示中，“夸父”可以通过识别物品、问答互动、击掌、递水等互动演示，直观展示了双方基于盘古大模型的合作成果。通过模仿学习策略显著提升了人形机器人的双臂操作能力，实现了软硬件层面的协同优化，不仅增强了机器人综合性能，还克服了小样本数据训练的局限性，推动了泛化操作能力的边界。张平安在大会上表示，除了人形机器人，盘古具身智能大模型还可以赋能多种形态的工业机器人和服务机器人，让它们帮助人类去从事危险和繁重的工作。具身智能大模型可以让机器人作用更加广泛，未来真正实现让AI机器人帮助我们去洗衣、做饭、扫地，让我们有更多的时间去看书，写诗，作画。 ... PC版： 手机版：

用于机器人学习和具身AI领域研究的模块化框架

用于机器人学习和具身AI领域研究的模块化框架 RoboHive 生态系统包含一系列预先存在的和新颖的环境，包括 Shadow Hand 的灵巧操纵、Franka 和 Fetch 机器人的全臂操纵任务以及各种四足运动任务。 与之前的作品相比，RoboHive 提供了精简且统一的任务界面，利用最新的模拟绑定，具有丰富的视觉多样性任务，并支持现实世界开发的通用硬件驱动程序。 RoboHive 的统一界面为研究人员提供了一个方便且易于访问的平台来研究多种学习范式，例如模仿、强化、多任务和分层学习。 RoboHive 还包括大多数环境的专家演示和基线结果，为基准测试和比较提供了标准。 特征： 最广泛、多样化的任务集合 完全可定制的视觉丰富的任务，专为行为泛化而设计。 奖励不可知的任务成功指标 支持多种算法系列+预训练基线 Sim 和硬件无关的机器人类，可在 sim <> real 之间轻松转换 远程操作支持。人类+专家数据集 | #框架

“机器人正在接管旧金山”

“机器人正在接管旧金山” 路线不对，踩着小碎步，稳步调头：或者不装了，调什么头，直接倒着走：在各种场景下都可以看到它们的身影：于是乎，网友传出了“机器人正在接管旧金山”的消息??：要不是视频中还有人类出镜，网友都要怀疑这是不是真的在旧金山：这就是来自加州大学伯克利分校的人形机器人成果。研究人员提出了使用序列建模和动作预测的Causal Transformer模型。使得人形机器人可以在室内外各种环境中稳健行走，应对不同地形，甚至还能背个书包，提袋垃圾：怎么做到的？此前，尽管一些人形机器人在特定环境下表现良好，但广泛存在泛化和适应新环境方面的问题。来自加州大学伯克利分校的研究人员提出了运用Causal Transformer的方法。这是一种Transformer模型，通过自回归从观察-动作历史信息中预测下一个动作，也就是模型的输出（预测的动作）只依赖于其输入（观察-动作历史信息）中的先前信息。具体来说，在处理“观察-动作对”时，模型会将每个“观察-动作对”作为一个token，并通过自注意力机制来学习这些token之间的关系。在自注意力计算中，模型会为每个token分配权重，这些权重反映了在预测当前动作时，序列中其他token的重要性。由于Causal Transformer限制了自注意力只能考虑前面的token，它能够捕捉到序列中的因果依赖，即当前动作的决策是基于之前观察-动作的历史信息。通过这种方式，Causal Transformer能够使机器人在复杂和动态的环境中，在没有未来信息的情况下做出适应性更强的决策。训练阶段，研究人员使用强化学习方法，在Isaac Gym模拟器进行大规模并行训练，模拟了机器人的刚体和接触动力学。为了模拟机器人的闭链动力学，引入了“虚拟弹簧”模型。在模拟中随机化机器人的动态属性、控制参数和环境物理属性，以及添加噪声和延迟到观察中。从模拟到现实的转移方面，研究人员在机器人初创公司Agility Robotics提供的高保真度模拟器中验证策略，该模拟器准确模拟了Digit机器人的动态和物理属性。经过实验，Digit机器人能够在多种环境中可靠行走，展现出对外部干扰的鲁棒性：以及在不同地形和载荷条件下的适应性：△左，脚被绊住；右，下坡顺带保持手臂摆动协调有力，不顺拐：Digit人形机器人再来介绍一下demo中的这款人形机器人Digit。背后公司Agility Robotics，前身为俄勒冈州立大学的Dynamic Robotics Laboratory。2022年，获亚马逊投资。Agility Robotics的主要产品是以鸵鸟等鸟类为发想的双足步行机器人，主要研发成果包含Cassie、Digit两个机型。其中Cassie是只有下半身的双足机器人：至于Digit，像是下面这个，已经成为亚马逊75万机器人员工中的一员，不过还处于测试阶段，负责搬运亚马逊标志性的黄箱子：Agility Robotics表示，将在今年向合作伙伴交付第一批Digit，Digit的初步应用包括仓库和配送中心内的散装材料处理，预计2025年全面上市。他们最近还宣布开设了一家新机器人制造工厂RoboFab?，声称第一年预计生产数百台机器人，之后每年产能最多可达10000台。Digit也将在新工厂中上岗，进行搬运、装载等工作。 ... PC版： 手机版：