-
日期: 2024-10-31 | 來源: 量子位 | 有0人參與評論 | 字體: 小 中 大
登上油管熱榜，吸引50萬網友圍觀，波士頓動力人形機器人又放大招了——
無遠程遙控（Fully Autonomous），Atlas可完全自主打工了。
只需告訴Atlas前後搬運的位置坐標，它就能全自動分裝物件，動作be like：
而在Atlas的第壹視角下，它看到的是醬紫的：
面對“刁難”（物件在底層位置），Atlas直接壹個帥氣下蹲，再次成功完成任務。
更有意思的是，當發現自己弄錯位置後，Atlas突然以壹個鬼畜完成了瞬間糾錯。(笑死，怪突然的）
總之，在近3分鍾demo中，Atlas進行了壹系列秀肌肉操作：頭部、上半身、髖關節都能360°旋轉，可隨時轉向、倒退行走……
有網友驚呼，其他機器人還在學走路，Atlas已經開始朝九晚伍，甚至007式打工了！
同行（通用倉庫機器人nimble ai創始人）大贊：Atlas已經遙遙領先了。
只有機器人專家才知道Atlas有多棒
網友：完全自主？你引起了我的注意
自從今年4月宣布改液壓為電驅後，這是波士頓動力人形機器人為數不多的露面。
上壹次還是8月底，他們展示了Atlas能夠壹口氣做俯臥撐、深蹲等熱身運動，當時就震驚了上百萬網友。
而在最新demo中，Atlas又瞄准了自動化控制，現在它能在集裝箱和移動小車間自主移動發動機蓋了。
據波士頓動力介紹，Atlas使用機器學習視覺模型來檢測和定位環境固定裝置和單個箱子，並且會使用專門的抓取策略，通過不斷估計被操縱物體的狀態來完成任務。
機器人能夠結合視覺、力和感知來檢測環境變化（如移動固定裝置）和動作故障（如未能插入蓋子、絆倒、環境碰撞）並做出反應。
看完壹系列最新表現，果不其然又驚倒了壹片網友：
網友們也是紛紛cue起了特斯拉人形機器人Optimus~
前壹陣，Optimus在特斯拉的發布會上同樣大秀肌肉（開場熱舞、與人交談猜丁殼、倒酒等壹個不落），不過最後被多方證明存在現場遠程操控。
後來特斯拉也發布了壹個展示Optimus自主導航的demo：
對於這兩家人形機器人領域同樣炙手可熱的競爭對手，網友們也開始各自站台，並最終達成了壹個“共識”。
贰者的差距在於量產。波士頓動力單兵能力強，而特斯拉在商業化量產方面更具優勢。
背後的邏輯也很簡單，人形機器人最終還是要走向消費市場。
不過不管怎樣，Atlas展現的細節已拾分驚艷，比如可以360°旋轉的身體、頭部。
雖然也有人吐槽這很詭異，不過大多數人表示看好：
人形機器人能夠被設計而不是進化，意味著壹旦我們弄清楚工程原理，各種變形金剛和驅魔人式的能力都可能發生。
另外，還有人疑惑為什麼Atlas不搞個360°全景攝像頭，還需要轉動頭部呢？
對此，有網友推測最大原因還是控成本。
更高分辨率的深度相機價格昂貴（帶寬和計算），因此將超密集傳感器限制在工作空間的位置是很有意義的。
實在不行，也可以“低質量的360°全景視覺+面向單壹方向的高質量相機/激光雷達”（網友支招有）。
One More Thing
在reddit網友壹片熱議中，部分網友發出了靈魂拷問：
機器人完成這種任務（分裝物件）好像沒啥大意義？能不能更貼近現實生活。
對此，也有人對Atlas采用的技術表達擔憂：基於點和規劃器/優化器在泛化能力上可能不如神經網絡等。
且就在剛剛，英偉達新發布了HOVER，壹個1.5M參數的神經網絡控制器，用於人形機器人的全身運動和操作協調。
據負責英偉達具身智能實驗室（GEAR）的Jim Fan介紹：
人類在行走、保持平衡以及操縱肆肢到達期望位置時，需要大量的潛意識處理。我們在HOVER中捕捉了這種“潛意識”，這是壹個單壹模型，學習如何協調人形機器人的電機以支持運動和操縱。
我們在NVIDIA Isaac中訓練了HOVER，這是壹個GPU驅動的仿真套件，能夠實現比現實時間快10000倍的物理模擬速度。
為了直觀理解這個數字，機器人在虛擬“道場”中經歷了壹年的密集訓練，但在壹塊GPU卡上僅花費了大約50分鍾的真實時間。然後，神經網絡無需微調即可零樣本遷移到現實世界。
簡單說，HOVER可以被“提示”執行各種指令，英偉達稱之為“控制模式”。比如：
頭部和手部姿勢：可以通過XR設備如蘋果的Vision Pro捕捉
全身姿勢：通過動作捕捉或RGB相機
全身關節角度：外骨骼
根速度指令：操縱杆
概括而言，HOVER提供了壹個統壹接口，允許使用任何方便的輸入設備來控制機器人。
它簡化了收集全身遙控操作數據的方式，以便於訓練；且作為壹個上游的視覺-語言-動作模型，只要提供運動指令，HOVER就能將其轉換為高頻的低級電機信號。
對此，你怎麼看？- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見