-
日期: 2025-01-10 | 來源: 騰訊科技 | 有0人參與評論 | 字體: 小 中 大
北京時間1月7日，黃仁勳和14台人形機器人同時出現在2025年CES展會的舞台上。
（1月7日拉斯維加斯2025 CES大會上，黃仁勳同時與14台人形機器人登台）
這壹幕似曾相識，就在2024年3月，黃仁勳曾同時與9家人形機器人亮相英偉達GTC大會的舞台。
（2024年3月，黃仁勳與9台人形機器人在英偉達GTC大會）
彼時，黃仁勳發布英偉達人形機器人通用基礎模型Project GR00T，正式宣布進駐人形機器人服務商。Project GR00T就像幫助機器人變得更聰明的大腦，在GR00T的指揮之下，機器人能夠理解自然語言，並通過觀察人類行為模仿動作，從而適應現實環境並與之交互。
與GTC大會不同的是，黃仁勳這次在CES上重點發布的是世界基礎模型開發平台Cosmos，它提供了壹種簡單的方法來生成大量基於物理世界的合成數據。
Cosmos可以通過文本、圖像或視頻的提示，生成高度仿真的虛擬世界，它基於2000萬小時的視頻進行訓練，分為自回歸模型和擴散模型兩類。
與其它合成數據生成平台不同的是，Cosmos能夠理解這個世界，比如它可以理解幾何空間、摩擦力和重力，並且壓縮“虛擬”與“現實”之間的差距。
對於具身智能而言，這是壹個重要突破，因為它幫助人形機器人解決泛化道路上的最大瓶頸之壹“高質量數據稀缺”問題，為人形機器人感知環境創建逼真的環境和感知物體。
與黃仁勳壹起出現在CES舞台上的1X、Agile Robots、Agility、Figure、傅立葉、波士頓動力等14家人形機器人，都是英偉達Cosmos平台的種子用戶。
那麼，在這之前，人形機器人數據采集遇到了哪些難點？Cosmos對解決這些難點產生哪些價值？
高質量數據瓶頸，成為人形機器人泛化難題
通用人形機器人，需要擁有任務泛化能力。
但目前不論是老牌人形機器人波士頓動力Atlas，還是新興的擎天柱、Figure等，它們在實際場景的應用還停留在單點任務處理上。比如，擎天柱學會了疊衣服，但是又要重新訓練才能學會疊被子。也就是說，它們在完成壹個任務後，不具備自主判斷下壹個任務要做什麼的能力。
而阻礙人形機器人擁有泛化能力的最大因素，就是高質量數據的稀缺。即便Agility旗下的Digit機器人整天泡在亞馬遜工廠裡打工，擁有天然的豐富場景數據學習環境，它的首席技術官Pras Velagapudi依舊表示：“數據稀缺性和多變性是機器人從環境中成功學習的關鍵挑戰。”
機器人需要高質量的數據，否則可能會導致目標誤判或任務失敗，甚至做出不恰當的行為。比如，壹個塗抹醬汁的機器人可能會把醬汁灑壹地，壹個醫療手術機器人可能會用手術刀傷到人類。- 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