原標(biāo)題：斯坦?；鸨槿W(wǎng)的做菜機(jī)器人，原來(lái)還得靠遙控。。。

見(jiàn)過(guò)機(jī)器人在工廠擰螺絲，那大伙兒見(jiàn)過(guò)在家里炒菜的機(jī)器人嗎？

相信有不少差友，在幾天前就已經(jīng)刷到了一個(gè)機(jī)器人下廚的視頻了吧。

撕開(kāi)生菜包裝，切菜，打雞蛋，一套操作行云流水，它甚至還會(huì)在往鍋里倒青菜的時(shí)候，拿鍋蓋來(lái)?yè)跻幌隆?/p>

不瞞大伙兒說(shuō)，世超看到視頻的第一反應(yīng)是：??？？？

我對(duì)機(jī)器人做飯的印象，還停留在食堂里的那個(gè)刀削面機(jī)器人。

像視頻里這種跟人類無(wú)異的操作，如果不是親眼所見(jiàn)，或許沒(méi)人敢相信這是一個(gè)機(jī)器人干的。

這個(gè)機(jī)器人，就是斯坦福大學(xué)的 Mobile ALOHA 機(jī)器人項(xiàng)目。

根據(jù)項(xiàng)目負(fù)責(zé)人發(fā)布的視頻，除了會(huì)做飯以外， ALOHA 機(jī)器人還精通各種家務(wù)。

澆花逗貓煮咖啡，擦地洗碗疊被洗衣服，這些家務(wù)活兒完全不在話下。

特別是套枕套最后抖那倆下，我仿佛看到了我本人。。。

反正視頻發(fā)出來(lái)之后，在國(guó)內(nèi)外引起了不小的熱度。

網(wǎng)友熱評(píng)， “ 只要這玩意兒不會(huì)趁我睡著的時(shí)候殺了我，我真的很需要它 ”“ 下次如果家里人再催結(jié)婚生孩子，就把視頻發(fā)到家族群里。 ”

但，也有人質(zhì)疑視頻經(jīng)過(guò)了加速和剪輯處理，就像上次谷歌發(fā)布的 Gemini 演示視頻那樣，是真是假還有待證明。

很快，網(wǎng)上就流傳出了 ALOHA 機(jī)器人翻車(chē)的視頻。

一言不合就打碎酒杯和餐盤(pán)、識(shí)別不清障礙物撞上柜子、把鍋燒糊...

智能程度跟前幾天視頻里靈活的機(jī)器人相比，簡(jiǎn)直判若兩 “ 機(jī) ” 。

有意思的是，這個(gè)視頻的爆料人，就是項(xiàng)目團(tuán)隊(duì)的內(nèi)部人員。

上周末的時(shí)候， Mobile ALOHA 的項(xiàng)目共同負(fù)責(zé)人 Tony Z.Zhao ，在 X 平臺(tái)上發(fā)布了機(jī)器人的失敗花絮，并澄清了外界對(duì)于機(jī)器人 “ 完全自動(dòng) ” 的誤會(huì)。

事實(shí)上， ALOHA 機(jī)器人并不是全自動(dòng)的，而是自動(dòng) + 遙控的混合模式。

世超認(rèn)真翻了翻 GitHub 上的 Mobile ALOHA 項(xiàng)目，在自主模式下，人類需要先操控機(jī)械臂打個(gè)樣，才能讓 ALOHA 機(jī)器人學(xué)習(xí)類似的動(dòng)作。

前面視頻里的各種復(fù)雜家務(wù)活兒，都是有人在后面遙控的。

就像這樣。

而且，并不是只要人類演示了，機(jī)器人就能百分百學(xué)會(huì)。

在論文中也有提到， ALOHA 機(jī)器人自動(dòng)擦紅酒漬的成功率有 95% ，推椅子是 80% ，而炒蝦只有 40% 。

世超盲猜，可能是一開(kāi)始的視頻效果過(guò)于驚艷，一傳十十傳百，這才讓 ALOHA 機(jī)器人背上了 “ 保姆機(jī)器人已經(jīng)落地 ” 的名頭。

但就像 Tony Z.Zhao 推文里說(shuō)的那樣， “ 機(jī)器人還沒(méi)準(zhǔn)備好接管世界！ ” ，現(xiàn)在的機(jī)器人離我們想象中的全能保姆，還差得遠(yuǎn)。

所以，與其大肆去吹這次的 ALOHA 機(jī)器人有多牛，倒不如說(shuō)它給之后的機(jī)器人研發(fā)都打了個(gè)樣。

根據(jù)英偉達(dá)科學(xué)家 Jim Fan 的說(shuō)法，數(shù)據(jù)一直是機(jī)器人技術(shù)的致命弱點(diǎn)。

而項(xiàng)目團(tuán)隊(duì)對(duì) ALOHA 機(jī)器人的定義，恰恰就是 “ 一種用于數(shù)據(jù)收集的低成本全身遠(yuǎn)程操作系統(tǒng)” 。

怎么個(gè)意思呢？

在算法上，他們基于 Transformer 開(kāi)發(fā)了一種動(dòng)作學(xué)習(xí)算法 ACT 。

這種算法，能夠讓 ALOHA 機(jī)器人在 15 分鐘的動(dòng)作演示后，模仿人類做出相似的動(dòng)作。

你可以理解成，人類操控機(jī)械臂的過(guò)程，也是數(shù)據(jù)收集的過(guò)程。接著，再利用收集好的數(shù)據(jù)來(lái)進(jìn)行一波“ 模仿秀 ”。

就比如，你把擦玻璃這個(gè)動(dòng)作給機(jī)器人提前演示了 50 次，很大概率最后真就訓(xùn)練成功了。

而除了算法上的巧妙設(shè)計(jì)以外， ALOHA 機(jī)器人還有個(gè)優(yōu)點(diǎn)就是低成本。

在硬件配置上，項(xiàng)目團(tuán)隊(duì)給機(jī)器人裝上了兩組機(jī)械臂，還有一個(gè)倉(cāng)庫(kù)里用來(lái)運(yùn)貨的 AGV 移動(dòng)底盤(pán)，相當(dāng)于機(jī)器人的手腳。

從團(tuán)隊(duì)公開(kāi)的成本清單來(lái)看，費(fèi)用主要也是集中在移動(dòng)底盤(pán)和機(jī)械臂上，其他零部件的成本并不算高。

而且，將近3.2 萬(wàn)美元（折合人民幣 22.7 萬(wàn)人民幣 ）的造價(jià)成本，跟波士頓動(dòng)力 Atlas 將近 200 萬(wàn)美元的成本比起來(lái)，也是小巫見(jiàn)大巫了。

等以后技術(shù)成熟了，花二十多萬(wàn)買(mǎi)個(gè)機(jī)器人養(yǎng)老，好像也不是不行。

更重要的是，這次的 Mobile ALOHA 直接來(lái)了波開(kāi)源，包括硬件代碼、數(shù)據(jù)集還有教程都對(duì)外公開(kāi)了。

開(kāi)發(fā)者們你貢獻(xiàn)一點(diǎn)我貢獻(xiàn)一點(diǎn)，說(shuō)不定哪天全能保姆機(jī)器人就真落地了。

包括前幾天， ALOHA 機(jī)器人勢(shì)頭正旺的時(shí)候， DeepMind 也趁熱打鐵發(fā)布了一系列關(guān)于機(jī)器人的最新進(jìn)展。

國(guó)外有個(gè)叫 Figure 的機(jī)器人公司，他們家的人形機(jī)器人現(xiàn)在甚至具備了自主學(xué)習(xí)能力，看個(gè)視頻就能學(xué)會(huì)煮咖啡。

反正，世超對(duì)于今年機(jī)器人的發(fā)展還挺期待的。

在人工智能界，一直有個(gè)莫拉維克悖論。

通俗來(lái)解釋就是，明明 AI 在算數(shù)學(xué)題這種需要邏輯推理能力的事情上，都能夠做得很好，但感知能力和運(yùn)動(dòng)能力卻連三歲小孩都不如。

但這次 ALOHA 機(jī)器人的出現(xiàn)，的確有了那么一點(diǎn)真正意義上 “ 智能 ” 機(jī)器人的苗頭。

咱們也可以展望展望，今年大模型 + 機(jī)器人的組合究竟能碰撞出什么樣的火花。

撰文：西西編輯：江江&面線封面：煥妍

圖片、資料來(lái)源：

Mobile ALOHA、Deepmind

X（Twitter）：@Jim Fan、@Tony Z.Zhao