机器人接管酒店洗衣!双脑协同+RSI,顶级Astra驾驶员来了
就「烘干机取衣」这一个Skill,在57小时内,机器人连续完成了165轮真机实验,输出了37条改进方案和大约80个迭代版本。
以下正文同步自 量子位,版权归原站所有,已转换为易读排版。
差不多就是这些。
口说无凭,咱还是来看看数据。
就「烘干机取衣」这一个Skill,在57小时内,机器人连续完成了165轮真机实验,输出了37条改进方案和大约80个迭代版本。
操作对象也从一开始的标准布料,逐步拓展到了更难搞的厚重牛仔裤、奇形怪状的洗衣袋。
最终,单轮用时稳定在了170到210秒。最关键的指标——牛仔裤筒内残留率,从平均48%,一路降到了32%,最优的一次甚至达到了19%。
真实的失败,成了机器人进化的最佳养料。
具身Transformer时刻
法国哲学家勒内·笛卡尔曾写道:
让后来者从前人止步之处继续。
在具身智能的演进史里,最奢侈的资源,其实不是云端的算力,而是机器人在真实物理世界里,所耗费掉的那些一去不复返的试错时间。
一次抓取的滑脱、一次视角的遮挡、一次衣物边缘的误判……
在过去,如果这些失败仅仅化为系统后台里一条无人问津的报错日志,那么成百上千台设备,就会在不同的场景里,日复一日地重蹈覆辙。
但现在,不一样了。
大晓机器人让分散在酒店洗衣房、客房走廊中的每一次受挫与调整,都转化成了可被世界模型理解、可被基模型吸收的通用认知资产。
一台机器人的失败,成了所有机器人成长的阶梯。
我觉得,具身智能,或许正逐渐迎来属于自己的Transformer时刻。
如同大语言模型用统一架构承接了人类语言的无穷变化,当世界模型、双脑协同与自进化机制这套组合拳,能牢牢嵌合进产业流水线,机器人获取新能力的边际成本,将被逐渐击穿。
接下来,就看生态的丰富度,该如何反哺长尾场景的训练了。
而中国,恰好拥有全世界最深厚的场景土壤与最完备的硬件供应链。
据大晓董事长王晓刚透露,他们确实已经开始探索除酒店之外的场景——
即时零售是非常值得进一步拓展的方向。
虽然与酒店洗衣属于不同领域,但背后存在一些共性:都需要机器人理解复杂环境、完成多步骤任务,并与真实业务系统和运营流程协同。
同时,这些场景的任务频次较高,业务结果可量化,能够持续产生数据反馈,推动模型和技能迭代。
酒店场景验证的世界模型环境建模、通用模型技能生成以及RSI持续改进等能力,可以为其他场景提供技术参考。
优先于B端验证场景、形成商业闭环,保证能自我造血后,才能沉下心来养精蓄锐,最终逐步向更困难的阵地进军。
具身是一场马拉松,但庆幸的是,至少现在的技术水平,已经可以解决一些痛点。
今天在酒店洗衣房里走出的一小步,正在为明天千行百业的物理世界巨变——
搭好最关键的跳板。
<div class=正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。