00:00 / 02:06
连播
清屏
智能
倍速
点赞5
国产芯片开始给机器人造训练世界啦! 这周参加了摩尔线程的产品发布会。 整场下来最让我震撼的,是我第一次直观地看到:国产芯片,开始自己造一个给机器人训练的世界。 机器狗翻跟斗这件事本身,其实已经不算特别新。春晚舞台上也能看到更炫的机器人表演。 但这次真正重要的地方在于: 这个动作不是简单提前编好程序,在现场表演一下。 它背后是一整套国产软硬件链路。 从云端算力集群,到具身仿真平台; 从物理引擎、图形渲染,到运动控制模型训练; 再到端侧芯片部署,最后让真实机器狗在现场做出和仿真环境中一致的动作。 从芯片到平台主干,跑通了国产替代。 为什么这一环重要? 回到具身智能的底层难题——真机数据稀缺。 因为大模型的爆发,靠的是海量互联网数据。 文字、图片、视频,本来就已经存在于数字世界里。 但具身智能不一样。 机器人要学会走路、抓取、避障、翻滚、装配,它需要的是物理世界里的经验。 问题是,真实机器人很贵,真实训练很慢,也不能天天摔。 所以具身智能要大规模进化,必须有一个足够真实的虚拟世界。 在这个虚拟世界里,机器人可以被复制成千上万个。 可以在不同地面、不同光照、不同障碍物、不同失败条件下反复训练。 先在数字世界里摔打,再把学到的能力迁移到真实世界。 这就是 Sim-to-Real 的核心价值。 机器人想进入真实世界之前,需要先在一个足够真实的训练世界里长大。 这件事,过去高度依赖海外芯片和软件生态。 现在,国产芯片厂商开始尝试把这条链路自己跑通。 当智能从数字世界走向物理世界,机器人真正需要的,不只是身体和大脑。 还需要一个可以训练它、测试它、优化它的世界。 期待国产芯片,能造出足够真实的训练世界。 让数字智能,更快走向真实生活。#AI #具身智能 #ai #机器人 #科技
00:00 / 01:54
连播
清屏
智能
倍速
点赞49
00:00 / 00:24
连播
清屏
智能
倍速
点赞170
具身训练?养机器人幼崽! 一个机器人怎么从"什么都不会",变成可以端盘子、拧瓶盖、进工厂干活?就是我们说的具身训练过程。 我带娃的时候发现,可以把这个过程类比成养大一个"机器幼崽"。 第一步,先有身体。 人类小孩学习世界,是用自己的眼睛、手、腿、触觉去探索。机器人也一样。 它长什么样,有几根手指,关节能转多快,传感器能看到什么,都会决定它能学什么。 所以机器人的"身体",其实是智能的第一层边界。 第二步,开始看世界、攒经验。 小孩会看大人怎么拿杯子、怎么开门、怎么避开障碍物。机器人也需要示范数据。 比如人通过遥操作控制机器人,把"看到什么、手怎么动、最后结果怎样"记录下来。 这些数据就像教材。 第三步,进入虚拟练习场。 真实世界训练机器人很贵,也很危险。一个机器人如果天天摔,成本很高。 所以工程师会搭建仿真环境,让机器人在虚拟世界里练习。 它可以在里面摔一万次、抓取一百万次、尝试各种角度和力度。 这里的核心工作负载,是大量物理计算、画面渲染和场景生成。 难点在于"sim-to-real"——虚拟里行得通,真机上未必。 第四步,给机器人装上"大脑"和"小脑"。 大脑负责理解任务,比如"把桌上的红色杯子放到架子上"。它要看懂场景、听懂指令、规划步骤,跑得慢,叫"慢思考"。 小脑负责控制身体,比如手臂怎么伸、手指什么时候合上、身体如何保持平衡,叫"快思考"。 这就是业内说的 VLA 双系统模型——看懂世界,做出动作。 第五步,开始正式训练。 最开始,机器人通常靠模仿学习,像小孩跟着大人学拿杯子。它先学会"别人怎么做"。 但只会模仿还不够,因为真实世界会变。杯子可能换位置,门可能卡住,地面可能有杂物。 所以还需要强化学习,再加真机微调,让机器人在试错中学会恢复、调整和适应。 这里消耗的是训练算力、数据调度、仿真环境和评测系统。 第六步,上岗,然后不断复盘。 机器幼崽长大成人,真正进入家庭、仓库、工厂之后,训练才进入最关键的阶段。 它会遇到训练集中没见过的场景:奇怪的物体、人类突然插手。 每一次失败,都会变成新的数据,被工程师拿回去分析、标注、再训练。 于是形成一个数据飞轮:真实运行产生新数据,新数据改进模型,新模型再部署到机器人身上。 #具身智能 #机器人 #AI #育儿 #人类幼崽
00:00 / 02:55
连播
清屏
智能
倍速
点赞16
00:00 / 02:11
连播
清屏
智能
倍速
点赞2
00:00 / 00:23
连播
清屏
智能
倍速
点赞1136