XNews

DeepMind机器人进展与AGI时间表

DeepMind科学家描述了机器人学习的差距、模拟到现实的转移以及AGI的前景。- Shane Legg估计到2028年实现最小AGI的概率为50%,将AGI定义为能够完成典型人类认知任务的智能体。- 主要缺陷包括:持续学习、视觉推理(视角/大小)和基本逻辑任务(节点计数)。- 具身性和持续的现实世界互动被认为是弥补差距的关键;机器人数据仍然成本高昂。- DeepMind机器人团队负责人强调了两个范式转变:强化学习(运动)和大型语言模型(规划/理解)。- Gemini Robotics 1.5引入了文本“思考”输出和运动转移,支持跨身体运动数据共享。- 运动转移允许在不同机器人形态之间转移技能,增加数据重用。- 机器人专家强调通过模拟、YouTube和合成视频生成实现数据可扩展性,以降低真实机器人成本。- 实际时间表:2-3年内可见突破,5年内实现垂直部署,10年内实现广泛家庭存在;不同模式的进展不均衡。- 触觉感知在灵巧操作中变得越来越重要,超越简单的夹持器。- 两类人类安全的工作领域可能会持续存在:高物理互动的行业和依赖真实人类个性/情感连接的角色。

Key insights

DeepMind科学家预测2028年最小AGI概率为50%

DeepMind的Shane Legg估计,到2028年,最小AGI的概率为50%,最小AGI被定义为能够完成典型人类认知任务的智能体。他指出当前AI的优势(广泛的语言能力),但识别出持续学习、某些视觉推理任务和基本逻辑操作的不足。Legg强调,实现AGI需要在算法和架构方面的创新,超越单纯的计算能力,特别是在情节记忆、持续学习和具身互动方面。

机器人进展依赖于模拟到现实转移和数据规模

DeepMind和其他机器人研究人员强调,可扩展的数据来源——模拟、网络视频(YouTube)和合成视频生成——对于使机器人学习变得经济实惠和可推广是必要的。真实机器人数据收集仍然成本高昂(例如:车队、操作员、维护的成本)。Gemini Robotics 1.5展示的运动转移方法使得在不同机器人形态之间共享运动数据成为可能,解决了数据稀缺和可重用性的问题。

大型模型提供规划;强化学习提供控制——两者皆不可或缺

研究人员描述了劳动分工:大型语言模型充当高层规划者(“大脑”),而强化学习和控制方法则充当低层控制器(“小脑”)。Gemini Robotics 1.5增加了明确的文本“思考”步骤,使机器人在行动前解释其计划,从而提高可解释性和多步骤任务处理能力。这两个组件对于在复杂现实任务中实现稳健的机器人行为是必要的。

灵巧操作需要增加触觉模态

专家报告称,尽管通过强化学习已经在运动方面取得了很大进展,但灵巧手部操作仍然远远落后,需要触觉反馈。仅依赖视觉的方法足以完成许多抓取任务,但精细操作(如剪刀、小环)需要触觉传感器和更丰富的模态集成,以达到类人表现。

实际机器人时间表:突破、垂直应用再到家庭

受访者概述了预期的部署阶段:2-3年内实现显著突破,使能力广泛可见,5年内实现垂直行业采用(制造、物流、零售),大约10年内实现广泛家庭机器人存在。他们警告说,公众演示夸大了日常可靠性,并强调数据和系统集成仍然是主要瓶颈。

Source posts