机器人技术、具身性与模拟到现实的挑战
机器人研究强调模拟到现实、世界模型和具身数据的扩展。
Key insights
Shane Legg预测2028年实现最小AGI的概率为50%,条件是具身性和算法
Shane Legg表示,最小AGI(能够完成典型人类认知任务)在2028年之前有50%的概率实现。他指出能力发展的不均衡——语言能力超越人类,而持续学习、视觉推理和具身任务则滞后,并建议通过对抗性测试和基准加上人类红队评估来评估AGI。
谷歌机器人团队强调VLA、运动转移及可扩展机器人数据的必要性
谷歌DeepMind/机器人团队解释了双子机器人1.5和视觉-语言-动作(VLA)框架,增加了文本“思考”步骤,运动转移以在机器人身体之间共享技能,并且在规模上重度依赖模拟和视频数据。他们强调机器人数据成本高昂,模拟/视频增强和生成的数据集对于扩展是必要的。
具身性和触觉对灵巧操作至关重要
机器人团队报告称,虽然步态和运动在模拟中基本解决,但灵巧手的精细操作需要触觉反馈;视觉足以完成许多夹持任务,但触觉模式对于精确的工具使用和剪刀式操作变得至关重要。
时间线预测:近期突破与长期家庭采用
谷歌研究人员建议,2-3年内可能会出现可见的“GPT类”机器人突破,5年内物流和制造等垂直领域将看到可推广的机器人,而10年或更长时间后才会出现广泛的家庭机器人助手;演示仍然脆弱,成功率远未达到生产门槛。
数据和计算经济驱动机器人研究选择
研究人员指出,真实机器人数据(远程遥控、维护)的成本使得模拟数据、YouTube视频和生成视频对于扩展至关重要;运动转移和世界模型用于在平台之间摊销有限的物理数据。