打工半年后，Atlas觉醒！「大行为模型」零代码上新技能，AI工业革命来了？

主要观点总结

新智元报道，波士顿动力联合丰田研究院最新研究，让人形机器人Atlas能够通过语言指令驱动，实现复杂作业。采用LBM（Large Behavior Models）方法，机器人具备跨任务泛化能力。Atlas机器人演示了多种复杂任务，包括从折叠配件到整理仓架的作等。研究人员采用遥操作收集数据，使用神经网络策略控制机器人动作。感知系统、遥操作、策略模型等方面的技术细节也被介绍。此外，仿真工具在开发过程中扮演重要角色。

关键观点总结

关键观点1: 人形机器人Atlas的最新进展

Atlas通过语言指令驱动，能够完成从折叠配件到整理仓架的复杂作业，展示了跨任务泛化能力。

关键观点2: LBM方法的应用

采用LBM方法，机器人能够充分发挥“长得像人”的优势，操控物体、协调全身、适应环境、避开障碍物等。构建策略的过程包括遥操作收集数据、处理标注数据、训练神经网络等步骤。

关键观点3: 感知系统和遥操作的重要性

感知系统包括HDR立体相机，为策略模型提供高质量的视觉输入。遥操作系统采用定制VR软件，实现高质量的数据采集和实时反馈。

关键观点4: 策略模型和仿真工具的作用

策略模型基于扩散Transformer架构打造，能够处理图像、理解指令，控制机器人的动作。仿真工具是高效开发的核心武器，用于策略训练、评估、基准测试等。