波士頓動力公司和豐田研究院 (TRI) 週三宣布，他們正在合作將前者的多關節運動類人機器人 Atlas 與 TRI 的大型行為模型 (LBM) 結合起來。

波士頓動力公司首席執行官羅伯特·普萊特(Robert Playter) 熱情地表示，他期待著加速“通用類人機器人的開發”，而TRI 首席執行官吉爾·普拉特(Gill Pratt) 則歡呼雀躍，稱“人工智慧和機器學習的最新進展為提升身體智慧帶來了巨大潛力。

提醒一下，這是 Atlas：

Youtube 視頻

TRI 的 LBM 工作包括被稱為擴散策略的生成式人工智慧技術，該技術允許機器人透過演示而不是編程來獲得新的靈巧行為。根據一段視頻，這意味著什麼 [VIDEO] 機器人可以學習做一些棘手的事情，例如削馬鈴薯皮和翻轉煎餅。

擴散策略可以幫助機器人透過產生小的、連續的動作逐漸形成更複雜的行為來學習如何執行精細運動技能。擴散策略不是一次性預測單一確定的動作，而是預測一系列可能的動作，並隨著時間的推移逐漸縮小範圍，從而使機器人能夠更準確地處理物體。

LBM 的基礎是結合透過擴散政策努力創造的技能。

「這使我們能夠更快地教授機器人技能，並且演示次數顯著減少，」TRI 副總裁 Russ Tedrake 解釋道。

TRI 的 Ben Burchfiel 評論道，在推行擴散政策之前，大多數機器人物體操作都集中在「拾取和放置任務」上，這將機器人限制在簡單的物體和重新排列上。他補充說，擴散策略可以充分利用觸控感應器等硬體功能，而無需修改任何程式碼或明確程式設計任何新技能。

一個動作可以由人類在下午教給機器，然後讓機器人獨自練習動作，到第二天早上，機器就學會了這個動作。重要的是，一旦機器人掌握了一項技能，該知識就可以立即部署到一組機器人上。

TRI 將其培訓稱為「機器人幼兒園」。

「看到機器人能夠執行的任務真是太神奇了。即使在一年前，我也從未想到機器人會變得如此熟練，」Tedrake 說。

Tedrake 與 Boston Dyanmics 的高級總監 Scott Kuindersma 共同領導該合作夥伴關係。

「新型電動 Atlas 機器人的物理能力，加上以程式設計方式指揮和遠端操作各種全身雙手操作行為的能力，將使研究團隊能夠在一系列任務中部署機器人並收集其性能數據，」TRI 表示。

該公司表示，這些數據將用於訓練更先進的 LBM。聯合團隊未來的研究將集中於回答“人形機器人的基本訓練問題、研究模型利用全身感測的能力，以及理解人機互動和安全/保證案例以支持這些新功能。”

我們希望將重點放在安全部分，因為人類目前正處於一個類似的人工智慧機器人攜帶機槍的時代。

研究人員對為機器人配備人工智慧的努力表示擔憂，包括今年 2 月，馬裡蘭大學 (UMD) 的計算機科學家警告稱，“機器人的行為很容易被操縱或誤導，從而導致安全隱患。” ®