今天，波士頓動力公司和豐田研究院 (TRI) 宣佈建立新的合作夥伴關係，“利用 TRI 的大型行為模型和波士頓動力公司的 Atlas 機器人，加速通用人形機器人的開發。”致力於開發通用機器人可能會讓這種合作關係聽起來像現在所有其他商業人形公司，但事實並非如此：BD 和 TRI 正在談論基礎機器人研究，專注於難題，並且（最重要的是）分享結果。

這裡更廣泛的背景是，波士頓動力公司擁有一個功能異常強大的人形平台，能夠進行先進的、有時看起來很痛苦的全身運動行為，以及一些相對基本和暴力的操作。同時，TRI 長期以來一直致力於開發基於人工智慧的學習技術，以應對各種複雜的操作挑戰。 TRI 正在努力實現他們所說的目標 大型行為模式 (LBM)，你可以將其視為類似於大型語言模型（LLM），除了機器人在物理世界中做有用的事情。這種合作關係的吸引力非常明顯：波士頓動力公司為 Atlas 提供新的有用功能，而 TRI 讓 Atlas 探索新的有用功能。

以下是新聞稿中的更多內容：

該計畫旨在平等地利用每個合作夥伴的優勢和專業知識。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。這些數據反過來將用於支援高級 LBM 的訓練，利用嚴格的硬體和模擬評估來證明大型預訓練模型可以快速獲得新的穩健、靈巧的全身技能。

聯合團隊還將進行研究，以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，並了解人機互動和安全/保證案例以支援這些新功能。

欲了解更多詳情，我們採訪了 史考特‧昆德斯瑪 （波士頓動力公司機器人研究資深總監）和 拉斯·泰德雷克 （TRI 機器人研究副總裁）。

這種夥伴關係是如何發生的？

拉斯·泰德雷克： 我們非常尊重波士頓動力團隊以及他們所做的一切，不僅在硬體方面，而且在 Atlas 上的控制器方面也是如此。隨著我們在機器學習方面的工作越來越多，他們也一直在加大機器學習的力度。在 TRI 方面，我們看到了桌面操作的局限性，並且我們希望探索超越此限制。

史考特‧庫德斯瑪： TRI 帶來的組合技能和工具與我們在波士頓動力公司現有的平台功能以及我們過去幾年建立的機器學習團隊一起，使我們處於非常有利的位置，可以實現這一目標與Atlas 一起進行地面跑步並做一些非常驚人的事情。

你會採取什麼方式來傳達你的作品，特別是在目前圍繞著類人機器人的瘋狂背景下？

泰德雷克： 現在面臨著巨大的壓力，需要每六個月左右做一些新的、令人難以置信的事情。從某些方面來說，擁有如此多的精力、熱情和雄心壯志對於這個領域來說是健康的。但我也認為，該領域的一些人開始欣賞稍微更長、更深入的觀點來理解什麼有效、什麼無效，所以我們確實必須平衡這一點。

我要說的另一件事是，那裡有太多的炒作。我 是 對所有這些新功能的承諾感到非常興奮；我只是想確保，在我們推動科學前進的同時，我們也能誠實、透明地了解其運作情況。

庫德斯瑪： 我們兩個組織都沒有忘記，這可能是機器人歷史上最令人興奮的時刻之一，但仍有大量工作要做。

您的合作夥伴將能夠獨特地解決哪些挑戰？

庫德斯瑪： 我們都真正感到興奮的事情之一是人形機器人可能的行為範圍——人形機器人不僅僅是移動底座上的一對抓手。我認為，由於我們在波士頓動力公司所做的歷史工作，探索類人機器人的完整行為能力空間的機會可能是我們現在處於獨特地位的事情。阿特拉斯是一個身體能力非常強的機器人——我們建造過的最有能力的人形機器人。我們擁有的平台軟體可以像在世界任何地方一樣輕鬆地進行全身操作的資料收集等工作。

泰德雷克： 在我看來，我們確實開闢了一門全新的科學——有一系列新的基本問題需要回答。機器人技術已經進入了這個大科學時代，需要一個大團隊、大筆預算和強大的合作者來基本上建立海量資料集並訓練模型，以便能夠提出這些基本問題。

諸如此類的基本問題？

泰德雷克： 沒有人知道什麼是適合類人生物的正確訓練組合。例如，我們想用語言進行預訓練，這樣更好，但是我們多久引入視覺呢？我們多久開始採取行動？沒有人知道。什麼是正確的任務課程？我們是否想要一些簡單的任務，讓我們立即獲得大於零的效能？大概。我們還想要一些非常複雜的任務嗎？大概。我們想待在家裡嗎？就在工廠嗎？什麼是正確的混合物？我們想要後空翻嗎？我不知道。我們必須弄清楚。

還有更多問題，例如我們在網路上是否有足夠的資料來訓練機器人，以及我們如何將網路資料集的功能混合併轉移到機器人技術中。機器人數據與其他數據有根本不同嗎？我們應該期待相同的縮放定律嗎？我們是否應該期待同樣的長期能力？

您會聽到專家談論的另一個主要問題是評估，這是一個主要瓶頸。如果你看其中一些顯示出令人難以置信的結果的論文，你會發現它們結果部分的統計強度非常弱，因此我們對我們實際上沒有太多依據的事情做出了很多主張。需要進行大量的工程工作才能在我們的結果中仔細建立經驗強度。我認為評估沒有得到足夠的重視。

在過去的一年左右，您認為機器人研究發生了哪些變化，實現了您希望取得的進展？

庫德斯瑪： 從我的角度來看，有兩件事改變了我對這個領域工作的看法。一是該領域圍繞著可重複流程進行融合，透過演示來培訓操作技能。擴散政策的開創性工作（TRI 是其中重要的一環）是一個非常強大的東西——它需要產生以前基本上難以理解的操作技能的過程，並將其變成你只需收集一堆數據，在目前或多或少穩定的架構上訓練它，然後你就會得到結果。

第二件事是與機器人技術相鄰的人工智慧領域所發生的一切，顯示資料規模和多樣性確實是可推廣行為的關鍵。我們預計機器人技術也是如此。因此，將這兩件事放在一起，就使道路變得非常清晰，但我仍然認為我們需要回答大量開放的研究挑戰和問題。

您認為模擬是擴展機器人數據的有效方法嗎？

泰德雷克： 我認為人們普遍低估了模擬。我們一直在做的工作讓我對模擬的能力非常樂觀，只要你明智地使用它。專注於執行特定任務的特定機器人是在問錯誤的問題；您需要獲得模擬中的任務和效能分佈，以預測現實世界中的任務和效能分佈。有些事情仍然很難很好地模擬，但即使涉及摩擦接觸之類的東西，我認為我們現在已經做得很好了。

您能談談這種合作關係的商業前景嗎？

庫德斯瑪： 對於波士頓動力公司來說，顯然我們認為這項工作具有長期商業價值，這也是我們想要投資它的主要原因之一。但這次合作的目的實際上是關於基礎研究——確保我們以足夠嚴格的方式開展工作、推進科學發展，以便我們真正理解和信任結果，並且我們可以將其傳達給世界。所以，是的，我們看到了這方面的巨大商業價值。是的，我們正在將 Atlas 商業化，但這個計畫實際上是關於基礎研究的。

接下來會發生什麼事？

泰德雷克： BD 所做的事情和 TRI 所做的事情的交叉點存在一些問題，我們需要一起做才能開始，這將使事情順利進行。然後我們有遠大的抱負——我們的目標是獲得在 Atlas 上運行的通用能力，我們稱之為 LBM（大型行為模型）。在第一年，我們努力關注這些基本問題，突破界限，撰寫和發表論文。

我希望人們對觀看我們的結果感到興奮，並希望人們在看到我們的結果時相信我們的結果。對我來說，這是對機器人社群最重要的訊息：透過這種夥伴關係，我們試圖以更長遠的眼光來平衡我們的極端樂觀和對我們方法的批判。