TorqueAGI创始人：多数机器人AI只是加了数据的语言或视觉模型

随着机器人公司竞相开发能力日益增强的物理世界机器AI模型，TorqueAGI选择了一条不同的道路：为机器人和设备制造商提供智能层，而非自行打造硬件。

TorqueAGI由机器人研究员Ashutosh Saxena博士创立，近两年来一直在开发和测试一种用于工业机器人和重型机械的"世界推理模型"。

该公司表示，其方法与许多视觉-语言-动作模型不同，它通过时空架构来表示物体、机器和工作流程，物理学和几何学构成了模型推理的一部分。

其目标是让机器能够适应变化并从相对较少的演示中学习新任务，同时利用客户已拥有的运营数据。

Saxena在机器人学和人工智能领域拥有深厚背景。他在斯坦福大学跟随AI研究员Andrew Ng完成博士学位，后来成为康奈尔大学教授，领导了RoboBrain项目。

他在机器人抓取方面的研究成果获得了2023年机器人学：科学与系统时间检验奖。

TorqueAGI是英伟达感知合作伙伴，并入选约翰迪尔2026年创业协作者计划。

该公司还与Dexterity合作开发卡车卸货机器人技术，并表示其技术已与多家主要工业机器人制造商的机器实现整合。

在接受Robotics & Automation News采访时，Saxena解释了不同类型机器之间可以转移多少智能、TorqueAGI为何认为物理学和几何学应当融入AI推理之中，以及集成工作中仍然存在哪些难点。

他还讨论了公司的"主权物理AI"架构、让工业AI保持私有化并本地部署在客户端的理由，以及世界模型能否实质性地减少将机器人投入实际工业运营所需的时间和成本。

Ashutosh Saxena博士访谈

Robotics & Automation News：TorqueAGI的世界推理模型能让工业机器人或机器做到哪些现有机器人AI模型做不到的事情？

Ashutosh Saxena：如今大多数机器人AI本质上是添加了机器人数据的语言或视觉模型。它非常擅长将所见内容与已见过的案例进行匹配。我们的模型工作方式不同。

它将世界表示为由物体、机器和工作流程构成的时空图，这些要素存在于空间中并随时间推进，物理学和几何学构建于模型的推理方式之中。

实际应用中，这意味着机器在应对变化时不需要从头重新训练。如果夹爪变小了，它会计算出新的抓取方式。如果传送带移动了半米，它会相应调整。

它还能解释自己为何选择某个动作，这一点对于需要签字批准移动重物机器的工程师而言非常重要。它还能利用客户已有的数据，如订单历史、设备日志和操作程序，而不必等待数千次新的演示。

R&AN：您提到该模型只需少量演示即可学习新任务。具体需要多少次？在机器能够可靠执行该任务之前，通常还需要哪些额外的训练或工程工作？

AS：对于一项新任务，我们通常需要几十个示例，而非数万个。这些示例通常来自客户自身的运营，真正的变化就存在于那里。

示例只是其中一部分。在工作现场，新员工被演示一项任务几次后就能快速上手，因为他们已经理解物理世界如何运作，而我们的模型也是从同样的起点开始。

客户所提供的是情境信息：他们的操作程序、安全限制、设备日志。然后我们会在仿真环境以及客户现场的有人监督运行中验证相关行为，之后机器才会无人值守地工作。

目标是让工程投入用于针对该现场的检查和调优，而非用于收集海量数据。

R&AN：不同机器人和机器之间究竟能转移多少知识？例如，在机械臂上学到的东西能否对人形机器人、农业机械或工程车辆有用？

AS：可转移的部分是对物理世界和工作流程的理解。物体会掉落，转弯时负载会移动，两个实体不能占据同一空间，托盘必须按一定顺序码放。

这些都不属于某一种机身。同一个模型已经运行在单臂和双臂机器人、移动平台、剪叉式升降机、人形机器人以及拖拉机上。

不能自动转移的是机身特有的细节：某台特定机器如何移动、其限制是什么、其控制系统如何响应。

这些需要针对每台机器单独描述。关键在于我们描述机身，但保留智能，而不是为每台新机器重新开始。

R&AN：您的模型将物理学和几何学纳入其推理过程。这与目前正在为机器人学开发的视觉-语言-动作模型及其他世界模型有何不同？

AS：视觉-语言-动作模型将机器人所见加上指令映射到应执行的动作。它们从大量演示数据中学习这种映射关系。世界模型预测接下来会发生什么，其中许多是从超大规模的视频数据中学习的。

我们的模型建立在时空图之上，将世界表示为在空间中发生并随时间推进的事物，物理学和几何学是结构的一部分，而非需要模型从示例中推断出来的东西。

这使它能够在同一个系统中预测后果并选择动作，这就是我们称该产品为世界模型的原因。但这是与上述两个阵营都不同的路线，实际差异在于它不需要多次见过某种情形才能对其进行合理推理。

R&AN：TorqueAGI提供智能而非打造机器人硬件。与不同制造商的机器人、传感器和控制系统进行整合有多难？大部分集成工作仍集中在哪里？

AS：集成确实是实实在在的工作，我不会掩饰这一点。我们已经与Dexterity、川崎机器人、库卡、伯克希尔格雷、Universal Robots和ABB的机器人完成了整合，每一次都让我们学到了能让下一次更快完成的经验。

因为智能存在于对工作流程的理解之中，而非存在于特定机身之中，所以模型本身在不同机器之间变化不大。

剩余的大部分工作集中在机器端：连接制造商的控制接口、校准传感器，并确保模型遵守该机器的安全系统和限制。

这也是制造商能提供最大帮助的地方，也是我们作为模型供应商与机器制造商合作的原因。

R&AN：您的"主权物理AI"架构对工业客户在实际操作中意味着什么？与使用基于云的共享模型相比，为何在边缘进行本地运行和学习很重要？

AS：实际上，这意味着一个共同的基础，每位客户在自己的机器上运行专属的私有模型。模型在本地学习，遵循该客户自身的操作程序，所学到的内容留在该客户手中。你的机器，你的数据，你的智能。

这一点重要有三个原因。

首先是运营方面：机器不能因为网络中断就失去智能，因此感知和安全决策必须在机器端完成。

其次是控制权：使用共享模型时，你的运营知识会输入到一个其他所有客户——包括你的竞争对手——也在使用的"大脑"中，而且供应商更新模型时，这个大脑可能在你不知情的情况下发生变化。

第三是问责和合规：工业设备必须经过测试和认证，而将于2027年1月起生效的欧盟机械法规将AI驱动的安全功能视为高风险。

你无法在一个无法进行版本管理和测试的模型基础上为机器做认证。共享模型的改进速度更快，我不否认这一点，但对于关键设备而言，我认为所有权更为重要。

R&AN：归根结底，这种方法能否切实降低部署工业机器人所需的成本和时间？您能否分享企业试点项目或与约翰迪尔、Dexterity等公司合作的证据来证明这一点？

AS：可以，原因很简单。部署机器人中代价高昂的部分很少是机器人本身。而是数据收集、适应每种新产品或布局，以及验证结果。一个能够从客户现有数据中推理和学习的模型，可以同时解决这三个问题。

在证据方面，在一次大型仓库部署中，我们在70万份订单中提升了装箱密度，在这一业务中，百分之一到二的提升已属可观。

在一家重型设备客户的案例中，一个仅用6000个事件训练的模型，其表现与一个耗费九年、积累七百万个事件建成的系统相当。我们的模型还支持Dexterity的卡车卸货机器人，我们也是约翰迪尔2026年创业协作者计划的一部分。

我想补充的是，真正正确的检验标准是客户所采用的标准：生产线能否在整个班次中持续以预定速度运转。这是我们鼓励买家向每一个供应商询问的数字。