作者:苏打
编辑:tuya
出品:财经涂鸦(ID:caijingtuya)
![]()
公司情报专家《财经涂鸦》获悉,11月10日,蚂蚁灵波正式开源面向灵巧操作的触觉基础模型LingBot-Touch,为机器人的通用大脑补齐关键的触觉感知能力。
基于近5000小时真实触觉数据预训练,LingBot-Touch覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,让积累的“手感”能够跨传感器、跨灵巧手、跨模型和跨任务复用。在26项真机测试中,接入这一表征后,四种动作模型的平均任务成功率较无触觉时提高约14至26个百分点。
11月11日,蚂蚁灵波首席科学家沈宇军就“通用大模型越来越强,机器人为什么还需要自己的模型?”这一业内焦点分享核心思考。
他认为,一个工具能够解决机器人的问题,不代表它就是最适合机器人的工具。讨论大模型对具身智能的影响,不能只看已有模型能做什么,还要回答机器人究竟需要什么。
因此,这个工具最好能“不大不小”,关键能力没有短板,非必要能力尽量没有浪费。其中“大小”不是参数规模,而是能力配置。
比如,具身模型不应把编程能力媲美 Fable、Astra 作为目标,因为完整的软件工程能力并不是机器人作业的刚需。反过来,对距离、触觉等物理模态的感知与理解,是数字世界模型并不原生具备、机器人完成高精度复杂操作却不可缺少的能力。
沈宇波指出,背后原因是机器人在现实世界作业中绕不开的三个问题。
一是输入有误差。要让具身基础模型完成高精度的复杂操作,前提是有好的物理模态感知,包括距离、触觉等。但现实中没有 100% 零误差的传感器,尤其是在触觉等传感器尚不成熟的方向。机器人必须要从带误差的数据中理解环境,LingBot-Depth、LingBot-Touch 都是这个方向的工作,帮助机器人看得更清楚、摸得更灵敏,获得更好的物理感知。
二是输出要经受物理交互的检验。接触中的细微变化,很难仅靠视觉轨迹和语言描述完整表达。比如,同样是拧瓶盖,成功拧开与手指打滑时,手部运动轨迹可能十分接近,但接触受力的变化却不同。动作看起来合理,不等于执行结果可靠。机器人需要理解物理世界中的因果逻辑和交互反馈,并据此调整行动。
三是物理世界的任务执行不会等待模型。虽然目前数字世界已有“双工”模型能够支持一边输出一边推理的并行交互,但还仅限于语言的部分,其他模态的实时流式处理还没有解决。机器人需要一边行动,一边持续接收信息、更新判断,并根据反馈调整动作。现实世界的时间不会停止,突发变化也不会等待模型想完。
“这三点说明,通用能力超配与具身能力不足可以同时存在。复杂任务推理的进步,不能替代物理操作能力的突破。具身原生的意义,就是让模型从一开始围绕物理作业组织能力,而不是事后不断补齐缺口。”
基于此,他认为需要先“弄清楚什么值得scale up”。只提数据数量、不提质量是不科学的。对具身智能来说,还要进一步追问“什么样的输入和输出,才值得扩大规模
比如,输入是否保留了理解感知误差所需的信息?输出能否表达精细交互?任务数据能否支持机器人应对过程中发生的变化?如果关键的信息没有被记录下来,单纯增加数据量,并不能替代这些问题的答案。
目前,行业对合适的数据形式和标准仍没有定论。在这个具体问题上,大模型厂商和具身公司都需要探索、验证,站在了同一条起跑线上。
“未来,是从大模型出发打造‘超配’的工具,还是从机器人应用出发打造‘刚刚好’的工具,我们很难判断哪条路线更正确。”沈宇军进一步表示,“但殊途同归,在真实物理世界中,许多共通的问题都必须解决。灵波之所以选择后者,可能跟特斯拉选择开发FSD是类似的商业逻辑吧。”
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.