在機(jī)器人領(lǐng)域，AI才剛剛開始展露頭角。

不久前，一家名為Figure的初創(chuàng)企業(yè)，估值高達(dá)26億美元，由一群來自波士頓動(dòng)力、特斯拉、谷歌DeepMind和Archer Aviation的前員工成立。今天，他們與新投資者及合作伙伴OpenAI的首次合作問世，著實(shí)令人眼前一亮。

Figure的聯(lián)合創(chuàng)始人兼CEO Brett Adcock在社交平臺(tái)X上分享了一段視頻，展示了他們的全尺寸人形機(jī)器人Figure 01的能力。

視頻中，這位機(jī)器人展示了它與人類和環(huán)境互動(dòng)的能力：遵循人類的指令，找到并遞給他們物品（比如一個(gè)蘋果），同時(shí)描述它正在做什么并與人對話（盡管反應(yīng)時(shí)間比人與人交流時(shí)稍有延遲），自主識別、規(guī)劃并執(zhí)行有益的任務(wù)（比如撿垃圾和把盤子放到晾碗架上）。

視頻如科幻電影般展開：

人類詢問“嘿，F(xiàn)igure One，你現(xiàn)在看到了什么？”
機(jī)器人回答：“我看到桌子中央有個(gè)紅蘋果，一個(gè)晾碗架里有杯子和盤子，還有你，手搭在桌子上?！?br/>“太好了，我能吃點(diǎn)什么嗎？”人類問道。
“當(dāng)然可以?！盕igure One回答，小心翼翼地伸手抓起蘋果，遞給人類——它明白蘋果是桌面上唯一可食用的物品，即使人類沒有特別指明。
接著，視頻展示了Figure撿起垃圾，把盤子和杯子放入晾碗架的場景。

OpenAI新模型的問世？OpenAI VLM

Adcock在X上的帖子中提到，F(xiàn)igure的機(jī)載攝像頭輸入到由OpenAI訓(xùn)練的大型視覺語言模型（VLM）中，但目前還不清楚這是否是GPT-4的一個(gè)版本，是GPT-4V，還是完全新的模型。

Adcock還宣稱：“視頻展示了端到端的神經(jīng)網(wǎng)絡(luò)。沒有遙控操作。此外，視頻是以1.0倍速拍攝并連續(xù)拍攝的?！睋Q句話說：視頻沒有加速，這一點(diǎn)與以往的人形機(jī)器人演示視頻常做的不同，那些視頻通常加速以展現(xiàn)更流暢的動(dòng)作，并且沒有人在幕后遠(yuǎn)程控制機(jī)器人的動(dòng)作。

Figure接下來的路

Figure的演示視頻似乎是人形、通用目的機(jī)器人互動(dòng)領(lǐng)域的一大飛躍——展示了一臺(tái)機(jī)器人與人相當(dāng)自然地互動(dòng)，聽從人的指令，憑直覺做出反應(yīng)，并且動(dòng)作比許多其他公司和研究者的示例要流暢得多。

當(dāng)然，這依然只是一個(gè)演示，而且是一個(gè)原型。要讓這樣的機(jī)器人做好商業(yè)部署的準(zhǔn)備，并將其出售給企業(yè)或個(gè)人，可能還需要大量的工作。

然而，Adcock在X上的帖子中明確表示，“我們的目標(biāo)是訓(xùn)練一個(gè)世界模型，使億級單位的人形機(jī)器人運(yùn)行?！?/p>

在Figure的網(wǎng)站上寫到：“Figure的目標(biāo)：開發(fā)出對人類有積極影響的通用人形機(jī)器人，為后代創(chuàng)造更美好的生活。這些機(jī)器人可以消除不安全和不受歡迎的工作——最終讓我們過上更快樂、更有目的的生活?！?/p>

然而，Adcock繼續(xù)說，“我們的公司旅程將持續(xù)數(shù)十年——需要一支致力于使命的冠軍團(tuán)隊(duì)、數(shù)十億美元的投資和工程創(chuàng)新，以實(shí)現(xiàn)大規(guī)模市場影響。我們面臨高風(fēng)險(xiǎn)和極低的成功機(jī)會(huì)?！?/p>

他還承諾：“我們不會(huì)將人形機(jī)器人用于軍事或防御應(yīng)用，也不會(huì)用于需要對人類造成傷害的角色?！?/p>

Adcock和Figure今天展示的進(jìn)展，得益于OpenAI的支持，可能會(huì)給像特斯拉的Optimus項(xiàng)目和與亞馬遜合作的人形機(jī)器人初創(chuàng)公司Agility等領(lǐng)域的競爭對手帶來更大的壓力。

此外，隨著越來越多的公司進(jìn)入這一領(lǐng)域，包括Hugging Face（它剛剛聘請了一位前特斯拉Optimus科學(xué)家來領(lǐng)導(dǎo)其新宣布的開源機(jī)器人項(xiàng)目）和昨天宣布的一家名為Physical Intelligence的初創(chuàng)公司，競爭將變得更加激烈。