哈嘍，大家好，今天小墨這篇評(píng)論，主要來(lái)分析北大ManualVLA模型憑啥碾壓傳統(tǒng)機(jī)器人，逆襲成特斯拉機(jī)器人勁敵。

在智能機(jī)器人領(lǐng)域，馬斯克的特斯拉機(jī)器人一直是行業(yè)焦點(diǎn)，憑借炫酷的外觀和自主行走能力圈粉無(wú)數(shù)。但很少有人知道，咱們國(guó)內(nèi)的科研團(tuán)隊(duì)已經(jīng)實(shí)現(xiàn)了技術(shù)突破，讓機(jī)器人在復(fù)雜任務(wù)中的表現(xiàn)實(shí)現(xiàn)了質(zhì)的飛躍。

現(xiàn)在的智能機(jī)器人在簡(jiǎn)單任務(wù)中表現(xiàn)尚可，比如拿取物品、簡(jiǎn)單清掃等，但遇到需要明確最終目標(biāo)的長(zhǎng)時(shí)序任務(wù)就露怯了。像樂(lè)高搭建、物體重排這類任務(wù)，對(duì)機(jī)器人的高層規(guī)劃和精細(xì)操控能力要求極高，傳統(tǒng)機(jī)器人很難兼顧。

據(jù)北大科研團(tuán)隊(duì)成員在近期學(xué)術(shù)分享會(huì)上透露，之前他們做過(guò)一組對(duì)比實(shí)驗(yàn)，讓傳統(tǒng)分層架構(gòu)機(jī)器人組裝2D樂(lè)高，機(jī)器人要么搞錯(cuò)積木拼接順序，要么精準(zhǔn)度不夠?qū)е路e木脫落，最終成功率只有40%。更頭疼的是，傳統(tǒng)機(jī)器人還依賴人工制作的操作說(shuō)明書(shū)或人類演示視頻，遇到?jīng)]見(jiàn)過(guò)的目標(biāo)狀態(tài)就徹底“罷工”。

這種“規(guī)劃與執(zhí)行割裂”的問(wèn)題，成了制約智能機(jī)器人走向?qū)嵱玫淖畲笃款i，也讓很多科研團(tuán)隊(duì)束手無(wú)策。而這一痛點(diǎn)，恰恰被北大團(tuán)隊(duì)精準(zhǔn)抓住并攻克。

北大團(tuán)隊(duì)提出的全新「生成–理解–動(dòng)作」一體化模型ManualVLA，最核心的創(chuàng)新就是摒棄了傳統(tǒng)分層級(jí)聯(lián)方案，讓機(jī)器人學(xué)會(huì)“自己生成說(shuō)明書(shū)，再按說(shuō)明書(shū)執(zhí)行動(dòng)作”。這一思路徹底解決了規(guī)劃與執(zhí)行割裂的問(wèn)題。

51CTO報(bào)道中提到了一個(gè)具體的研發(fā)細(xì)節(jié)，在模型訓(xùn)練階段，科研團(tuán)隊(duì)為了讓規(guī)劃專家精準(zhǔn)生成說(shuō)明書(shū)，利用三維高斯數(shù)字孿生工具，對(duì)樂(lè)高板、積木等物體進(jìn)行三維重建。

在虛擬空間中反復(fù)排列組合，自動(dòng)渲染中間狀態(tài)圖像并記錄相關(guān)數(shù)據(jù)，最終合成了上萬(wàn)幀帶有精確標(biāo)注的手冊(cè)數(shù)據(jù)。通過(guò)這種方式，規(guī)劃專家才能精準(zhǔn)預(yù)判每一步操作的目標(biāo)和位置。

更厲害的是ManualCoT思維鏈機(jī)制，它從顯式和隱式兩條路徑引導(dǎo)動(dòng)作執(zhí)行。顯式路徑會(huì)在圖像上標(biāo)注出操作區(qū)域，就像用熒光筆圈出重點(diǎn)；隱式路徑則通過(guò)內(nèi)部特征持續(xù)提醒動(dòng)作模塊當(dāng)前進(jìn)度和目標(biāo)，確保操作不跑偏。

實(shí)驗(yàn)室的創(chuàng)新最終要靠實(shí)驗(yàn)驗(yàn)證，ManualVLA模型在Franka雙臂平臺(tái)上的表現(xiàn)堪稱驚艷?？蒲袌F(tuán)隊(duì)選取了2D樂(lè)高組裝、3D樂(lè)高組裝、物體重排三個(gè)真實(shí)世界長(zhǎng)周期任務(wù)進(jìn)行測(cè)試，結(jié)果顯示，模型在所有任務(wù)中均取得最高成功率。

其中在3D樂(lè)高組裝任務(wù)中，傳統(tǒng)基線模型成功率只有45%，而ManualVLA模型直接提升到72%，就算是沒(méi)見(jiàn)過(guò)的目標(biāo)狀態(tài)，也能精準(zhǔn)完成組裝。在物體重排任務(wù)中，模型生成的中間圖像保真度極高，位置預(yù)測(cè)誤差極低，充分證明了其精確性。

值得一提的是，該模型還具備很強(qiáng)的泛化能力。在未見(jiàn)過(guò)的背景、物體形狀和光照變化環(huán)境下，依然能保持較高的任務(wù)成功率。

據(jù)北大團(tuán)隊(duì)透露，目前他們已與國(guó)內(nèi)多家智能制造企業(yè)對(duì)接，計(jì)劃將該技術(shù)應(yīng)用到電子元件組裝、精密儀器檢測(cè)等場(chǎng)景。

除了真機(jī)實(shí)驗(yàn)，ManualVLA模型在仿真環(huán)境中也表現(xiàn)出色。在RLBench的10個(gè)仿真任務(wù)上，模型取得了70%的平均成功率，超越了SOTA方法π0的63%，進(jìn)一步驗(yàn)證了技術(shù)的通用性和可靠性。