西湖機(jī)器人發(fā)布“泰坦o1”

孫悟空拔一把毫毛吹口氣，就能擁有一群“小悟空”的分身。日前，西湖大學(xué)孵化的西湖機(jī)器人公司發(fā)布了搭載全球首個機(jī)器人領(lǐng)域首個動作泛化大模型的人形機(jī)器人“泰坦o1”，將這一神話場景帶入現(xiàn)實(shí)——這個名為“GAE身外化身系統(tǒng)”的通用動作預(yù)訓(xùn)練大模型，相當(dāng)于給來自不同廠家的機(jī)器人裝上了可通用的強(qiáng)大“小腦”，讓機(jī)器人可突破時空限制，實(shí)時模仿人類動作，只需一個人就能操控成百上千個身處天南地北不同地點(diǎn)的機(jī)器人“賽博分身”，實(shí)時進(jìn)行同樣的操作。

實(shí)時復(fù)刻動作如影隨形

在演示現(xiàn)場，泰坦o1外觀呈橙、黑、銀拼接，風(fēng)格頗具未來感。當(dāng)身著動捕服的工作人員擺手、轉(zhuǎn)身、踢球時，泰坦o1會如影隨形地在毫秒間復(fù)刻所有動作：無論手臂擺動角度、轉(zhuǎn)身幅度，還是踢球時的步距與抬腳高度，甚至動作節(jié)奏，都與工作人員高度一致。

“這些動作并非預(yù)先編排，而是對人類隨機(jī)行為的實(shí)時響應(yīng)�！蔽骱䴔C(jī)器人創(chuàng)始人、西湖大學(xué)機(jī)器智能實(shí)驗(yàn)室研究組長王東林教授介紹，無論操作者是誰、動作如何變化，泰坦o1都能快速跟上。

此外，泰坦o1還有不錯的“動作記憶”能力，可通過后臺指令復(fù)現(xiàn)已示范過的動作。在今年安徽衛(wèi)視春節(jié)聯(lián)歡晚會上，西湖機(jī)器人曾憑借這一能力完成了10臺機(jī)器人的五禽戲群控表演——僅用數(shù)天調(diào)試，即可實(shí)現(xiàn)自定義動作生成與部署，大幅降低應(yīng)用門檻。

“只要具備網(wǎng)絡(luò)環(huán)境，穿上動捕設(shè)備，就可以遠(yuǎn)程操控機(jī)器人執(zhí)行任務(wù)�！蓖鯑|林表示，單人可同時控制多臺機(jī)器人完成一致動作，理論上控制規(guī)模不設(shè)上限。

最令人驚喜的是，這一系統(tǒng)幾乎不設(shè)使用門檻。無需編程經(jīng)驗(yàn)，也不用依賴專業(yè)人員指導(dǎo)，用戶僅通過動捕設(shè)備或電腦端操作，即可讓機(jī)器人完成對應(yīng)動作，實(shí)現(xiàn)“所想即所動”。

機(jī)器人領(lǐng)域首個動作泛化大模型

在人體中，小腦負(fù)責(zé)協(xié)調(diào)運(yùn)動、維持平衡，讓動作精準(zhǔn)流暢。而GAE則為人形機(jī)器人帶來了強(qiáng)大的“通用小腦”——它能讓機(jī)器人在收到信號后瞬間做出最合適的動作。王東林介紹，這套由西湖團(tuán)隊(duì)完全自研的算法，比國際上其他團(tuán)隊(duì)的同類技術(shù)領(lǐng)先至少6個月。

“泰坦o1”在打架子鼓

“目前市面上看到的機(jī)器人已經(jīng)能跑能跳能比武，但其實(shí)基本靠提前編程。”王東林說，那就好像“背課文”，需要反復(fù)訓(xùn)練才能做到一字不差，而這正是傳統(tǒng)機(jī)器人的最大技術(shù)瓶頸——由于缺乏通用的動作模型，一套程序只能對應(yīng)一套動作，機(jī)器人無法舉一反三。

而GAE這個“通用小腦”則能讓機(jī)器人即使遇到?jīng)]做過的動作，也能輕松應(yīng)對。而且，它還具備“跨本體”能力，很多不同結(jié)構(gòu)、不同尺寸的機(jī)器人都能搭載這套大模型。

“ChatGPT讓AI能理解并生成各種語言，擁有語言的泛化能力；Sora能生成各種視頻畫面，擁有視覺的泛化能力�！蓖鯑|林說，GAE則讓機(jī)器人能模仿和執(zhí)行各種人類動作，是機(jī)器人領(lǐng)域第一個實(shí)現(xiàn)動作泛化的大模型。

GAE的問世離不開長期的技術(shù)積累與數(shù)據(jù)支撐。此前，王東林團(tuán)隊(duì)已在四足機(jī)器人（機(jī)器狗）、人形機(jī)器人領(lǐng)域深耕多年，積累了豐富的機(jī)器人運(yùn)動控制技術(shù)。同時，他們還擁有全球領(lǐng)先、國內(nèi)最大的高質(zhì)量全身運(yùn)動數(shù)據(jù)集，包含了人類各種日常動作、復(fù)雜動作的詳細(xì)數(shù)據(jù)，為這顆“通用小腦”提供了充足的“學(xué)習(xí)素材”。

其實(shí)，“分身體驗(yàn)”只是一個開始。王東林表示，泰坦o1更重要的意義在于可替代人類進(jìn)入高風(fēng)險(xiǎn)場景，如消防救援、礦區(qū)作業(yè)、高空維護(hù)等。