OpenAI押注的「1X」训出专用世界模型，首证机器人Scaling Law
文章摘要
【关 键 词】 人形机器人、虚拟模拟、AI学习、物理预测、技术挑战
1X公司，一家挪威人形机器人制造商，最近推出了NEO Beta，一款专为家庭设计的双足人形机器人。该公司由OpenAI领投，专注于开发高仿真人形机器人NEO和商用轮式人形机器人EVE。1X公司最近开发了一种世界模型，这是其机器人的虚拟模拟器，基于视频生成和自动驾驶世界模型的技术进展。
1X的人工智能副总裁Eric Jang透露，公司一直在开发一个通用机器人的学习模拟器，现在已经完成。工程师Daniel Ho指出，这个机器人世界模型能够理解物理世界并生成高保真视频，使机器人能够在神经空间中进行规划、评估和模拟操作。这些生成的视频片段与真实视频非常相似，以至于难以区分。
1X的创始人兼CEO Bernt Bornich将这一成就视为人形机器人数据显著增强扩展定律的证据。网友对这一机器人世界模型给予了高度评价，有人甚至将其与《西部世界》相提并论。
1X的世界模型能够从相同的起始图像序列出发，根据不同的机器人动作建议想象出多种未来。它还能预测物体的相互作用、掉落物体的影响、部分可观测性、可变形物体和铰接物体的行为。
世界模型解决了构建通用机器人时的一个实际挑战，即评估。在不断变化的环境中，评估多任务系统的性能变得复杂。1X的研究提出了一个问题：随着数据、计算和模型规模的增加，机器人的能力将如何扩展？为了迎来机器人技术的“ChatGPT时刻”，必须首先建立其扩展定律。
传统的基于物理的模拟器，如Bullet、Mujoco、Isaac Sim和Drake，是测试机器人策略的有效方法，但它们主要针对刚体动力学设计，需要大量的手工资产创作。这些模拟器在模拟家庭环境中的日常物体或宠物时存在局限性，因为这些物体很难模拟，且机器人使用的模拟环境在视觉上往往单调，缺乏现实世界用例的多样性。
1X采用了一种新方法来评估通用机器人，即直接从原始传感器数据中学习模拟器，并使用模拟器来评估新策略。这种方法允许在不手动创建资产的情况下理解真实世界的复杂性。1X在过去一年中收集了数千小时的EVE机器人数据，包括在家中和办公室执行各种任务的视频和动作数据。研究人员将这些数据结合起来，训练了一个能够根据观察和动作预测未来视频的世界模型。
该世界模型能够根据不同的动作指令产生不同的结果。在抓取盒子实验中，模型能够根据夹具的运动提升和移动盒子，而其他盒子则保持不动。即使没有提供动作，世界模型也能生成合理的视频，例如学会驾驶时应避开人和障碍物。
模型还能生成长视野视频，如完整的T恤折叠演示。然而，模型在交互过程中可能无法保持对象的形状和颜色，有时对象甚至可能会消失。此外，当对象被遮挡或以不利的角度显示时，它们的外观可能会变得扭曲。在物理定律方面，模型有时能够正确理解物理特性，如松开勺子时勺子掉到桌子上，但在许多情况下，模型生成的结果未能遵守物理定律，如盘子悬浮在空中。
最后，研究团队让EVE走到镜子前，观察它是否能够生成与镜子中动作相一致的行为。结果显示，模型开始自我反思，但没有出现自我识别或自我理解的觉醒。
原文和模型
【原文链接】 阅读原文 [ 1838字 | 8分钟 ]
【原文作者】 机器之心
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★☆
