號(hào)稱OpenAI二代機(jī)器人「Figure 02」，真的來了！

剛剛，F(xiàn)igure AI終于官宣了第二代人形機(jī)器人，完全換了一身新形象——黑色的外觀，更加靈活的五指。

創(chuàng)始人Brett Adcock表示，「這是『地表最強(qiáng)』的人形機(jī)器人」！

值得一提的是，F(xiàn)igure 02的設(shè)計(jì)評(píng)審耗時(shí)18個(gè)月完成。

據(jù)介紹，迭代后的Figure手部具有16個(gè)自由度，能夠承受與人類相當(dāng)?shù)牧α俊?/p>

現(xiàn)在的它，已經(jīng)進(jìn)入寶馬車廠開始打工了，可以無休止地狂干20個(gè)小時(shí)。

Figure 02還可以與人類直接開啟「語音對(duì)話」，這背后依舊用上了OpenAI最先進(jìn)的定制AI模型，通過語音-語音進(jìn)行推理。

與初代類似，它擁有一個(gè)機(jī)載的視覺模型（VLM），可通過攝像頭，完成視覺推理。

去年，初代機(jī)器人Figure 01，同樣在OpenAI大模型的加持下，能夠看、聽、遵循人類指令。

不僅如此，這家明星初創(chuàng)背后，還得到了英偉達(dá)、奧特曼、貝佐斯等大佬的聯(lián)合投資。

如今，工程和設(shè)計(jì)團(tuán)隊(duì)在Figure 02上完成了一次從零開始的硬件和軟件重新設(shè)計(jì)。

其中，在包括人工智能、計(jì)算機(jī)視覺、電池、電子設(shè)備、傳感器和執(zhí)行器等關(guān)鍵技術(shù)上，取得了巨大的進(jìn)步：

• 語音到語音：通過內(nèi)置麥克風(fēng)和揚(yáng)聲器連接自定義AI模型，能夠與人類進(jìn)行對(duì)話
• 攝像頭：由6個(gè)內(nèi)置RGB攝像頭驅(qū)動(dòng)的AI視覺系統(tǒng)
• 手部：第四代手部具有16個(gè)自由度和等同于人類的力量
• 內(nèi)置VLM：使機(jī)器人攝像頭能夠進(jìn)行快速的常識(shí)性視覺推理
• 電池：機(jī)器人軀干內(nèi)的2.25千瓦時(shí)定制電池組提供50%以上的能量
• CPU/GPU：相比上一代，機(jī)載計(jì)算和AI推理能力提高了3倍

更流線型的外觀

Figure 02機(jī)器人與其前身Figure 01身高相似，但在很多方面都進(jìn)行了改進(jìn)。

最明顯的變化是機(jī)器人的「皮膚」采用了啞光黑色外觀，而不是Figure 01的鉻金屬飾面。

之前的機(jī)器人看起來像穿著盔甲，而Figure 02看起來像一輛現(xiàn)代跑車，擁有流線型的曲線和精致的外觀。

另一個(gè)變化部分就是電纜。在Figure 01中，電纜被故意布置在機(jī)身外部，以支持測(cè)試夾具、更換傳感器和電機(jī)，并加快維修速度。

而在Figure 02中，所有電纜都集成到了四肢中，保護(hù)它們免受環(huán)境的影響，并為長(zhǎng)時(shí)間在生產(chǎn)線上工作做好準(zhǔn)備。

Figure AI表示，新機(jī)器人的電池容量比Figure 01大50%，能夠在實(shí)際部署中工作更長(zhǎng)時(shí)間。電池已集成到人形機(jī)器人的軀干中，使其重心更接近中心線位置，使得機(jī)器人更加靈活。

Figure AI還為其定制了電機(jī)，與關(guān)節(jié)傳動(dòng)系統(tǒng)集成在一起，以優(yōu)化每個(gè)關(guān)節(jié)的功率和性能。

機(jī)器人設(shè)計(jì)的一大難題，就是可靠地通過旋轉(zhuǎn)關(guān)節(jié)布線。

我們可以看到，F(xiàn)igure 02的肩部、肘部、髖部和膝部四個(gè)主要關(guān)節(jié)組設(shè)計(jì)非常簡(jiǎn)潔，完美解決了這個(gè)難題。

準(zhǔn)備好接收語音指令

AI模型的訓(xùn)練決定了機(jī)器人智能和能力的核心，因此Figure AI與OpenAI的合作可謂「如虎添翼」，能夠快速測(cè)試、驗(yàn)證和迭代機(jī)器人的語音互動(dòng)功能。

早在GPT-4o發(fā)布前，F(xiàn)igure AI的視頻就展示了機(jī)器人如何通過語音指令與人類互動(dòng)，最新發(fā)布的Figure 02在OpenAI定制模型到加持下，也可以通過麥克風(fēng)和揚(yáng)聲器人類進(jìn)行對(duì)話。

Figure AI表示，F(xiàn)igure 02的計(jì)算和AI推理能力提升了3倍，可以在現(xiàn)實(shí)世界中完全自主地執(zhí)行任務(wù)。

新型號(hào)配備了六個(gè)RGB攝像頭，用于感知物理世界，此外還配備了一個(gè)車載視覺語言模型，能夠快速進(jìn)行常識(shí)性的視覺推理。

視覺模型能夠處理所有車載圖像以進(jìn)行感知、避障，最重要的是進(jìn)行手眼協(xié)調(diào)，以便機(jī)器人能夠識(shí)別并拾取面前的物體。

另外，比起Figure 01，F(xiàn)igure 02擁有3倍機(jī)載計(jì)算能力和AI推理能力。這使得機(jī)器人能夠完全自主地執(zhí)行實(shí)際的AI任務(wù)。

這里AI數(shù)據(jù)引擎會(huì)提供最新的AI模型，并直接直接在設(shè)備的GPU上運(yùn)行。

操控人手能抓的物體

自成立以來，F(xiàn)igure AI已經(jīng)在機(jī)器人手部的設(shè)計(jì)和功能上投入了大量資金。

由此得到的最新設(shè)計(jì)，不僅具有十六個(gè)自由度（DoF），而且能夠承載最多25公斤（55.1 磅）的物體。

與此同時(shí)，這雙「手」的外觀也與人類都非常相似——有四根手指和一個(gè)拇指。

具體來說，每根手指由一個(gè)集成單元驅(qū)動(dòng)，該單元包括傳感器和電機(jī)。

手腕是另一個(gè)新穎的設(shè)計(jì)，提供了與人類手腕相似的運(yùn)動(dòng)范圍，同時(shí)將所有電力和傳感信號(hào)線路封裝并引導(dǎo)到手和手指。

Figure AI表示，他們的目標(biāo)就是讓機(jī)器人能夠操控任何人類手能抓住的物體。

資金雄厚，但人形機(jī)器人賽道競(jìng)爭(zhēng)激烈

Figure AI最初擺脫「隱身」模式還是在2023年3月，推出了通用人形機(jī)器人Figure 01，希望能應(yīng)用于工業(yè)制造、物流、倉(cāng)儲(chǔ)、零售等多個(gè)行業(yè)以解決全球范圍內(nèi)的勞動(dòng)短缺問題。

根據(jù)創(chuàng)始人Adcock的設(shè)想，機(jī)器人們可以替人類承擔(dān)不安全和不受歡迎的工作，構(gòu)建一個(gè)更加自動(dòng)化且高效的未來。并且他堅(jiān)稱，F(xiàn)igure AI的這項(xiàng)技術(shù)絕不會(huì)被武器化。

很難想象，F(xiàn)igure AI第一代全規(guī)模機(jī)器人的構(gòu)建僅花了短短6個(gè)月的時(shí)間，不得不說，這得益于包括CTO Jerry Pratt在內(nèi)的40名行業(yè)專家組成的強(qiáng)大團(tuán)隊(duì)。

作為2024年初的投資寵兒，F(xiàn)igure AI目前已籌集了6.75億美元資金。

憑借雄厚的資金，聯(lián)合創(chuàng)始人兼CEO Brett Adcock正在全速推進(jìn)，目標(biāo)是在未來2~5年內(nèi)將自主雙足機(jī)器人推向市場(chǎng)。

其實(shí)，今年早些時(shí)候，F(xiàn)igure AI就已經(jīng)在南卡羅來納州一家寶馬工廠測(cè)試了。在這里，AI模型訓(xùn)練的數(shù)據(jù)會(huì)被收集起來。

在演示中我們可以看到，機(jī)器人完全展現(xiàn)出了在工業(yè)環(huán)境中運(yùn)行的能力，還能學(xué)習(xí)執(zhí)行基本任務(wù)。

當(dāng)然，這個(gè)越來越卷的賽道中，其他競(jìng)爭(zhēng)對(duì)手也沒閑著。

Agility Robotics的Digit和Apptronik的Apollo，早就把自家機(jī)器人部署到了GXO物流公司中，執(zhí)行簡(jiǎn)單任務(wù)。

馬斯克家的Optimus，也很早就被「下放」到了特斯拉工廠；波士頓動(dòng)力，也有意在現(xiàn)代設(shè)施中，給最新版Atlas進(jìn)行測(cè)試。

在科幻故事中，我們?cè)缇鸵娮R(shí)過各類人形機(jī)器人，但在商業(yè)產(chǎn)品的推出上，它們其實(shí)一直進(jìn)展緩慢。

一方面是受限于研究環(huán)境，另一方面，設(shè)計(jì)也非常昂貴。

然而，LLM和多模態(tài)AI模型的發(fā)展，改變了這一切！如果模型能快速分析實(shí)時(shí)視頻和音頻輸入，還能以類人音頻和動(dòng)作進(jìn)行相應(yīng)，那科幻中的場(chǎng)景，顯然不會(huì)很遙遠(yuǎn)了。

擁有Optimus的馬斯克最近大膽預(yù)言，地球上有超過100億臺(tái)人形機(jī)器人的市場(chǎng)，這意味著未來每個(gè)人會(huì)擁有不止一臺(tái)機(jī)器人。

此外，英偉達(dá)的GR00T項(xiàng)目也在進(jìn)行時(shí)，展示了AI在指導(dǎo)人形機(jī)器人方面的進(jìn)展。

Jim Fan發(fā)布的這個(gè)視頻中，人類遠(yuǎn)程操作員可以通過佩戴Apple Vision Pro來引導(dǎo)機(jī)器人完成正確動(dòng)作。

快速Q(mào)A

由于官方并沒有透露太多信息，因此外媒IEEE Spectrum找到了Figure的控制總監(jiān)Michael Rose和硬件總監(jiān)Vadim Chernyak，并做了一波快速的QA。

問：Figure 02有多少個(gè)部件？這些是全部嗎？

答：有幾百個(gè)獨(dú)特的部件，總共有幾千個(gè)部件。不，這不是全部。

問：Figure 02每走一步都會(huì)留下Figure標(biāo)志嗎？

答：如果表面足夠柔軟的話，是的。

問：「可更換的腿」是很難做到的嗎，還是因?yàn)橹恍枰鲆粭l腿而更容易呢？

答：我們選擇制作可更換的腿是為了便于制造。

問：電池包也是可更換的嗎？

答：我們的電池是可更換的，但這不是一個(gè)快速更換的過程。

問：Figure 02膝蓋后面和肘關(guān)節(jié)處那個(gè)看起來軟軟的東西是什么呢？

答：這些是軟限位器，它們以受控的方式限制運(yùn)動(dòng)范圍，并防止機(jī)器人夾傷。

問：你們把拇指的馬達(dá)藏哪了？

答：拇指現(xiàn)在完全包含在手中。

問：脖子上的「皮膚」是什么？

答：這種皮膚是一種柔軟的織物，即使機(jī)器人移動(dòng)頭部，也能保持干凈無縫的外觀。

問：當(dāng)Figure 02的頭部轉(zhuǎn)動(dòng)時(shí)，它的身體也會(huì)轉(zhuǎn)動(dòng)，手臂也會(huì)移動(dòng)。這是必要的，還是只是出于美學(xué)考慮？

答：只是出于美學(xué)考慮。

問：上半身和肩膀看起來比其他人形機(jī)器人窄得多。為什么設(shè)計(jì)成這樣？

答：我們認(rèn)為將機(jī)器人設(shè)計(jì)成與人類相似的比例非常重要。這使我們能夠完成目標(biāo)使用場(chǎng)景，并更容易適應(yīng)環(huán)境。

問：Figure 02的步態(tài)是如何設(shè)計(jì)的？

答：機(jī)器人使用模型預(yù)測(cè)控制器來確定腳步位置和維持平衡所需的力量，從而跟隨預(yù)定的軌跡。

問：2.25千瓦時(shí)的電量在視頻中的那些任務(wù)中能運(yùn)行多長(zhǎng)時(shí)間？

答：我們的目標(biāo)是讓產(chǎn)品運(yùn)行5小時(shí)。

本文轉(zhuǎn)自 新智元 ，作者：新智元

原文鏈接:??https://mp.weixin.qq.com/s/8rTsvgGBcHeZlQKZRO9Rhw??