爆火的斯坦福全能家務機器人Mobile ALOHA，大！翻??！車！??！

你以為它擦個紅酒輕而易舉，但實際上卻是這樣的：

全給你弄撒嘍，順帶碎個杯子

……

你以為它能化身大廚嫻熟烹炒，結果給你上演一個炒鍋底：

Mobile ALOHA的翻車大合集還不止這些。

例如剛才炒完蝦的鍋，哎呦喂，一不小心沒拿住：

即使小哥一個箭步?jīng)_上去也沒阻止“悲劇”的發(fā)生（好像還燙到手了）。

這畫面，真是像極了莊嫂摔碗……

昨天還在“神壇”上的Mobile ALOHA，一夜之間便被曝出了這么多“笨手笨腳”的樣子，也是引來不少網(wǎng)友的圍觀。

然而，這次即使面對翻車鐵證，網(wǎng)友們的畫風卻是一反常態(tài)：

它并不完美，不過很可愛。

總會有犯錯的余地。

最重要的是：

放心了。（手動狗頭）

這到底是怎么回事？

斯坦福團隊自曝“丑聞”

原來，這段機器人大翻車的視頻，就是由斯坦福Mobile ALOHA的作者Tony Z. Zhao發(fā)布的。

并且他還直言不諱地說道：

機器人還沒有做好準備接管這個世界。

而這段翻車視頻，正是機器人完全在自主模式下所犯的。

用作者的話來形容，就是“最愚蠢的錯誤”。

畢竟除了剛才我們展示的幾個例子之外，Mobile ALOHA甚至連鍋都放不進櫥柜里：

炒完的蝦粘鍋倒不出來不說，連碗的位置也找不到：

拿支筆也沒法找對位置下手：

面對失敗合集，作者卻是打趣道：

這是我目前為止最喜歡的視頻了，（不過）當機器人在你面前犯錯的時候，你就不會覺得那么有趣了。

確實，畢竟手都被燙了……

不過作者今天自曝這段視頻其實應該還有另外一個原因。

因為前兩天Mobile ALOHA神級現(xiàn)場的視頻確實引來了不小的關注度，不過很多人誤以為這是它在自主模式下完成的。

但其實，Mobile ALOHA采用的是混合模式，并非完全自主，作者也呼吁網(wǎng)友們在吃瓜的同時認真看下論文和代碼。

值得一提的是，作者還引用了2015年波士頓動力Atlas人形機器人“翻車合集”并向它致敬。

或許這也正如英偉達科學家Jim Fan說的那樣：

一步一個腳印。

學習50次，成功率能到90%

就在這兩天，Mobile ALOHA團隊連續(xù)放出三個爆火視頻，展示了該機器人敏捷靈巧的家務能力，看呆網(wǎng)友。

包括做滿漢全席（磕雞蛋、給雞肉翻面這種細活都信手拈來）：

套枕套鋪床單：

澆花、拖地板、開瓶蓋，甚至逗貓貓：

那叫一個人模人樣，上得廳堂下得廚房。

不過，大部分都是真人操控的，比如上面這些。

更直觀的可以看下面這個抽紙擦玻璃的動圖，背后直接站了個人類1:1示范：

不過，對于一些相對簡單的任務，例如這個單炒蝦仁：

還有刷鍋、將餐椅歸位、呼叫并乘坐電梯、擦桌子等等，只需真人少量示教，它就可以學會，然后脫離人類進行自主操作。

具體而言，作者介紹，上面這些簡單動作目前只需要學習50次就可以做到90%的成功率——

經(jīng)測試，Mobile ALOHA可以連續(xù)9次擦干倒灑了的酒、連續(xù)呼叫5次電梯都不會出錯，能夠保持一定的穩(wěn)定性。

除此之外，它還能抗干擾，在完成歸置鍋具到柜子之中時，實驗人員不停向它面前投擲雜物，都完全沒有影響它發(fā)揮：

在訓練期間根本看不見的椅子？它也能準確識別并完成歸位任務。

那么，作者是如何僅通過50個演示就讓Mobile ALOHA實現(xiàn)自主任務的呢？

最關鍵的是通過ACT或擴散策略進行模仿學習，然后和靜態(tài)操作數(shù)據(jù)一起對機器人系統(tǒng)進行聯(lián)合訓練。

有了這一聯(lián)合訓練方式，機器人的性能可以顯著提高，尤其是那種需要精確操作的任務。

最后，也再次為介紹一遍斯坦福大學的這個機器人成果：

它于今年3月底正式發(fā)布，歷經(jīng)了8個月的迭代和2個月的測試。

一共三位作者，其中兩位為斯坦福計算機科學專業(yè)的華人博士生（最后一位是導師）：

當時的這位機器人，就已經(jīng)能夠利用工具完成各種精密細活了，只不過只能在固定的位置：

當然，背后也是真人遙控的。

而正如其名ALOHA全稱是“?? ??ow-cost ??pen-source ????rdware System”，這款機器人主打的就是開源和低成本：

全部軟硬件設計包括代碼和數(shù)據(jù)都一并發(fā)布，而搭建這一個系統(tǒng)“只”需3.2萬美元（約合22.7萬人民幣），具體需要哪些硬件，作者還列了個清單，感興趣的朋友可以照著DIY。

機器人元年？

幾乎和斯坦福的爆火機器人同一時間，谷歌也發(fā)布了自家最新的研究成果，并且是一氣發(fā)了仨：

一個是將機器人決策速度提高14%，同時保持操作準確率不變并增加了10.6%的改進模型；

一個是專攻泛化能力的新框架，用了一種全新方法讓機器人完成從未見過任務的成功率從29%提升至63%；

以及一個可以同時容納20個機器人的收據(jù)收集系統(tǒng)，將用于加快機器人理解人類指令的能力的訓練。

這些新成果全部用于升級谷歌的機器人大模型RT-2。

和斯坦福的Mobile ALOHA對比起來，谷歌的RT-2表現(xiàn)還是高冷一些，但它所有效果都是全自主的。

除了這兩家，李飛飛團隊也一直在跟進，其名為VoxPoser的機器人系統(tǒng)也已經(jīng)可以聽懂人話完成各種指令，并且無需額外訓練。

這不由地讓人想到，不少人那句“2024會是機器人元年”的預言：

你覺得會成真嗎？