2024 年机器人演示：1X、NVIDIA、Spot 等

2024 年 3 月，我回顾一系列机器人公告，首先是 1X 的 EVE。公司视频展示一台机器人执行多项类似家务的任务。1X 将片段描述为自主运行、正常速度播放，由一组神经网络权重控制；这是公司对精选演示的描述，而非独立可靠性研究。

我说单一端到端网络意味着机器人没有针对展示的动作进行专门编程。这里需要仔细区分：学习得到的控制与逐个手工编写动作不同，但仍需要训练、数据和工程工作。精选的自主运行演示不能证明通用智能，也不能证明每项家务都无需干预。

接下来我讨论 NVIDIA 和 Jim Fan 在智能体、模拟及机器人学习方面的工作。他此前的 Minecraft 智能体和模拟训练展示了不同的研究方法；这些并未证明实体机器人能够不经指导就学会任何任务。

Project GR00T 被宣布为一项面向人形机器人学习的基础模型计划。NVIDIA 的目标是理解多模态指令和示范，并支持不同机器人身体。我将其描述为无需明确训练就已掌握任何任务的 AGI，超出了公告所确立的范围；具身 AI 不会自动成为 AGI。

我介绍 NVIDIA 的工具栈：Isaac Lab 和 Isaac Sim 用于机器人学习及模拟，OSMO 协调计算工作流程，已宣布的 Jetson Thor 机器人计算机用于部署。这些是拟议开发流程的组成部分，不能证明所有机器人都能安全执行任意真实世界任务。

我提到 Isaac Gym 和模拟速度提高 1,000 倍的说法。[Isaac Gym](https://developer.nvidia.com/blog/introducing-isaac-gym-rl-for-robotics/) 使用 GPU 加速物理模拟和并行环境，为强化学习生成经验；模拟吞吐量取决于工作负载，合成数据也不一定由 AI 模型创建。这个数字并非适用于所有真实场景的加速倍数。

我播放了一部 NVIDIA 关于设计和训练机器人的宣传片。旁白将 GR00T 描述为接收多模态任务指令和先前交互、进而产生机器人动作的模型。影片说明了公司希望实现的工作流程，其中包含宣传性和前瞻性主张。

NVIDIA 介绍基于 Isaac Sim 的 Isaac Lab，以及在多个计算系统之间协调训练和模拟的 OSMO。影片称模拟训练的技能可以零样本迁移至实体机器人，少量示范就能支持新任务。这种迁移取决于任务和条件；片段没有量化成功率，也没有证明通用可靠性。

NVIDIA 影片展示了语言指挥的动作，包括击掌和跳舞，并将 Jetson Thor 描述为计划使用的机器人计算平台。一项成功的精选交互不能证明每个动作都是自主的，或在未见过的情况下依然稳健。NVIDIA 的 [2024 年公告](https://nvidianews.nvidia.com/news/foundation-model-isaac-robotics-platform)将该项目及许多能力描述为前瞻性内容。

我将 GR00T 与 NVIDIA 的 GEAR 研究团队联系起来，并提到 Fan 和 Figure 创始人 Brett Adcock 的友好交流。我猜测双方团队可能密切合作；这次交流本身并不能证明存在合作关系。

Boston Dynamics 介绍其 Spot 机器人的强化学习改进。我回忆 Atlas 跑步和跑酷的画面，随后聚焦 Spot 如何在楼梯、平台和湿滑地形上行走。我认为这家公司领先于竞争对手，这是一种观点，并非受控比较。

Spot 必须根据变化的地形调整步态和姿势。我将基于模拟的训练与 NVIDIA 的工作相比，尽管两者系统和实现方式不同。Boston Dynamics 表示其新控制器改善了具有挑战性的表面上的表现；公司并未声称每次运动决策都是从头新创的，也未声称所有地形都安全。

视频比较了早期 Spot 软件与强化学习版本在湿滑表面和高台上的表现。在展示的测试中，新控制器看起来更好。[Boston Dynamics](https://bostondynamics.com/blog/starting-on-the-right-foot-with-reinforcement-learning/) 将其称为 Spot 4.0 行走能力更新；精选片段没有给出所有环境下的失败率。

Mercedes-Benz 和 Apptronik 宣布了一项在制造业使用 Apollo 人形机器人的试点。计划是探索零件物流等重复性体力任务，不能证明工厂已经完全由自主的人形机器人工作。我表示自己仍在了解 Apptronik，随后播放 Apollo 演示画面。

我展示 Xiaomi 的 CyberDog 2，并引用帖子中约 3,000 美元的价格。与工业系统相比，这是一款相对容易获得的四足机器人，不过价格和可用性取决于市场和时间。精选演示不能证明消费者在所有地区都可以买到它，也不能独立证明性能。

我介绍 Yondu 以及一个涉及 DJI 无人机的语音控制演示。一位演示者要求无人机起飞、升高、转身并跟随一名穿白色连帽衫的人。片段展示的是一个特定的指令工作流程，不能证明自然语言可以控制所有机器人。

我期待机器人将来更容易通过日常语言操作，并将这视为对未来的希望。演示不能证明仅凭语言指令就能让自主运行在所有环境中都可靠或安全。

接下来是 Anduril Industries——一家与 Oculus 创始人 Palmer Luckey 有关联的国防承包商——及其 ALTIUS-700M。画面中的公司帖子将其描述为巡飞弹，而非通用人形机器人。该宣传片不能独立证明其所宣称的性能或操作自主性。

最后，我对未来人形机器人的发展感到兴奋，并提到一份供观众查看的公司名单。在这些例子中，研究目标、公司精选演示、试点和商业上可靠的能力各不相同；视频没有口播赞助披露。