上周史丹佛炒蝦機器人炸場之後，又紅了一個煮咖啡機器人。
Figure 01 has learned to make coffee ☕️
— Figure (@Figure_robot) January 7, 2024
End-to-end AI system, trained in 10 hours, just by watching humans make coffee
Our neural networks are taking video in, trajectories out
Join us to ship a fleet of AI robots: https://t.co/7fGEbRbeolpic.twitter.com/DNAZWnaqUv
它的厲害之處在於通過觀看人類的示範影片，僅需10小時端到端訓練，就能學會並完全自主搞定這一任務。
當然，更準確地來說是操作咖啡機：
只見它打開機蓋、放入咖啡膠囊，再按下開始按鈕，整個過程一氣呵成，無需任何遠端遙控。
很快，一杯咖啡就可以端走享用：
以上演示影片，沒有任何加速處理。這就是該機器人目前可以達到的實際操作速度。
而除了這些，它還具備自主除錯功能：
如果咖啡包沒有放正，不用人類提醒，它自己就能調整好。
對此，前谷歌DeepMind研究員（也是該機器人的開發人員）直接就是一個轉發點讚，並再次強調：
所有行為包括除錯，完全自主。
Incredibly excited to share some recent progress :)
— Corey Lynch (@coreylynch) January 7, 2024
What you see in the video:
⁃A learned, end-to-end visuomotor policy mapping onboard images to low level actions at 200hz.
⁃All behaviors (including corrective) are fully autonomous (not teleoperated).
⁃1x speed.
I’m… https://t.co/1Q81drZ2Ll
公司創始人Brettt Adcock稱，這就是機器人技術的ChatGPT時刻。
不管是不是每個人都贊同這個說法，但網友被它的訓練速度所折服是沒得說。
10個小時真的很優秀，如果能快轉到使用研磨機和法壓壺，相信很快影片裡那個咖啡機也要失業了。
那麼，這個機器人具體什麼來頭？
10小時端到端訓練搞定煮咖啡
如上這個機器人來自一家商業公司，名叫Figure。
Figure總部位於美國，成立於2022年，專攻通用人形機器人。
創始人Brett Adcock畢業于美國佛羅里達大學，26歲時創辦了一家線上人才市場網站，後被同行1.1億美元收購，然後又創辦了一家生產全電動垂直起降飛機的航太公司，27億美元上市。
如今，這家機器人公司Figure也可謂吸金無數，先是在去年5月拿到7000萬美元A輪融資，兩個月後又獲得Intel 900萬美元投資。
去年10月——大概成立一年之際，Figure發表首款人形機器人，代號Figure 01。
它走起路來是這樣的：
我們看到的煮咖啡示範正是由它所完成。 而學會這項技能，只花了10個小時訓練時間。
Figure 01採用的是端到端神經網路，這邊接收人類煮咖啡的影片，那邊就能輸出動作軌跡，讓機器人透過模仿，最終完成自主操作。 以此類推，讓它學會別的任務，也只需要輸入相應的影片即可。至於具體實現細節，官方沒有透露。
不過，先撇開10小時就完成訓練不談，對於讓機器人學會煮咖啡這類任務本身來說，已經不是一件難事兒了。
其核心就是模仿學習，入選CoRL’22（機器人，學習會議）的VIOLA可以做到（它是一個以物件為中心的模仿學習框架，基於Transformer進行推理，擅長長程任務，比最先進的模仿學習演算法性能高出45.8%）；
今年6月Google發表的HYDRA，也專攻於此，擅長各種粗細微性和細細微性控制，並可自如切換。
來自史丹佛大學的AME，基於Waypoint完成，對於煮咖啡這種任務也毫不含糊，只不過速度慢很多。
還有NVIDIA的HITL-TAMP、MimicGen等研究成果，也就是機器人模仿學習相關，就不一一介紹了。
- VIOLA:VIOLA: Imitation Learning for Vision-Based Manipulation
with Object Proposal Priors - HYDRA:HYDRA: Hybrid Robot Actions for Imitation Learning
- AWE: Waypoint-Based Imitation Learning for Robotic Manipulation
- HITL-TAMP:HITL-TAMP: Human-In-The-Loop Task and Motion Planning for Imitation Learning
- MimicGen:MimicGen: A Data Generation System for Scalable Robot Learning using Human Demonstrations
2040年前，誰能成功挑戰史蒂夫咖啡測試？
儘管Figure 01的表現很不錯（比如速度就很快），但不少網友還是評價：
這和想像中的煮咖啡機器人還有一點距離。
比如它能不能拿起杯子、將其放到咖啡機下，沖完咖啡後加入牛奶和糖，再將杯子放到托盤上，端到人面前？
事實上，蘋果公司聯合創始人史蒂夫·沃茲尼克（Steve Wozniak）曾提出一個評估機器人自主能力的咖啡測試。
它要求機器人從進入一個陌生的家中開始，然後找到廚房，辨識工具（例如咖啡機、水壺）和材料（咖啡豆、糖、牛奶等），最終做好一杯咖啡，且全程不超過20分鐘。
這個測試考驗機器人在未知環境中導航、辨識物體、操作工具和材料以及遵循人類命令等一系列能力。有人發起過投票，問2040年之前能否有這樣的機器人誕生？
結果有89%的人回答了「Yes」。
- 延伸閱讀：首個由GPT-4驅動的人形機器人「Alter3」！無需程式設計+零樣本學習，還可根據口頭回饋調整行為
- 延伸閱讀：柏克萊和Deepmind前赴後繼，只為教出一個會做家務的機器人？
- 延伸閱讀：特斯拉CEO馬斯克發佈人形機器人原型Optimus，目標售價比一台特斯拉還便宜
加入電腦王Facebook粉絲團