与两个月前发布的ChatGPT相似的是★★◈◈，RT-1同样是一个基于transformer架构的通用大模型★★◈◈；

　　作为一个通用机器人大模型★★◈◈，RT-1可以以97%的准确率让机械臂在厨房中执行700多项常见任务★★◈◈，并拥有了一定的泛化性★★◈◈。

　　而在RT-1背后★★◈◈，最关键的是Google Research一个16人团队★★◈◈，耗时17个月欢迎来到公海!★★◈◈，花费上千万美金★★◈◈，用13台机器人收集的13万条真实机器人运行数据组成的训练数据集★★◈◈。

　　谷歌RT系列相继面世★★◈◈，引起了全球机器人团队的高度关注★★◈◈，大家都开始拆解研究谷歌RT系列成果★★◈◈，思考大模型究竟能为机器人带来怎样的泛化能力★★◈◈。

　　也是在这时★★◈◈，深度参与了RT系列模型研发的谷歌机器人科学家Karol Hausman从谷歌拉出一支团队★★◈◈，声称要为全球机器人造一个通用大脑★★◈◈。

　　Hausman为从谷歌“拉出”的这支团队★★◈◈，起了一个很接地气的名字——Physical Intelligence★★◈◈，直译过来是「物理智能」★★◈◈。

　　当然★★◈◈，你也可以称它为具身智能★★◈◈，不过北山惠理★★◈◈，他们更愿意将自己简称为PI★★◈◈，而他们的公司LOGO★★◈◈，也是直接用的数学中那个用来表示圆周率的π★★◈◈。

　　π0不是一款机器人★★◈◈，而是PI团队花费八个月时间造出的一个通用机器人基础模型★★◈◈，PI团队希望★★◈◈，这个模型可以让人们像使用ChatGPT这样的chatbot一样★★◈◈，便捷地使用机器人★★◈◈。

　　PI团队这里所说的机器人是任意品牌★★◈◈、任意形态的机器人★★◈◈，可以让这些机器人执行通用任务★★◈◈，也可以通过微调让这些机器人在专业场景执行专业任务★★◈◈。

　　由于这一形态最适合机器人“练手”★★◈◈，适合训练机器人手眼脑协调执行任务的能力★★◈◈，也一直是机器人欢迎来到公海!★★◈◈，尤其是人形机器人的最简配置★★◈◈。

　　“让人工智能赢得一场国际象棋比赛或发现一种新药来说很简单★★◈◈，但让它执行叠衣服或清理桌面这样对人类来说再简单不过的任务★★◈◈，却很困难★★◈◈。”

　　为了构建能够执行类人任务的人工智能系统★★◈◈，在π0研发的这八个月里★★◈◈，PI团队最主要的工作就是采集数据★★◈◈，并通过大量数据来对这一模型进行高强度的训练★★◈◈。

　　据官方透露★★◈◈，π0的训练数据主要来源于目前行业中的开源数据集★★◈◈，以及他们自己通过8台机器人执行多样化任务积累下来的数据★★◈◈。

　　第一★★◈◈，从OpenAI的GPT-4V★★◈◈、谷歌的Gemini这样的预训练视觉语言模型（VLM）中继承语义知识和视觉理解能力★★◈◈，PI团队基于此获得的30亿参数的VLM进行再调整★★◈◈，以适应机器人的实时灵活控制★★◈◈；

　　第二北山惠理★★◈◈，基于PI团队自研的流匹配（flow matching）算法★★◈◈，为VLM模型提供连续动作输出★★◈◈，以使其可以实现50次/s的频率输出运动控制指令★★◈◈；

　　第三★★◈◈，基于开源的机器人数据集和互联网数据训练的VLM★★◈◈，PI团队形成了自己的视觉-语言-动作流匹配模型★★◈◈，并通过自采集的高质量机器人数据对这一模型进行后续训练★★◈◈；

　　相较于年初在学术界闹得沸沸扬扬的斯坦福团队遥操作的Mobile ALOHA而言★★◈◈，π0真正实现了完全自主执行任务★★◈◈。

　　PI团队就单一指令简单任务★★◈◈、复合指令复杂任务★★◈◈，以及叠衬衫★★◈◈、杂物装袋★★◈◈、从烤面包机中拿出吐司几个任务★★◈◈，对π0★★◈◈、π0-small（未使用VLM预训练的470M参数模型）与OpenVLA★★◈◈、Octo进行了对比★★◈◈，得出的结论是★★◈◈，π0实现了全面碾压欢迎来到公海!★★◈◈。

　　正因如此★★◈◈，PI团队在美国大受追捧★★◈◈，截止目前已经先后拿到了7000万美元★★◈◈、4亿美元两轮融资★★◈◈，包括红杉资本★★◈◈、Khosla Ventures★★◈◈、Thrive Capital北山惠理★★◈◈、Lux Capital等知名投资机构都挤进了这一项目★★◈◈。

　　大模型让全球看到了一条通向通用人工智能的路★★◈◈，这不仅让全球科技巨头为之骚动★★◈◈，也让一大批创业团队涌入了这条赛道★★◈◈。

　　马斯克曾为还未面世的GPT-5的训练做过一个估算★★◈◈，他认为★★◈◈，OpenAI训练GPT-5大概需要3-5万张H100北山惠理★★◈◈，仅仅是买卡★★◈◈，就需要6-10亿美元★★◈◈。

　　另一个来自于市场研究机构CB Insights的统计数据显示★★◈◈，2023年★★◈◈，全球生成式AI新创企业一共融到了204亿美元★★◈◈，即便是国内★★◈◈，人工智能领域融资就有232笔★★◈◈，融资总额达到了20亿美元★★◈◈。

　　面对这样一个烧钱的大家伙欢迎来到公海!★★◈◈，只进不出是肯定不行的★★◈◈，毕竟投资人的钱也不是白拿的★★◈◈，他们更在乎实际的经济价值和应用效果★★◈◈。

　　AI PC★★◈◈、AI手机★★◈◈，尤其是AI机器人不断涌向★★◈◈，就连不关注商业化的波士顿动力创始人Marc Raibert也主导成立了波士顿动力人工智能研究院★★◈◈。

　　而波士顿动力转向电驱后的Atlas★★◈◈，也在近日放出了在工业场景全自动执行搬运任务的Demo视频——告诉Atlas搬运位置北山惠理★★◈◈，它就可以将零件自动搬运到相应位置★★◈◈。

　　人形机器人要进入产业★★◈◈，目前一个关键技术瓶颈是任务执行的泛化性★★◈◈，这就对人工智能算法提出了很高的要求★★◈◈。

　　他现在的方法是★★◈◈，通过预训练模型用来教会这个大脑有关物理世界的规律和知识★★◈◈，通过微调让这个大脑能够很好地执行特定任务北山惠理★★◈◈。

　　不过★★◈◈，经由这一模式研发的π0★★◈◈，实则仍然算不上机器人通用大脑★★◈◈，要想造出机器人通用大脑★★◈◈，整个模型的微调过程就需要由机器人自动完成★★◈◈。

　　在PI官方博客中★★◈◈，Hausman的团队也坦然承认★★◈◈，“通用机器人策略依然处于起步阶段★★◈◈，我们还有很长的路要走★★◈◈。”

　　强大的通用策略欢迎来到公海!★★◈◈，继承了预训练大模型的语义理解能力★★◈◈，整合了来自不同任务和机器人平台的数据★★◈◈，实现了前所未有的灵活性欢迎来到公海!★★◈◈。

　　作为脱胎于谷歌RT系列项目的明星团队★★◈◈，又是只做通用软件的中立团队★★◈◈，据悉★★◈◈，PI团队已经和多家机器人公司和实验室展开合作★★◈◈：

　　另一方面★★◈◈，引入合作伙伴的数据★★◈◈，将这些数据整合到PI团队的预训练模型中★★◈◈，提升模型的泛化性和兼容性★★◈◈。

　　作为被黄仁勋★★◈◈、马斯克北山惠理★★◈◈、奥特曼等科技巨头掌舵者看重的未来产业★★◈◈，也是具身智能最重要的形态★★◈◈，人形机器人由大脑★★◈◈、小脑北山惠理★★◈◈、肢体三大核心部分组成★★◈◈。公海赌赌船710检测路线★★◈◈！公海★★◈◈，机器人应用★★◈◈，澳门公海赌赌船官网★★◈◈，欢迎你来到公海欢迎你来到赌船欢迎来到公赌船jcjc710★★◈◈，