特斯拉人形机(ji)器人又(you)解锁了新技能！
昨日，Tesla Optimus 官方(fang)发布了新的(de) demo 视频，展示(shi)了二代 Optimus 人形机(ji)器人的(de)最新进展。
这次，Optimus 开(kai)始进厂打工了，在特斯拉电池工厂学会(hui)了分装电池，并且比(bi)以前走得(de)更快更远更稳(wen)了。
让我们先一睹 Optimus 的(de)最新技能和训(xun)练(lian)细节。
现在，Optimus 的(de)端(duan)到端(duan)神经网络经过训(xun)练(lian)，能够对特斯拉工厂的(de)电池单(dan)元(yuan)进行准确分装。
Optimus 在机(ji)器人的(de) FSD 计算(suan)机(ji)上实时运(yun)行，而仅仅依靠 2D 摄(she)像头、手部触觉和力传(chuan)感器。Optimus 利(li)用它的(de)腿保持平衡，同时网络驱动着整个上半(ban)身。
在插入过程中需要(yao)非常精确的(de)动作，且容错率很低(di)，神经网络会(hui)自(zi)动定(ding)位下一个空闲槽位。Optimus 还能从故障中自(zi)主恢复。
Optimus 的(de)训(xun)练(lian)数据是通过人类远程操作收集，并针对各种任务进行了扩展。
Optimus 在工厂进行测试，人工干(gan)预率持续下降。
当然，Optimus 现在可(ke)以在定(ding)期绕着办公室(shi)行走，不仅走得(de)更快，走的(de)距(ju)离也越(yue)来(lai)越(yue)远了。
对此(ci)，特斯拉 Optimus（Tesla Bot）工程师 Milan Kovac 对 Optimus 的(de)更多训(xun)练(lian)细节进行了解读。
在过去的(de)几个月里，特斯拉出色(se)的(de)制造团队制造出了更多的(de)机(ji)器人，以便进行研究并收集人工智(zhi)能数据。
团队训(xun)练(lian)并部署(shu)了一个神经网络，允许(xu) Optimus 开(kai)始执行有用的(de)任务，例如从传(chuan)送带上捡起电池单(dan)元(yuan)并将它们精确地(di)插入托(tuo)盘中。
这个神经网络完(wan)全端(duan)到端(duan)运(yun)行，这意(yi)味着 Optimus 只消(xiao)耗来(lai)自(zi)机(ji)器人 2D 摄(she)像头的(de)视频以及(ji)板载本体感受器上的(de)数据，并直(zhi)接产生关节控制序(xu)列(lie)。
Optimus 完(wan)全在机(ji)器人的(de)嵌入式 FSD 计算(suan)机(ji)上运(yun)行，由板载电池供电。这样的(de)设计使得(de)单(dan)个神经网络可(ke)以通过添加更多样化的(de)数据到训(xun)练(lian)过程中来(lai)执行多个任务。
虽然目前 Optimus 还不完(wan)美，速度还有点慢，但我们看(kan)到了越(yue)来(lai)越(yue)高的(de)成功(gong)率和越(yue)来(lai)越(yue)少的(de)失误。特斯拉还训(xun)练(lian) Optimus 从失败案例中恢复，并看(kan)到了自(zi)发的(de)校(xiao)正发生。
特斯拉已经在一家工厂部署(shu)了几台 Optimus 人形机(ji)器人，它们每天都在真(zhen)实的(de)工作站上进行测试，并持续改进。
团队正在进行进一步的(de)工作，以使 Optimus 移动更快，以及(ji)应对更恶劣的(de)地(di)形，同时不牺牲它的(de)人性化特性。团队还将专(zhuan)注于可(ke)重复性、训(xun)练(lian)神经网络处理动态校(xiao)准和机(ji)器人之间的(de)微小差异。很快会(hui)有更多的(de)更新。
此(ci)外(wai)，英伟达高级研究科学家、AI Agents 负责人 Jim Fan 对 Optimus 新视频展示(shi)出的(de)技能给予了很高的(de)评(ping)价。
他认为，视频让我们窥见了人类数据收集的(de)真(zhen)实场景，这是 Optimus 最大的(de)优势。建立这样的(de)流水线需要(yao)什么呢？Optimus 做到了以下几点：
Optimus 的(de)手是世界上顶级五指灵巧(qiao)型机(ji)器人手之一，它具(ju)有触觉感知(zhi)，拥有 11 个自(zi)由度（DOF），相比(bi)之下许(xu)多竞品只有 6-7 个 DOF，并且具(ju)有强大的(de)稳(wen)健性，能够在不需要(yao)持续维护的(de)情况下承受大量的(de)物体交互(hu)。
远程操作软件：我们可(ke)以看(kan)到人类操作员戴(dai)着 VR 眼(yan)镜和手套(tao)。设置软件以实现第一人称视频的(de)实时传(chuan)输和精确控制输出，同时保持极低(di)延迟(chi)，这是非常了不起的(de)。人类对于自(zi)己动作和机(ji)器人动作之间的(de)最微小延迟(chi)都非常敏感。Optimus 有一个流畅的(de)全身控制器，可(ke)以实时执行人类姿态。
大规(gui)模 fleet：你需要(yao)不止一个机(ji)器人来(lai)并行收集数据，需要(yao)训(xun)练(lian)有素的(de)人类每天进行多次轮班（最好全天候），以及(ji)一个随叫随到的(de)维护团队，以确保机(ji)器人始终处于忙碌状态。这是学术研究实验室(shi)甚(shen)至都不会(hui)考虑的(de)大量操作复杂性。
任务与环境：弄清楚要(yao)远程操作什么也同样重要(yao)。目前，大多数此(ci)类工作都是由演示(shi)驱动的(de)：收集你想要(yao)放入社交媒(mei)体视频中的(de)任务数据。但想要(yao)解决通用型机(ji)器人的(de)问题，我们需要(yao)仔细考虑任务和环境的(de)分布。从视频的(de) 43 秒到 51 秒部分，我们可(ke)以看(kan)到工厂和家居环境，如移动电池、处理洗衣物、将日常物品分类放入货架。
这是一个开(kai)放性的(de)研究问题：如果你只有预算(suan)来(lai)收集 1000 个任务的(de)训(xun)练(lian)数据，你会(hui)选择什么来(lai)最大化技能转移和泛(fan)化呢？
结论：远程操作是解决人形机(ji)器人问题的(de)必要(yao)条件，但不足以充分解决问题。它从根本上来(lai)说无法扩展。
在评(ping)论区，马斯克预告了 Optimus 人形机(ji)器人手部的(de)最新目标，在今年晚些时候将拥有 22 自(zi)由度（DoF）。这就更让人期待一波了。
此(ci)前，据马斯克在财(cai)报电话会(hui)议上透露，特斯拉 Optimus 人形机(ji)器人可(ke)能会(hui)在今年底拥有完(wan)成「有用的(de)工厂任务」的(de)能力，并计划今年底前在自(zi)家工厂率先使用。同时特斯拉有可(ke)能在 2025 年年底前对外(wai)销售 Optimus。
特斯拉人形机(ji)器人「进化史」
特斯拉人形机(ji)器人最早要(yao)追(zhui)溯到 2021 年 8 月的(de)「特斯拉 AI 日」活动上，当时马斯克首(shou)次透露了要(yao)造人形机(ji)器人（Tesla Bot）的(de)设想。
这款人形机(ji)器人的(de)身高大概是 1.72 米，重约 112 斤，身材匀称，还带有一张面部屏幕，能够以约 8 公里 / 小时的(de)速度移动。
2022 年 10 月，这一年的(de)「特斯拉 AI 日」上，Optimus 人形机(ji)器人首(shou)次亮相。彼时，它还不能做跳舞等花样表演。机(ji)器人工作时的(de)功(gong)耗是 500W，重量达到 73 公斤，手运(yun)动的(de)自(zi)由度有 27 个。
不过，在 Demo 演示(shi)中，Optimus 展示(shi)了其搬箱子、浇花、在特斯拉超级工厂工作的(de)画面。
2023 年 5 月，经过半(ban)年多的(de)蛰伏，特斯拉 Optimus 终于具(ju)备了流畅行走和抓取物体的(de)能力。
2023 年 9 月，特斯拉 Optimus 再次进化，可(ke)以自(zi)主对物体进行分类了，亮点在于神经网络完(wan)全端(duan)到端(duan)训(xun)练(lian)：输入视频、输出控制。闲暇之余，它还能做瑜伽消(xiao)遣。
2023 年 12 月，Optimus 二代到来(lai)，让人的(de)确看(kan)到了电影(ying)《机(ji)械公敌》里的(de)样子了。
随着新视频的(de)发布，特斯拉人形机(ji)器人的(de)进步速度再次令人惊叹。
本文来(lai)源：机(ji)器之心，原文标题：《特斯拉Optimus人形机(ji)器人进厂打工，娴熟分装电池、自(zi)我矫正，还能走更远了》
*免责声(sheng)明：文章(zhang)内(nei)容仅供参考，不构成投资建议
*风险提示(shi)：股市有风险，入市需谨慎