四足机器人遭链锯攻击仍能继续行动，展现超强适应能力

快速阅读: 初创公司Skild AI开发出一种名为“全身体脑”的通用人工智能算法，使机器人能在极端条件下如失去肢体时仍能适应并完成任务，代表了机器人技术的重大进展。

一款四足机器人即使所有四肢被链锯切断仍能继续爬行，这场景对大多数人来说如同噩梦。然而，对于初创公司Skild AI的联合创始人兼首席执行官Deepak Pathak而言，这种适应能力是向新一代更通用型机器人智能迈出的重要一步。“我们称之为全身体脑，”Pathak告诉我。他的团队开发了一种通用的人工智能算法，旨在应对机器人技术发展的关键挑战：“任何机器人，任何任务，一个大脑。其通用性令人难以置信。”

许多研究人员认为，如果能够收集到足够的训练数据，控制机器人的AI模型可能会经历一次深刻的飞跃，类似于催生语言模型和聊天机器人的那次进步。AI控制的机器人能够适应新的极端情况，比如失去肢体。现有的训练机器人AI模型的方法，例如通过远程操作或模拟让算法学习控制特定系统，并不能产生足够的数据，Pathak表示。

Skild的方法是让单一算法学会控制大量不同类型的物理机器人，涵盖广泛的任务。随着时间推移，这种方法产生了一个模型，公司称其为Skild Brain，具有更强的适应不同物理形态的能力——即使是从未见过的形态。研究人员还为学术论文创建了该模型的一个较小版本，称为LocoFormer。

该模型设计为能够快速适应新环境，例如缺失的腿或危险的新地形，利用所学知识应对新的困境。Pathak将这种方法比作大型语言模型如何通过分解问题并在自己的上下文窗口中反馈思考过程来解决特别具有挑战性的问题——这一方法被称为上下文学习。

包括丰田研究所和竞争对手初创公司Physical Intelligence在内的其他公司也在竞相开发更通用的机器人AI模型。然而，Skild的独特之处在于它构建的模型能够跨越如此多不同种类的硬件实现通用化。

LocoFormer通过大规模强化学习在各种程序生成的机器人上进行训练，采用了激进的领域随机化。在一个实验中，Skild团队训练他们的算法控制不同形状的多个行走机器人。当该算法应用于实际的两足和四足机器人（这些系统未包含在训练数据中）时，能够控制它们的运动并让它们四处走动。

在某个时刻，团队发现运行公司全身体脑的四足机器人在后腿着地时会迅速适应。由于它感觉到地面在其后腿下方，算法就像操作类人机器人一样操作这只机器狗，让它像人一样用后腿漫步。

LocoFormer通过在线经验持续学习。策略可以从早期试验中的跌倒中学习，以改进后续的控制策略。通用算法还能适应机器人形状的极端变化——例如，当其腿部被绑在一起、切除或延长时。团队还尝试关闭四足轮腿混合机器人的两个电机，机器人能够通过像不稳定自行车一样平衡在两个轮子上进行适应。

面对重大干扰——如形态变化、电机故障或重量变化——LocoFormer可以重建这些表征以实现在线适应。Skild正在测试相同的方法用于机器人操控。他们在一系列模拟的机械臂上训练Skild Brain，发现所得模型能够控制不熟悉的硬件，并适应环境的突然变化，如光照减少。Pathak说，公司已经与一些使用机械臂的企业合作。2024年，公司在一轮融资中筹集了3亿美元，估值达到15亿美元。

Pathak表示，虽然这些成果可能让某些人感到毛骨悚然，但对他个人而言，这展示了机器人物理超级智能的火花。“这对我来说非常激动人心，伙计，”他说。

您如何看待Skild的多功能机器人脑？请发送电子邮件至ailab@wired.com分享您的看法。这是Will Knight的AI Lab通讯的一期。往期通讯可在此处查看。

(以上内容均由Ai生成)