- Feagine Robotics 推出 Fi0 跨實體基礎模型以保持任務知識。
- 三款腱驅動柔性操作器提供不同長度和自由度以測試新理念。
- Fi0 能減少機器人遇到新任務時的再訓練需求。
- 未來機器人可能會專注於多種專用身體而非通用機器。
大多數機器人人工智能系統存在一種尷尬的依賴關係。當更換機器人時，控制它的智能也可能需要隨之改變。而 Feagine Robotics 則採取了不同的做法。該公司推出了 Fi0，一種跨實體基礎模型，旨在保持不同物理結構機器人之間的任務知識。與此同時，Feagine 還推出了三款以腱驅動的柔性操作器，分別為 A01、A02 和 A03，提供不同的長度、段數和自由度，以測試這一理念。
隨著機器人技術超越標準化的工業臂，這一根本問題變得愈加重要。對跨實體學習的研究已顯示，讓模型接觸到更具多樣性的機器人身體可以提高其對不熟悉機器的概括能力。
機器人技術的挑戰
機器人的物理結構決定了它能實際執行的操作。擁有兩段的手臂，其可達工作空間與擁有三段的手臂有所不同。更長的操作器能以短的操作器無法達到的角度接近物體。而柔性、持續彎曲的手臂則引入了另一層複雜性，因為其形狀在運行過程中會發生變化。Feagine 的三款操作器旨在使這些差異系統化。A01 具有一個柔性段和兩個自由度，重量為 750 克，承載 200 克的有效載荷。
A02 具有兩段、四個自由度，承載 400 克的有效載荷，而 A03 則具有三段、6+1 個自由度，臂長 50 釐米，承載 600 克的有效載荷。
跨實體智能的核心理念
Fi0 並不將每個機器人視為完全獨立的機器，而是將其物理結構和當前狀態作為生成行動所需信息的一部分。這正是“跨實體”智能的核心理念。即使完成任務的物理方法發生改變，任務本身仍然可以保持不變。Feagine 也希望 Fi0 能減少在機器人遇到不熟悉任務時所需的再訓練量。根據該公司的説法，如果 Fi0 遇到超出其現有能力的任務，人類可以提供一次示範。該模型會利用這次示範作為推理時的上下文，而不是通過另一輪訓練週期來更新其參數。
例如，人類可以示範如何將物體從一個位置移動到另一個位置。重要的信息不一定是人類手部的精確軌跡。該模型則試圖提取任務的物體、順序、重要接觸事件及所需的最終狀態。然後，機器人需要找出如何使用自己的身體來完成相同的任務。這一方法反映了機器人研究的更廣泛方向，即越來越多的基礎模型被開發出來，以便在不同的機器人實體之間共享知識，而不是為每個機器學習孤立的政策。
Feagine 有意使用柔性腱驅動的操作器來探索這一概念。傳統的機器人手臂在機械描述上相對簡單：其關節位置和運動範圍都是明確的。柔性操作器則可以持續彎曲、改變形狀並靈活地與周圍環境互動。這意味著機器人的物理配置成為人工智能必須理解的問題的一部分。因此，Fi0 的架構包含有關機器人形態學、感知、驅動和當前狀態的信息。Feagine 將這一表徵稱為實體圖（Embodiment Graph）。
該模型還包括旨在理解物理環境、解釋示範和預測不同動作後可能發生的情況的組件。該公司將這一組合稱為柔性體現智能。
未來機器人技術的方向
更廣泛的意義在於，機器人技術最終可能不會朝著一個通用機器的方向發展。不同的環境可能偏好非常不同的身體：用於精密製造的剛性手臂、用於精細互動的柔性操作器、用於狹小空間的專用機器以及用於危險環境的完全不同的平台。如果智能層能夠在這些之間轉移，那麼硬件將不再需要承擔整個通用性的負擔。
人形機器人吸引了大量的關注，因為人類的環境已經圍繞著人類的尺寸和能力設計。然而，通用智能並不一定需要人形的身體。Feagine 的方法顛覆了這一假設。不再問“哪一種身體可以做所有事情？”，而是問“一種智能是否能操作多種專用身體”。Fi0 仍然是一個早期的系統，該公司的主張最終需要在更廣泛的硬件、任務和現實環境中進行驗證。但這一概念解決了體現人工智能中的一個真正瓶頸，即確保通過一個機器人積累的智能不會在硬件改變時變得無用。
如果這一問題能夠得到解決，未來的機器人技術可能並不是一個通用的機器，而是越來越多的專業機器共享著不斷增強的智能層。
Fi0 如何解決機器人智能的瓶頸
Feagine Robotics 的 Fi0 模型代表了一種新思維，旨在解決機器人智能在硬件更換時的依賴問題。這一方法不僅保留了不同機器人之間的知識，還減少了在面對新任務時的再訓練需求。隨著機器人技術的進步，未來可能會出現多種專用機器，這些機器能夠共享智能層，從而提高整體效率。這一發展可能會改變我們對機器人設計和應用的理解，促進更靈活的智能應用。