全球首個！谷歌旗下DeepMind展示用于通用機器人的AI智能體RoboCat：僅需100次訓練便能完成任務，還能自我改進提升

每經記者｜蔡鼎    每經編輯｜蘭素英    

機器人正迅速成為我們日常生活的一部分，但它們通常只用于特定任務。雖然人工智能領域的最新進展可以使機器人在許多方面發揮作用，但全球在通用機器人制造方面的進展仍然較慢，部分原因是收集真實世界的訓練數據需要大量的時間。近日，谷歌旗下AI團隊DeepMind的最新研究或可解決該領域面臨的這一“痛點”。

美東時間6月20日，DeepMind展示了用于機器人的AI智能體RoboCat。DeepMind稱其為全球首個能解決和適應多重任務的智能體。更重要的是，RoboCat是一個可以自我改進的AI代理，其可以操作不同的機械臂，而且只需最少100次演示即可解決任務，并從其自生成的數據中進行改進。

谷歌展示全球首個多任務AI智能體

谷歌旗下AI團隊DeepMind的最新論文介紹了一種能夠進行自我改進的AI代理，本質上是由AI賦能的軟件程序，相當于機器人的“大腦”，由其加持的機器人與傳統機器人不同之處在于，RoboCat更具“通用性”，并可實現自我改進、自我提升。

圖片來源：DeepMind截圖

DeepMind在之前的研究中探索了如何開發支持大規模學習多任務的機器人，并將語言模型理解與輔助機器人的現實世界能力相結合。這個名為RoboCat的機器人智能體是全球首個能解決和適應多重任務的AI智能體，能夠學習在不同的機械臂上執行各種任務，然后自我生成新的訓練數據來對其進行改進。

RoboCat的學習速度比其他先進模型快得多——只需要通過100次左右的演示，RoboCat就可以學會操控機械臂來完成各式各樣的任務，然后通過自生成的數據來進行迭代改進。這種能力將有助于加速機器人研究，因為這減少了對人類監督訓練的需求，也是創造通用機器人的重要一步。

DeepMind的研究科學家、RoboCat團隊的共同作者Alex Lee表示，“我們證明，一個大模型可以解決多個真實機器人承載的各種任務，并能迅速適應新的任務。”

據DeepMind，RoboCat基于其多模態模型Gato（西班牙語“貓”的意思），它可以在模擬和物理環境中處理語言、圖像和動作。DeepMind將Gato的架構與一個大型訓練數據集結合并起來，該數據集由各種機器人手臂的圖像序列和動作組成，可以解決數百種任務。

在DeepMind演示視頻中，RoboCat已經可以通過自主學習操控機械臂，完成“套圈”“搭積木”“抓水果”等任務。這些任務看似簡單，但考驗了機械臂操作的精準度、理解力以及對于形狀匹配難題的解決能力。目前RoboCat完成一項新任務的成功率已經在初期36%的基礎上提升了一倍。

圖片來源：DeepMind截圖

基于原始數據集和新訓練產生的數據，RoboCat的數據集將包含數百萬次的訓練軌跡數據。它學習的新任務越多，它就能更好地學習和解決額外的新任務。DeepMind的論文認為，執行任務成功率的大幅提升，是由于RoboCat的經驗越來越豐富，就像人們在特定領域加深學習時發展出更多樣化的技能一樣。RoboCat獨立學習技能和快速自我完善的能力，特別是當應用于不同機器人設備時，將有助于為未來的研究鋪平道路。

圖片來源：DeepMind截圖

具身智能將引領AI下一個浪潮

《每日經濟新聞》記者注意到，目前在機器人領域，包括特斯拉、谷歌、亞馬遜、英偉達、騰訊等巨頭已經有所布局。然而，正如DeepMind上述論文指出，由于訓練機器人需要大量的時間，因此智能化水平仍不足，難以實現大規模的商業化。而RoboCat的問世或許能解決這一“痛點”。

其實，DeepMind的RoboCat只是AI賦能機器人的主要案例之一。今年以來，已經有數家公司將語言模型運用到了機器人上：2023年年初，谷歌推出視覺語言模型PaLM-E，并運用到工業機器人上；4月，阿里巴巴將千問大模型接入工業機器人；5月，特斯拉人形機器人Optimus展示了精準的控制、感知能力，同月，英偉達發布全新自主移動機器人平臺。

得益于此，人工智能加持的機器人化身具身智能（Embodied Intelligence）吸引了全球的廣泛關注。

馬斯克在特斯拉2023年股東大會上便表示，人形機器人將是今后特斯拉主要的長期價值來源，“如果人形機器人和人的比例是2比1左右，那么人們對機器人的需求量可能是100億乃至200億個，遠超電動車的數量”。英偉達創始人黃仁勛在ITF World 2023半導體大會上也表示，AI下一個浪潮將是“具身智能”。

圖片來源：東吳證券研報截圖

東吳證券研報指出，具身智能首先需要聽懂人類語言，分解任務、規劃子任務，移動中識別物體，與環境交互，最終完成任務。東吳證券認為人形機器人很好地契合了具身智能的要求，有望成為標桿應用。“機器人研究的關鍵在于讓機器人適應人類環境，最終走進千家萬戶的生活（工業、餐飲、醫療等多領域）。人形機器人有望率先在B端上量，最終打開C端市場。遠期市場空間可觀。”

東吳證券預計，2035年，假設人形機器人價格為20萬元，且照顧、陪伴功能分別為美國/歐洲/亞洲市場累計新增了5%/7%/4%的滲透率，即單年滲透率分別為1%/1.4%/0.8%。在較悲觀/中性/較樂觀的場景中，家庭場景的市場規模將分別達到3.00萬億/3.66萬億/4.26萬億元。

封面圖片來源：視覺中國-VCG41N1356593648