通用机器人里程碑？谷歌展示全球首个多任务AI智能体

机器人正迅速成为我们日常生活的一部分，但它们通常只用于特定任务。虽然人工智能领域的最新进展可以使机器人在许多方面发挥作用，但全球在通用机器人制造方面的进展仍然较慢，部分原因是收集真实世界的训练数据需要大量的时间。近日，谷歌旗下AI团队DeepMind的最新研究或可解决该领域面临的这一“痛点”。

美东时间6月20日，DeepMind展示了用于机器人的AI智能体RoboCat。DeepMind称其为全球首个能解决和适应多重任务的智能体。更重要的是，RoboCat是一个可以自我改进的AI代理，其可以操作不同的机械臂，而且只需最少100次演示即可解决任务，并从其自生成的数据中进行改进。

谷歌展示全球首个多任务AI智能体

谷歌旗下AI团队DeepMind的最新论文介绍了一种能够进行自我改进的AI代理，本质上是由AI赋能的软件程序，相当于机器人的“大脑”，由其加持的机器人与传统机器人不同之处在于，RoboCat更具“通用性”，并可实现自我改进、自我提升。

图片来源：DeepMind截图

DeepMind在之前的研究中探索了如何开发支持大规模学习多任务的机器人，并将语言模型理解与辅助机器人的现实世界能力相结合。这个名为RoboCat的机器人智能体是全球首个能解决和适应多重任务的AI智能体，能够学习在不同的机械臂上执行各种任务，然后自我生成新的训练数据来对其进行改进。

RoboCat的学习速度比其他先进模型快得多——只需要通过100次左右的演示，RoboCat就可以学会操控机械臂来完成各式各样的任务，然后通过自生成的数据来进行迭代改进。这种能力将有助于加速机器人研究，因为这减少了对人类监督训练的需求，也是创造通用机器人的重要一步。

DeepMind的研究科学家、RoboCat团队的共同作者Alex Lee表示，“我们证明，一个大模型可以解决多个真实机器人承载的各种任务，并能迅速适应新的任务。”

据DeepMind，RoboCat基于其多模态模型Gato（西班牙语“猫”的意思），它可以在模拟和物理环境中处理语言、图像和动作。DeepMind将Gato的架构与一个大型训练数据集结合并起来，该数据集由各种机器人手臂的图像序列和动作组成，可以解决数百种任务。

在DeepMind演示视频中，RoboCat已经可以通过自主学习操控机械臂，完成“套圈”“搭积木”“抓水果”等任务。这些任务看似简单，但考验了机械臂操作的精准度、理解力以及对于形状匹配难题的解决能力。目前RoboCat完成一项新任务的成功率已经在初期36%的基础上提升了一倍。

图片来源：DeepMind截图

基于原始数据集和新训练产生的数据，RoboCat的数据集将包含数百万次的训练轨迹数据。它学习的新任务越多，它就能更好地学习和解决额外的新任务。DeepMind的论文认为，执行任务成功率的大幅提升，是由于RoboCat的经验越来越丰富，就像人们在特定领域加深学习时发展出更多样化的技能一样。RoboCat独立学习技能和快速自我完善的能力，特别是当应用于不同机器人设备时，将有助于为未来的研究铺平道路。

图片来源：DeepMind截图

具身智能将引领AI下一个浪潮

《每日经济新闻》记者注意到，目前在机器人领域，包括特斯拉、谷歌、亚马逊、英伟达、腾讯等巨头已经有所布局。然而，正如DeepMind上述论文指出，由于训练机器人需要大量的时间，因此智能化水平仍不足，难以实现大规模的商业化。而RoboCat的问世或许能解决这一“痛点”。

其实，DeepMind的RoboCat只是AI赋能机器人的主要案例之一。今年以来，已经有数家公司将语言模型运用到了机器人上：2023年年初，谷歌推出视觉语言模型PaLM-E，并运用到工业机器人上；4月，阿里巴巴将千问大模型接入工业机器人；5月，特斯拉人形机器人Optimus展示了精准的控制、感知能力，同月，英伟达发布全新自主移动机器人平台。

得益于此，人工智能加持的机器人化身具身智能（Embodied Intelligence）吸引了全球的广泛关注。

马斯克在特斯拉2023年股东大会上便表示，人形机器人将是今后特斯拉主要的长期价值来源，“如果人形机器人和人的比例是2比1左右，那么人们对机器人的需求量可能是100亿乃至200亿个，远超电动车的数量”。英伟达创始人黄仁勋在ITF World 2023半导体大会上也表示，AI下一个浪潮将是“具身智能”。

图片来源：东吴证券研报截图

东吴证券研报指出，具身智能首先需要听懂人类语言，分解任务、规划子任务，移动中识别物体，与环境交互，最终完成任务。东吴证券认为人形机器人很好地契合了具身智能的要求，有望成为标杆应用。“机器人研究的关键在于让机器人适应人类环境，最终走进千家万户的生活（工业、餐饮、医疗等多领域）。人形机器人有望率先在B端上量，最终打开C端市场。远期市场空间可观。”

东吴证券预计，2035年，假设人形机器人价格为20万元，且照顾、陪伴功能分别为美国/欧洲/亚洲市场累计新增了5%/7%/4%的渗透率，即单年渗透率分别为1%/1.4%/0.8%。在较悲观/中性/较乐观的场景中，家庭场景的市场规模将分别达到3.00万亿/3.66万亿/4.26万亿元。