Share - WeChat
据媒体报道
近日
OpenAI
解散独立机器人团队
相关研究人员
重新分配至其他部门
这一动作背后
引发具身智能赛道
技术路径讨论
再次裁撤机器人团队
这已经是OpenAI
第二次裁撤独立机器人团队
OpenAI创立初期
就曾设有机器人团队
但在2020年逐步解散团队
OpenAI方面后来称
当时
机器人领域可用数据有限
而通过其他技术路径
实现AGI的效率更高
2024年
OpenAI重启机器人业务
计划2027年
推出自研人形机器人
并公开演示
据媒体报道
这一次的调整
源于技术判断的变化
OpenAI发现
原本预计要靠
视频生成模型积累物理直觉
再迁移到机器人的路径
正在被通用大模型直接跳过
GPT-6 Astra等模型
已经展现出直接应用于
机器人领域的能力
在英伟达发布的
一项仿真测试中
由GPT-6 Astra
驱动的智能体
在机器人操作基准上
已经取得较高的成功率

也有媒体认为
除了技术原因外
经营压力也是导致OpenAI
放弃机器人团队的原因
此前
奥特曼已要求公司
放弃“砍掉一切支线任务”
将资源集中到核心业务
OpenAI则表示
机器人仍是
长期愿景的核心部分
只是研发逻辑
从“做专用模型”转向
“用通用模型赋能”
技术路线分化
OpenAI的选择
只是具身智能赛道的一个分支
Anthropic、谷歌
英伟达等企业
在过去一段时间
走出了不同的技术路径
Anthropic选择
将通用大模型的能力
延伸到物理场景
发布Fable 5.2模型
在双臂机器人仿真基准中
成功率达到64.9%
较上一代有明显提升
且模型可以控制
真实机械臂
完成拧瓶盖、解魔方、绘画等任务
谷歌走的是
“通用推理+专用动作”的协同路线
其发布的Gemini Robotics 2.5
专用模型
在200余项任务中成功率
相对提升30%至100%
执行速度加快20%至30%
英伟达则选择
开放式前沿世界模型
推出的GR00T 2模型
拥有开箱即用的
任务执行能力
在50项任务中
有40项
无需针对具体任务专门训练
即可直接完成
并能够将学到的技能
迁移到不同形态的机器人上
落地能力成关键
OpenAI的调整
让“通用模型会不会
淘汰专用具身模型”的讨论
再度升温
有媒体称
随着通用大模型的
空间理解、推理规划能力
持续增强
机器人控制最终会
成为通用智能的
一个下游应用
业内普遍认为
两条路线不是非此即彼
通用模型擅长
理解任务、规划步骤
可面对精密操作
力反馈控制
实时响应等物理世界的
“最后几个毫米的问题”
专用动作模型
依然有不可替代的价值
宇树科技创始人王兴兴判断
通用大模型带来的突破
值得重视
但机器人对物理世界的接触信息
仍缺乏足够准确的理解
与此同时
真实场景的
数据价值正在凸显
麻省理工学院教授
Walden Robotics联合创始人
兼首席执行官Russ Tedrake表示
AI实验室永远无法替代
工厂、家庭等真实场景积累的数据
基础模型能力越强
真实场景的经验数据就越珍贵
有业内人士认为
具身智能的竞争核心
将从实验室的基准跑分
转向真实产业的落地能力
谁能把模型能力、硬件本体
和场景数据结合起来
谁便能真正把物理AI
从演示推向规模化应用
2022年7月12日,世界互联网大会国际组织正式成立,从互联网领域的国际盛会发展为国际组织,总部设于中国北京。我们将致力于搭建全球互联网共商共建共享平台,推动国际社会顺应信息时代数字化、网络化、智能化趋势,共迎安全挑战,共谋发展福祉,携手构建网络空间命运共同体。