“机器人健身房”：训练机器应对现实世界

{"text":[[{"start":9.23,"text":"机器人实验室正投入数十亿美元，以生成训练机器所需的真实世界数据，试图弥补数据不足阻碍“物理AI”初创企业发展的缺陷。"}],[{"start":19.41,"text":"与通过抓取大量互联网内容来开发系统的AI模型开发商不同，训练材料匮乏已成为机器人公司面临的严重瓶颈。这些公司所需的数据集比文本模型所需的数据集更加多样、复杂。"}],[{"start":35.01,"text":"Generalist、Physical Intelligence、Neura和Skild等公司正在利用外部数据供应商，搭建起自己的所谓“机器人健身房”，配备双手操作机械臂。这些机械臂由人工操作，用于完成各种物理任务，之后可被机器人模仿执行。"}],[{"start":53.06999999999999,"text":"一些初创企业还将录制设备运往全球数千家工厂、家庭、办公室和度假出租屋，用于拍摄人们完成任务时的第一人称视频，从而收集数百万小时的这种“第一视角”数据。"}],[{"start":65.91999999999999,"text":"数据供应商Scale AI的机器人业务运营主管乔•小福克斯(Joe Fox Jr)表示：“我们没有互联网可供下载数据，也没有大型语料库供模型开发者使用。这是一场争夺最佳数据的军备竞赛。”"}],[{"start":79.86999999999999,"text":"据PitchBook数据，机器人公司和物理AI实验室在年初至今筹集近480亿美元后，正加大推进这些高成本项目的力度，使其成为AI热潮中最受风险资本投资者关注的新兴领域之一。这笔资金中有相当大一部分将用于购买生成数据所需的设备和工具。"}],[{"start":100.69999999999999,"text":"数据公司正借助市场对物理AI的热情获利。本周，初创公司Mecka宣布已从包括英伟达(Nvidia)和红杉(Sequoia)在内的投资者那里筹集6000万美元。"}],[{"start":null,"text":"

"}],[{"start":113.05999999999999,"text":"加州大学伯克利分校(UC Berkeley)教授、Ambi Robotics联合创始人肯•戈德堡(Ken Goldberg)表示，尽管大型语言模型已证明能够利用从网络抓取的数据实现“非凡成就”，但这对于机器人技术而言还不够。"}],[{"start":126.44999999999999,"text":"他说：“这完全是一个需要用稀缺数据从头训练的新事物。”"}],[{"start":131.54,"text":"Physical Intelligence是一家初创公司，去年11月以56亿美元估值融资6亿美元。该公司已在旧金山多处爱彼迎(Airbnb)房源中测试其机器人，旨在评估其模型应对不同环境的能力。"}],[{"start":146.32,"text":"人形机器人公司Figure于8月公布了一项计划，向在家中录制自己执行任务的人付费。目前，约有4.4万名活跃用户在家中和工作场所录制自己执行任务，平均每项任务获得约94美分报酬。"}],[{"start":162.35,"text":"这家总部位于硅谷的公司计划在12个月内投入超过10亿美元，用于购买生成训练数据所需的服务和算力。"}],[{"start":171.29999999999998,"text":"Encord、Scale AI及其他几家数据公司，凭借向OpenAI和Anthropic等AI实验室提供用于训练大型语言模型的标注数据而建立了声誉。如今，这些公司正在美国、墨西哥以及亚洲部分地区（包括中国和印度尼西亚）开设机器人健身房或“数据工厂”。"}],[{"start":191.94,"text":"机器人技术所需的数据类型比驱动谷歌(Google)的Gemini、OpenAI的ChatGPT和Anthropic的Claude的大型语言模型更加多样。构建物理AI系统需要视频素材和硬件，以生成能够感知深度并准确计算完成特定任务所需力度的数据。"}],[{"start":210.65,"text":"机器人实验室也在寻求利用模拟技术（包括所谓的世界模型）来弥补数据方面的不足。"}],[{"start":null,"text":" "}],[{"start":217.93,"text":"伯克利的戈德堡及其团队正在探索利用AI编码工具帮助机器人改进。多家公司也报告称，在“情境学习”方面取得了进展：由人类演示一项任务，再由机器人加以复制。"}],[{"start":232.22,"text":"那些转向低成本劳动力市场、为AI模型标注数据的数据标注公司，如今仍在机器人领域采取同样做法。"}],[{"start":241.14,"text":"Scale在墨西哥城开设了一家数据工厂；Xdof则已从包括安德里森-霍洛维茨(Andreessen Horowitz)和Thrive Capital在内的风险投资公司筹集7000万美元，并在中国深圳和印度尼西亚首都雅加达设有工厂。"}],[{"start":255.16,"text":"根据Glassdoor的数据以及物理AI实验室的招聘信息，美国机器人操作员的时薪约为25美元，几乎是墨西哥同行的两倍。"}],[{"start":264.90999999999997,"text":"Xdof首席执行官Philipp Wu表示，鉴于美国高昂的劳动力成本，以及物理AI实验室所需处理的数据量，在美国开展这项工作并不划算。"}],[{"start":275.63,"text":"Philipp Wu说：“理想的情况是最大限度地提高多样性……在各种地方收集（数据）。这样，机器人置于新环境时，就能进行泛化。”"}],[{"start":286.73,"text":"Encord联合创始人兼总裁乌尔里克•斯蒂格•汉森(Ulrik Stig Hansen)说，物理AI实验室正借助第三方生成海量数据。不过，在与这些数据供应商签约之前，机器人实验室必须先在内部开展实验，以确定某项具体任务或某类数据在多次复制后是否有用。"}],[{"start":306.22,"text":"一些运营商正在利用全球南方国家的工厂，其中包括印度古尔冈的工厂；在那里，工人被要求佩戴录制设备，而且通常没有额外报酬。"}],[{"start":316.62,"text":"一家数据标注公司的高管表示：“我们谈论的是在真正的血汗工厂里拍摄。即便这种做法没有这么令人反感，我也怀疑这些数据本身是否有用。”"}],[{"start":329.12,"text":"一些机器人公司表示，对于使用第三方数据持谨慎态度。旧金山一家领先物理AI实验室的一名高管说：“对我们最有用的数据，是我们自己收集的数据。我们实际上几乎所有事情都在内部完成，因为把事情做好非常重要。”"}],[{"start":347.4,"text":"一些公司希望复制推动大型语言模型取得进展的“规模定律”。也就是说，机器人模型摄入的数据越多，输出结果就越好。机器人初创公司Dyna在最近发表的一篇论文中表示，在使用长达100万小时的第一视角视频训练其模型时，公司观察到模型输出有所改善。"}],[{"start":369.21999999999997,"text":"所需数据量之大，意味着物理AI实验室的支出预计还将持续一段时间。"}],[{"start":375.51,"text":"伯克利的戈德堡补充说：“无法保证生成大量数据就一定会带来回报。眼下这只是一种直觉，但很多人愿意为此付费。”"}]],"url":"https://audio.ftcn.net.cn/album/a_1791622127_3387.mp3"}