英伟达发布支持少量示范学习的机器人模型
英伟达发布人形机器人动作模型 GR00T 2,据其公布的数据,50 项任务的平均成功率在每项提供一次示范时为 71%,五次时为 95%,具体任务清单未公开。Isaac Lab 3.0 在视觉灵巧操作基准中的训练吞吐量约为 2.3 版的 2.5 倍。
AI 深度解读
在奥斯汀举行的 CoRL 上,NVIDIA 发布了面向人形机器人的开放世界动作模型 GR00T 2。按 NVIDIA 公布的数据,每项任务只看一次示范,模型在 50 项任务上的平均成功率是 71%,五次示范提高到 95%。
作者据此提出,教机器人做新任务的主要开销,可能从写运动控制代码转向采集示范和验证结果。同一时期,SoftBank 加码机器人公司 Agile Robots,Atlas 也首次公布了汽车行业以外的客户。三件事放在一起看,最值得拆开的是,实验里少做几次示范,离工厂里少花多少钱还有多远。
一次示范拿到 71%,测的是哪些任务?
GR00T 2 建立在 NVIDIA 的世界基础模型 Cosmos 上,目标是让同一个底层模型适应不同形态的机器人和不同环境。以往要教机器人做一件新事,一条路是由工程师编写运动控制器,另一条路是收集数千次示范,训练针对这项任务的模型。GR00T 2 试图复用基础模型已经学到的能力,让人类示范只需补充新任务的信息。
71% 和 95% 都来自 NVIDIA。原文说,评估任务来自一个预筛选范围,入选任务在五个评估回合(episode)下可达到 80% 以上的成功率。这里有两个容易混淆的计数,回合是评估时的尝试,示范是机器人事先看到的操作样例。50 项任务的清单没有公布,读者无法从平均值判断哪些任务容易学、哪些任务经常失败。
NVIDIA 随模型推出了与 RLWRLD、UC Berkeley 合作开发的开放基准 DexBench 和 VABAR,为外部研究者提供了验证路径。NVIDIA 还列出 Foxconn、Siemens、Nexuni 和 MicroAGI 等早期采用者。原文没有给出这些企业的现场成功率。
仿真快 2.5 倍,省下的是哪一笔?
采用新物理引擎 Newton 的 Isaac Lab 3.0,在视觉驱动的灵巧操作基准中,训练吞吐量达到 Isaac Lab 2.3 的 2.5 倍。吞吐量衡量的是单位时间能推进多少训练。对需要反复模拟抓取和操作的团队,训练跑得更快,同样的时间里就能多试几轮。
作者把这项进展和少量示范放在一起看。训练平台加快迭代,基础模型减少每个任务所需的示范,两个环节都可能省工。按作者的设想,如果五次示范能在一小时内采完,工程成本的重心就可能转向采集和验证。原文没有给出实际采集工时,也没有量化仿真加速能为现场调试省下多少时间。
融资和晶圆厂试验说明了什么?
11 月 5 日,中国国家发展和改革委员会(NDRC)叫停了 SoftBank 以 54 亿美元收购 ABB 机器人业务的交易。11 月 12 日,SoftBank 宣布领投 Agile Robots 的 5 亿美元 F 轮融资,公司估值达 85 亿美元。NVIDIA 和 Hitachi Group 也参与了这一轮,累计投入资本达 20 亿美元。相比 SoftBank 在 2021 年参与 C 轮时略高于 10 亿美元的估值,五年间约涨到 8 倍。按原文描述,这家慕尼黑公司已有付费客户,并在德国和美国扩产。
11 月 17 日,Boston Dynamics 与 GlobalFoundries 宣布,Atlas 将于 2027 年初在后者的半导体工厂启动试验。这是 Atlas 首个公开确认的非汽车行业客户。初期工作包括研讨、梳理系统集成和筛选任务,自主运行排在这些工作之后。双方还计划把 Spot 扩展到纽约州、佛蒙特州、德国和新加坡的设施。晶圆厂的精度要求和用工成本,让这项试验有了明确的商业问题,但原文还没有试验结果。
我的判断
少样本示范最有说服力的地方,是把一部分开发工作变成操作人员能参与的数据采集。对经常换任务的工位,这值得和现有运动控制方案放在一起算账。对动作固定、已有成熟控制程序的工位,我会优先比较现场失败率、人工接管和维护工时。如果一次失败就要停线,平均成功率再好看,也得单独查故障最集中的任务。
作者没有提供人工编程、任务专用训练和少量示范之间的端到端成本对照。「编程机器人的经济账变了」目前仍是基于基准结果的推断。融资说明投资者愿意下注,晶圆厂试验提供了检验落地成本的场景,这笔账要等现场数据来算。
能拿来做什么
- 做 AI 编程评估时,给同一批前端或 Node 任务分别提供一个和五个示例,用相同的测试和验收条件比较通过率,把示例准备和返工时间也记进去。
- 选试点任务时,把常见任务和容易失败的边界任务都留在评估集里,逐项记录失败原因,避免平均通过率掩盖高代价错误。
- 给团队做上线评估时,把吞吐量、演示成功率和实际运行指标分开记录。基准跑得更快之后,再看人工接管次数和交付总耗时有没有下降。