关于 1X 最新视频您想了解的一切

就在上个月，总部位于奥斯陆的 1X（原 Halodi 机器人技术）宣布了 1 亿美元的 B 轮融资，显然它一直在投入工作。 上周发布的新视频 显示了一个 [insert collective noun for humanoid robots here] EVE android-ish 移动操纵器在做什么 利用端到端神经网络的各种任务 （像素到动作）。 最重要的是，该视频似乎或多或少是一个诚实的视频：一次拍摄，以（适当的）1 倍速度，并且完全自主。 但我们仍然有疑问！ 1X 有答案。

如果像我一样，您在观看此视频后有一些非常重要的问题，包括该植物是否真的死了以及加权伴侣立方体的命运，您将需要阅读此问答 埃里克·张，副总裁 人工智能 1X。

拍了多少次才拍到这个镜头？

艾里克·张： 大约有 10 个持续时间超过一分钟的镜头； 这是我们第一次制作这样的视频，所以更多的是学习如何协调摄制组并设置拍摄看起来令人印象深刻。

您是否专门训练您的机器人处理软质物体和透明物体？

张： 没有！ 我们训练我们的神经网络来拾取各种物体——包括刚性的、可变形的和透明的物体。 因为我们从像素端到端地训练操作，所以拾取可变形物体和透明物体比经典的抓取管道容易得多，在经典的抓取管道中，你必须弄清楚你想要抓取的物体的确切几何形状。

是什么阻碍您的机器人更快地完成这些任务？

张： 我们的机器人从演示中学习，因此它们的运行速度与人类远程操作员演示任务的速度完全相同。 如果我们聚集展示我们移动速度更快的地方，机器人也会如此。

多少 加权同伴立方体 在制作该视频的过程中受到伤害吗？

张： 在 1X 时，加权同伴立方体没有权限。

这是一种非常酷的充电方法，但它似乎比直接与底座连接的某种驱动接口要复杂得多。 为什么要使用操纵呢？

张： 你是对的，这不是给机器人充电的最简单的方法，但如果我们要成功地完成我们的使命，建造能够操纵各种物体的通用且可靠的机器人，我们的神经网络就必须是至少能够完成这个任务。 另外，它还大大降低了成本并简化了系统！

那个蓝色的毛绒玩具应该是什么动物？

张： 我认为这是一条肥胖的鲨鱼。

该视频中有多少种不同的机器人？

张： 17？ 还有更多是静止的。

如何区分机器人？

张： 它们的底座上印有少量数字。

那株植物死了吗？

张： 是的，我们把它放在那里是因为 CGI/3D 渲染的视频不会遇到添加死植物的麻烦。

橱窗里的机器人面临着什么样的生存危机？

张： 它是 应该是 反复打开和关闭窗口（有利于测试统计显着性）。

如果其中一个机器人实际上是一个戴着头盔、穿着西装、拿着抓手、站在移动底座上的人类，我能分辨出来吗？

张： YouTube 视频上的这条评论让我感到非常受宠若惊：

但如果你观察一下上臂在肩膀处逐渐变细的区域，你就会发现，对于人类来说，在肩膀仍然如此宽阔的情况下，它太薄了，无法容纳在里面：

为什么你的机器人总是那么快乐？ 您是否计划用他们的脸做更复杂的 HRI（人机交互）？

张： 是的，更复杂的 HRI 内容正在酝酿之中！

您的机器人能够相互自主协作吗？

张： 敬请关注！

是个 倾斜四格骨牌 最困难的 四格米诺 用于机器人操作？

张： 接得好！ 是的，绿色的是其中最糟糕的，因为有很多有效的方法可以用夹具捏住它并将其举起。 在机器人学习中，如果有多种方法来拾取某物，实际上可能会混淆机器学习模型。 有点像要求汽车同时左转和右转以避开一棵树。

其他人的机器人都在煮咖啡。 你们的机器人可以煮咖啡吗？

张： 是的！ 我们原本计划在这段视频中加入一些咖啡制作作为复活节彩蛋，但咖啡机在电影拍摄前就坏了，结果在挪威不可能通过次日发货获得 Keurig K-Slim 。

1X 目前正在招聘 AI 研究人员（专业包括模仿学习、强化学习和大规模训练）和 Android 操作员（！），这实际上听起来是一个超级有趣的工作。 更多这里。