OpenAI大模型上身機器人，原速演示炸場!
網友緊急喊話波士頓動力
編輯部 發自 凹非寺
量子位 | 公眾號 QbitAI
OpenAI大模型加持的機器人，深夜來襲！
名曰Figure 01，它能聽會說，動作靈活。
能和人類描述眼前看到的一切：
我在桌子上看到了一個紅色的蘋果，瀝水架上面還有幾個盤子和一個杯子；然后你站在附近，手放在桌子上。
聽到人類說“想吃東西”，就馬上遞過去蘋果。
而且對于自己做的事有清楚認知，給蘋果是因為這是桌上唯一能吃的東西。
還順便把東西整理，能同時搞定兩種任務。
最關鍵的是，這些展示都沒有加速，機器人本來的動作就這么迅速。
（也沒人在后面操縱）
這下網友坐不住了，立馬@波士頓動力：
老伙計們，這家伙是真來勁兒了。咱得回實驗室，讓以前的機器人（波士頓動力）多跳點舞了。
也有網友看在OpenAI卷完大語言模型、文生視頻之后，又狙擊機器人后感慨道：
這是一場激烈的競爭；與OpenAl合作，蘋果可能會超越特斯拉。
但硬件方面，擎天柱看起來更美觀，Figure 01仍然需要一些“整容手術”。（doge）
接下來，我們繼續來看下Figure 01的細節。
OpenAI視覺語言大模型加持
根據創始人的介紹，Figure 01通過端到端神經網絡，可以和人類自如對話。
基于OpenAI提供的視覺理解和語言理解能力，它能完成快速、簡單、靈巧的動作。
模型只說是一個視覺語言大模型，是否為GPT-4V不得而知。
它還能規劃動作、有短期記憶能力、用語言解釋它的推理過程。
比如對話里說“你能把它們放在那里嗎？”
“它們”、“那里”這種模糊表述的理解，就體現了機器人的短期記憶能力。
它使用了OpenAI訓練的視覺語言模型，機器人攝像頭會以10Hz拍下畫面，然后神經網絡將以200Hz輸出24自由度動作（手腕+手指關節角度）。
具體分工上，機器人的策略也很像人類。
復雜動作交給AI大模型，預訓練模型會對圖像和文本進行常識推理，給出動作計劃；
簡單動作如抓起塑料袋（抓哪里都可以），機器人基于已學習的視覺-動作執行策略，可以做出一些“下意識”的快速反應行動。
同時全身控制器會負責保持機身平衡、運動穩定。
機器人的語音能力則基于一個文本-語音大模型微調而來。
除了最先進的AI模型，Figure 01背后公司——Figure的創始人兼CEO還在推文中提到，Figure方面整合了機器人的所有關鍵組成。
包括電機、中間件操作系統、傳感器、機械結構等，均由Figure工程師設計。
據了解，這家機器人初創公司在2周前才正式宣布和OpenAI的合作，但才13天后就帶來如此重磅成果。不少人都開始期待后續合作了。
由此，具身智能領域又有一顆新星走到了聚光燈下。
“將人形機器人帶進生活”
說到Figure，這家公司創立于2022年，正如前文所言，再次引爆外界關注，就在十幾天前——
官宣在新一輪融資中籌集6.75億美元，估值沖到26億美元，投資方幾乎要集齊半個硅谷，包括微軟、OpenAI、英偉達和亞馬遜創始人貝佐斯等等。
更重要的是，OpenAI同時公開了與Figure更進一步合作的計劃：將多模態大模型的能力擴展到機器人的感知、推理和交互上，“開發能夠取代人類進行體力勞動的人形機器人”。
用現在最熱的科技詞匯來說，就是要一起搞具身智能。
彼時，Figure 01的最新進展是醬嬸的：
通過觀看人類的示范視頻，僅需10小時端到端訓練，Figure 01就能學會用膠囊咖啡機泡咖啡。
Figure與OpenAI的合作一公開，網友們就已經對未來的突破充滿了期待。
畢竟Brett Adcock，可是把“唯一的重點是以30年的視角建立Figure，以積極影響人類的未來”這樣的話都寫在個人主頁上了。
但可能沒人能想得到，僅僅兩周左右的時間，新進展就來了。
如此之快，如此之遠。并且還能持續泛化、擴展規模。
值得一提的是，與炸場demo同時發布的，還有Figure的招聘信息：
我們正在將人形機器人帶進生活。加入我們。
參考鏈接：
[1]https://twitter.com/figure_robot/status/1767913661253984474?s=46&t=HBob6gxh8cOfZTIbieKeSA
[2]https://twitter.com/adcock_brett/status/1767913955295744449
[3]https://twitter.com/coreylynch/status/1767927194163331345
- DeepSeek-V3.2-Exp第一時間上線華為云2025-09-29
- 你的AI助手更萬能了！天禧合作字節扣子，解鎖無限新功能2025-09-26
- 你的最快安卓芯片發布了！全面為Agent鋪路2025-09-26
- 任少卿在中科大招生了！碩博都可，推免學生下周一緊急面試2025-09-20
相關閱讀
