日前，西湖大學(xué)孵化的西湖機(jī)器人公司發(fā)布了搭載全球首個(gè)機(jī)器人領(lǐng)域首個(gè)動(dòng)作泛化大模型的人形機(jī)器人“泰坦o1”，將這一神話場(chǎng)景帶入現(xiàn)實(shí)——這個(gè)名為“GAE身外化身系統(tǒng)”的通用動(dòng)作預(yù)訓(xùn)練大模型，相當(dāng)于給來(lái)自不同廠家的機(jī)器人裝上了可通用的強(qiáng)大“小腦”，讓機(jī)器人可突破時(shí)空限制，實(shí)時(shí)模仿人類動(dòng)作，只需一個(gè)人就能操控成百上千個(gè)身處天南地北不同地點(diǎn)的機(jī)器人“賽博分身”，實(shí)時(shí)進(jìn)行同樣的操作。

實(shí)時(shí)復(fù)刻動(dòng)作如影隨形

在演示現(xiàn)場(chǎng)，泰坦o1外觀呈橙、黑、銀拼接，風(fēng)格頗具未來(lái)感。當(dāng)身著動(dòng)捕服的工作人員擺手、轉(zhuǎn)身、踢球時(shí)，泰坦o1會(huì)如影隨形地在毫秒間復(fù)刻所有動(dòng)作：無(wú)論手臂擺動(dòng)角度、轉(zhuǎn)身幅度，還是踢球時(shí)的步距與抬腳高度，甚至動(dòng)作節(jié)奏，都與工作人員高度一致。

“這些動(dòng)作并非預(yù)先編排，而是對(duì)人類隨機(jī)行為的實(shí)時(shí)響應(yīng)?！蔽骱C(jī)器人創(chuàng)始人、西湖大學(xué)機(jī)器智能實(shí)驗(yàn)室研究組長(zhǎng)王東林教授介紹，無(wú)論操作者是誰(shuí)、動(dòng)作如何變化，泰坦o1都能快速跟上。

此外，泰坦o1還有不錯(cuò)的“動(dòng)作記憶”能力，可通過(guò)后臺(tái)指令復(fù)現(xiàn)已示范過(guò)的動(dòng)作。在今年安徽衛(wèi)視春節(jié)聯(lián)歡晚會(huì)上，西湖機(jī)器人曾憑借這一能力完成了10臺(tái)機(jī)器人的五禽戲群控表演——僅用數(shù)天調(diào)試，即可實(shí)現(xiàn)自定義動(dòng)作生成與部署，大幅降低應(yīng)用門檻。

“只要具備網(wǎng)絡(luò)環(huán)境，穿上動(dòng)捕設(shè)備，就可以遠(yuǎn)程操控機(jī)器人執(zhí)行任務(wù)?！蓖鯑|林表示，單人可同時(shí)控制多臺(tái)機(jī)器人完成一致動(dòng)作，理論上控制規(guī)模不設(shè)上限。

最令人驚喜的是，這一系統(tǒng)幾乎不設(shè)使用門檻。無(wú)需編程經(jīng)驗(yàn)，也不用依賴專業(yè)人員指導(dǎo)，用戶僅通過(guò)動(dòng)捕設(shè)備或電腦端操作，即可讓機(jī)器人完成對(duì)應(yīng)動(dòng)作，實(shí)現(xiàn)“所想即所動(dòng)”。

機(jī)器人領(lǐng)域首個(gè)動(dòng)作泛化大模型

在人體中，小腦負(fù)責(zé)協(xié)調(diào)運(yùn)動(dòng)、維持平衡，讓動(dòng)作精準(zhǔn)流暢。而GAE則為人形機(jī)器人帶來(lái)了強(qiáng)大的“通用小腦”——它能讓機(jī)器人在收到信號(hào)后瞬間做出最合適的動(dòng)作。王東林介紹，這套由西湖團(tuán)隊(duì)完全自研的算法，比國(guó)際上其他團(tuán)隊(duì)的同類技術(shù)領(lǐng)先至少6個(gè)月。

“泰坦o1”在打架子鼓

“目前市面上看到的機(jī)器人已經(jīng)能跑能跳能比武，但其實(shí)基本靠提前編程?！蓖鯑|林說(shuō)，那就好像“背課文”，需要反復(fù)訓(xùn)練才能做到一字不差，而這正是傳統(tǒng)機(jī)器人的最大技術(shù)瓶頸——由于缺乏通用的動(dòng)作模型，一套程序只能對(duì)應(yīng)一套動(dòng)作，機(jī)器人無(wú)法舉一反三。

而GAE這個(gè)“通用小腦”則能讓機(jī)器人即使遇到?jīng)]做過(guò)的動(dòng)作，也能輕松應(yīng)對(duì)。而且，它還具備“跨本體”能力，很多不同結(jié)構(gòu)、不同尺寸的機(jī)器人都能搭載這套大模型。

“ChatGPT讓AI能理解并生成各種語(yǔ)言，擁有語(yǔ)言的泛化能力；Sora能生成各種視頻畫面，擁有視覺(jué)的泛化能力?！蓖鯑|林說(shuō)，GAE則讓機(jī)器人能模仿和執(zhí)行各種人類動(dòng)作，是機(jī)器人領(lǐng)域第一個(gè)實(shí)現(xiàn)動(dòng)作泛化的大模型。

GAE的問(wèn)世離不開長(zhǎng)期的技術(shù)積累與數(shù)據(jù)支撐。此前，王東林團(tuán)隊(duì)已在四足機(jī)器人（機(jī)器狗）、人形機(jī)器人領(lǐng)域深耕多年，積累了豐富的機(jī)器人運(yùn)動(dòng)控制技術(shù)。同時(shí)，他們還擁有全球領(lǐng)先、國(guó)內(nèi)最大的高質(zhì)量全身運(yùn)動(dòng)數(shù)據(jù)集，包含了人類各種日常動(dòng)作、復(fù)雜動(dòng)作的詳細(xì)數(shù)據(jù)，為這顆“通用小腦”提供了充足的“學(xué)習(xí)素材”。

其實(shí)，“分身體驗(yàn)”只是一個(gè)開始。王東林表示，泰坦o1更重要的意義在于可替代人類進(jìn)入高風(fēng)險(xiǎn)場(chǎng)景，如消防救援、礦區(qū)作業(yè)、高空維護(hù)等。