本文最初刊登于TechCrunch的机器人通讯Actuator，在此订阅。
本月早些时候，Google DeepMind团队联合33家研究机构推出了Open X-Embodiment机器人功能数据库。学者们将其比作2009年成立的ImageNet（现收录超1400万张图片），认为其有望推动机器人技术发展。研究人员指出，构建包含多样化演示的数据集，是训练通用模型以实现多机器人控制、指令遵循及复杂任务推理的关键。
Open X-Embodiment发布时已涵盖22种机器人实体的500多项技能和15万个任务。DeepMind利用该数据训练的RT-1-X模型在其他实验室测试中，成功率比自研方法高出50%。尽管规模不及ImageNet，但这标志着定制机器人时代正向通用机器人可能性过渡。模拟与生成式AI将成为关键支撑，而硬件构建的逻辑或许仍需时间验证。
近日，我们与今年5月接任Google DeepMind机器人部门负责人、拥有16年谷歌工龄的Vincent Vanhoucke进行了对话。作为Google AI Robotics前杰出科学家，他分享了谷歌机器人的愿景与发展历程。
TechCrunch：DeepMind机器人团队是如何发展起来的？
Vincent Vanhoucke：我原属Google Research，近期才与DeepMind合并。但在Google体系内，机器人研究历史悠久。随着计算机视觉和音频处理等技术接近人类水平，我们意识到强大的感知能力将使真实世界部署机器人成为可能。基于此趋势，我将研究方向从通用人工智能和语音识别转向机器人技术。
Alphabet收购Boston Dynamics等公司十年后，这些人才是否充实了现有团队？
团队中有相当一部分人来自早期收购。我们逐渐达成共识：机器人问题已被通用人工智能（AGI）所涵盖。解决智能问题是实现现实世界机器人流程的关键。因此，我们将精力集中于在AGI背景下解决感知、理解和控制等核心难题。
Everyday Robots团队的工作是否转移到了DeepMind机器人团队？
我们与Everyday Robots合作七年，联系紧密。早期一个“黑猩猩”项目促使我们开始研究机器人：利用已停产的旧机械臂练习抓取，通过机器学习给予正负反馈。这一顿悟时刻不仅推动了Everyday Robots转向机器学习控制，也让我们在研究层面探索将深度学习应用于机器人技术。
Everyday Robots被并入你的团队了吗？
部分成员并入我的团队，我们继承了其机器人并继续开发相关技术。目前侧重点略有不同，更侧重于智能部分而非机器人制造本身。
团队搬入Alphabet X办公室是否有深层原因？
这是一个务实决定，主要因为那里Wi-Fi良好、电源充足且空间大。此外，优质的咖啡馆也是考量因素之一。我们与X的其他团队及Intrinsic有诸多协同效应，这栋建筑也很适合工作。
Intrinsic的无代码机器人技术与通用生成式AI存在重叠，如何看待这种关系？
机器人技术正从高度定制化向通用目的转变。无论是工业还是家庭环境，由强大AI核心驱动的原理相似。我们正在探索支持广泛应用场景的通用方法，这是一个充满机遇的全新领域。
距离“通用目的机器人”还有多远？
我们关注的是通用方法而非单一形态。针对特定问题定制的形态同样可行，只需快速微调即可。虽然定制化机器人目前更成功，但通用方法已显现可行性。例如RTX项目整合了30家学术实验室的数据训练大模型，证明了不依赖特定形态的通用方法是有效的。
生成式AI将在机器人领域发挥什么作用？
生成式AI将发挥核心作用。大型语言模型（LLM）本质上关乎常识推理和对世界的理解，而非仅仅是语言。LLM掌握了诸如“咖啡杯应在桌上而非桌在杯上”这类难以编码的常识。将这些常识推理应用于机器人规划、操作及人机交互，并结合感知能力，对解决机器人核心问题至关重要。
模拟在数据收集分析中的作用是什么？
模拟是要素之一，但需弥合虚实差距。生成式AI在此崭露头角：与其运行物理模拟器，不如直接用生成模型生成内容或渲染视觉。
亚马逊正利用模拟生成包裹，未来展望如何？
除了生成资产，还可生成“未来”。即让机器人在模拟中推演动作后果，验证是否符合预期，如同“做梦”般进行规划，而无需在真实世界中试错。