在机器人领域，学习或许是最神圣的“圣杯”。然而，在当今“通用”一词被滥用的时代，非专业人士很难厘清现有系统的实际能力边界。事实上，目前大多数机器人仍专为单一或少数任务设计，并在此范围内表现卓越。
这一现状贯穿整个行业，从家用扫地机到高端工业系统皆然。那么，如何跨越单一用途迈向通用机器人？答案无疑是机器人学习。无论是Viam、Intrinsic等致力于降低编程门槛的企业，还是各大研究实验室，都在攻克这一难题。
显然，该问题无法依靠单一“银弹”解决，构建强大系统需多种方案组合，而其核心在于一个大型共享数据集。
Open X-Embodiment：机器人领域的ImageNet
本周，Google DeepMind联合33家研究机构发布了大型共享数据库Open X-Embodiment。研究人员将其比作计算机视觉领域的里程碑——ImageNet。
DeepMind研究员Quan Vuong和Pannag Sanketi表示：“正如ImageNet推动了计算机视觉发展，我们相信Open X-Embodiment也能对机器人技术产生同等推动力。”构建包含多样化演示的数据集，是训练通用模型的关键，使其能控制多类型机器人、遵循多元指令、进行基本推理并实现有效泛化。
鉴于任务规模庞大，该项目汇聚了22种机器人类型的500多项技能和15万个任务。正如其名，创建者已向研究界开源这些数据。
团队强调：“通过开源数据并提供安全有限的模型，我们希望降低壁垒、加速研究。机器人技术的未来依赖于机器人间的相互学习，更依赖于研究人员之间的知识共享。”