清華團隊破解具身智能Scaling Law，GPT時刻在即！寧德時代聯(lián)創(chuàng)終于出手

　　半年兩次大融資后，這家具身智能黑馬再次獲得融資!作為柏睿資本首次投資的具身智能企業(yè)，千尋智能不僅擁有出身自伯克利系聯(lián)創(chuàng)，在技術、硬件、商業(yè)化上，也讓人極有信心。

　　最近，我們意外發(fā)現(xiàn)，具身智能領域的明星初創(chuàng)公司千尋智能，悄悄完成了工商變更。

　　根據工商信息顯示，本輪融資由柏睿資本獨家投資。至此，千尋智已經在半年多時間里獲得了三次大額融資，一躍成為具身智能領域明星公司之一。

　　值得一提的是，柏睿資本是寧德時代聯(lián)合創(chuàng)始人，副董事長李平創(chuàng)立的產業(yè)投資基金。

　　全國具身智能領域多家明星，為何首次下場便獨獨選中了千尋智能?

　　從下面這些demo中，便可窺見一斑。

　　仔細看，桌面上撒滿了五顏六色形狀各異的糖豆。如何將這些不同顏色和大小的物體進行分類，可不是件容易的事。

　　只見，在極其強大的識別和精準操作能力的加持下，千尋智能的機器人用靈巧的手指輕松地將糖豆捏起，并準確地放入指定的碗里。

　　不僅如此，它還可以一手拿起桌上透明的玻璃杯，一手從滿滿一筐雞蛋中抓出一個并準確無誤地放進杯中。

　　甚至，它還能接過手中的文件并進行裝訂，然后再交還給人類。

　　在這個過程中，AI基于視覺大模型的任務理解與規(guī)劃，實現(xiàn)了人機交互及協(xié)同作業(yè)。

　　繼續(xù)觀看

　　清華團隊破解具身智能Scaling Law，GPT時刻在即!寧德時代聯(lián)創(chuàng)終于出手

　　具身智能行業(yè)，到底在卷什么

　　其實，如今的具身智能領域可謂是百花齊放，各種酷炫的演示demo層出不窮。但對于不懂的外行人來說，只能看個熱鬧，很難理解背后真正的技術邊界是怎么樣的。

　　同一個動作，是提前編程好的，還是機器人自主完成的?機器人只能在特定的某個位置、某個光照做一件事，還是能夠真正泛化到各個條件、各個場景?

　　看似相差不多的demo下，背后的技術能力實則相差甚遠。

　　不過，對于未來的技術走向，業(yè)界的認知正在逐漸清晰——最核心的還是大腦的能力。

　　隨著時間的發(fā)展，可能再過一兩年，競爭就會回到這個本質，因為唯有大腦，才能決定具身智能能在什么場景落地。

　　目前，大語言模型賽道已經接近后期，投資人開始關注回報的問題，但相比之下，機器人賽道可以說才剛剛開始。尤其涉及到軟硬結合，以及整套系統(tǒng)的復雜度，賽道周期顯然會更長。

　　在這樣的背景下，柏睿資本的此次下場，顯然是經過了深思熟慮。

　　寧德時代聯(lián)創(chuàng)首次出手

　　自創(chuàng)立之初，柏睿資本就專注于人工智能、具身智能領域的發(fā)展，且一直非�？春眠@一技術將帶來的一系列變革。

　　具體到千尋智能，柏睿資本看重的正是其團隊在AI、硬件、商業(yè)化三個方面的綜合優(yōu)勢。

　　首先，針對高陽在算法和模型方面的持續(xù)創(chuàng)新和產出能力，柏睿資本抱有極大的信心;其次，千尋智能的創(chuàng)始團隊在硬件領域有著扎實的背景和積累;第三則是多達上百個場景、數萬臺機器人的商業(yè)化落地經驗。

　　作為柏睿資本投資的首家具身智能企業(yè)，千尋智能將借助柏睿資本和背后的產投資源，快速切入市場化落地并進行具身智能泛化性作業(yè)驗證，成為國內首家實現(xiàn)具身智能商業(yè)化的公司。

　　把水壺里的水倒進玻璃杯，并讓水位達到指定的刻度(實拍原速)

　　縱觀當下機器人領域的現(xiàn)狀，各種技術的理論驗證基本都已完成，但工程化卻還在起步階段。

　　怎樣一條途徑是最優(yōu)方案，率先做到在工程上可行?

　　從Physical Intelligence、Skild AI等優(yōu)秀的國外先行者身上，我們可以隱約窺見一條逼近真理的技術路徑。

　　端到端就是下一個前沿

　　最近，成立僅8個月的初創(chuàng)Physical Intelligence(Pi)發(fā)布了一款通用機器人基礎模型π0。

　　這個在8個機器人平臺上，完成訓練的3B模型，能夠執(zhí)行各種靈巧的任務，包括洗衣服、收納整理......

　　與LLM不同的是，π0跨越了視覺、語言、動作(VLA)，并通過訓練機器人的具身經驗中，獲得物理智能。

　　它基于3B VLM完成的預訓練，隨后又根據靈巧任務(洗衣服、組裝盒子、桌面任務)進行了微調。

　　VLM的優(yōu)勢在于能夠集成互聯(lián)網規(guī)模的語義知識和視覺理解，有助于動作預測

　　Pi聯(lián)創(chuàng)之一，也是UC伯克利副教授Sergey Levine看到，如今的機器人是一種狹隘的專家系統(tǒng)。比如，工業(yè)機器人通過編程，在裝配線上同個地點進行重復的工作。

　　即便是這樣簡單的行為，也需要耗費大量的人工編程，更不用提在復雜環(huán)境(家庭等)中的應用了。

　　有了大模型，就很容易讓機器人做到這點。然而這一切實現(xiàn)的前提是——數據。

　　就像人類可以憑借經驗快速學習新技能一樣，模型也僅需少量數據，就能適應新的任務。

　　這便是π0的核心思想。

　　另一家由CMU大牛Deepak Pathak(博士出身是UC伯克利)創(chuàng)立的Skild AI，也遵循了同樣的技術路線。

　　他們打造出了一款能夠泛化的機器人基礎模型「Skild Brain」，背后用到的訓練數據是競爭對手的1000倍，可以適用到任何機器人本體和任務中。

　　從以上伯克利系大牛們所做的研究來看，端到端架構已成為具身智能的主要技術路線。

　　無獨有偶，國內的千尋智能也在技術路線上與這兩家美國的具身智能頂尖初創(chuàng)，不謀而合。

　　在讀博士、博士后期間，千尋智能團隊的首席科學家高陽，還曾與Sergey Levine和Pieter Abbeel教授展開深入合作。

　　尤其是，他們的模型可以在訓練過程中，同時利用監(jiān)督微調、強化學習、模擬學習等技術，并將Sim2Real數據作為補充。

　　結果就是，剛成立半年多的千尋智能，就已經能實現(xiàn)業(yè)內Top的靈巧手操作了。

　　伯克利系稱霸具身智能

　　毫不夸張地說，UC伯克利已被公認為是最近這波具身智能浪潮的主要發(fā)源地。而Sergey、Pieter這些教授，是當之無愧的機器人學習領域最近十年的領頭人。

　　同時，出身伯克利系的高徒們，如今已經在各個相關領域散作滿天星，不斷推高業(yè)界前沿的技術水平。

　　比如，千尋智能聯(lián)合創(chuàng)始人高陽在攻讀計算機視覺博士學位期間，便是師從Trevor Darrell教授，和Deepak Pathak同組。

　　最近，高陽帶領團隊發(fā)現(xiàn)了具身智能領域的「圣杯」——Data Scaling Laws，堪稱機器人的ChatGPT時刻。

　　而且，在CoRL2024上，這項研究榮獲X-Embodiment workshop最佳論文獎!

　　這一方法讓機器人實現(xiàn)了真正的零樣本泛化，也就意味著無需任何微調，就能泛化到全新場景中，徹底改變了開發(fā)通用機器人的方式。

　　就連谷歌DeepMind大牛Ted Xiao也對這項研究贊賞有加，稱其對機器人大模型時代具有里程碑意義。

　　這位具身智能領域大咖，有著怎樣的學術背景?

　　2014年，高陽獲得了清華計算機科學本科學位，師從國內ML領域享有盛譽的著名學者朱軍教授。

　　在大二的時候，也正是深度學習(2012年)爆發(fā)之際，高陽做的了很多關于傳統(tǒng)ML的研究。

　　憑借出色的成績，他成為了計算機系的第二位大神。

　　到了大三，高陽拿到了去斯坦福做交換的暑期學習資格，導師是David L. Dill教授。

　　本科畢業(yè)前，得益于老師的推薦信，以及自身各方面優(yōu)異表現(xiàn)，高陽最終收獲了美國多所頂尖高校的offer。

　　面對這些同樣優(yōu)秀的學府，他決定親赴美國實地考察，做出最適合自己的選擇。

　　在走訪過程中，UC伯克利給他留下了深刻的印象。作為四大名校之一，這所學校具備了濃厚的學術氛圍。

　　再加上，自身專攻機器學習領域的原因，UC伯克利最適合不過了。

　　作為一名機器學習領域的學生，他對UC伯克利格外青睞，很大程度上還因為引領ML時代技術的Michael Jordan教授的存在。

　　原本初到伯克利時，高陽計劃跟隨Michael Jordan開展研究。然而，再參加了幾次他的組會，并與其學生交流后，他發(fā)現(xiàn)Michael研究方向與自己的與其有所差異。

　　因為，Michael Jordan的工作更加偏重數學理論，組會多圍繞數學公式推導，這與高陽所期待的實踐導向研究路徑不盡相同。

　　在探索其他可能性過程中，他意外接觸到了Trevor Darrell教授的研究組。

　　Trevor專注于計算機視覺領域，其魅力在于直觀性——可以清晰看到輸入的圖片，觀察神經網絡訓練過程，并得到可視化結果。

　　值得一提的是，當時深度學習的浪潮已經持續(xù)了大約2年的時間，業(yè)界也普遍認可了這項技術的卓越性。

　　也是基于這些原因，更加堅定了高陽在這一方向上深耕的原因。

　　在他的博士生涯初期，跟隨Trevor教授做了很多在純視覺領域的研究。

　　直到博士二年級下學期開始，高陽的研究興趣發(fā)生了微妙的轉變。

　　這一轉變源于，實驗室內部一系列關于人類智能起源的深度探討。

　　而令他印象深刻的是CV圈里另一位大咖Jitendra Malik觀點:他從進化角度提出，人類智能本質與靈巧的雙手密不可分。

　　正是因為擁有了精細的手部動作能力，人類才得以完成更為復雜的任務，反過來推動了大腦的進化，使得智力水平得以適應更復雜的活動需求。

　　再到貓狗之間對于人類指令理解力的差別，說明了狗的群居特性，使得它們溝通協(xié)調力強于貓。

　　最終，他們在智能本質討論中，逐漸達成共識:機器視覺的終極發(fā)展方向，應該由具身智能體驅動。

　　自然而然地，高陽開始將研究中心轉向了具身智能領域。

　　他認為，具身智能與視覺、強化學習有著密切的聯(lián)系，這種聯(lián)系可以類比人類的認知過程。

　　即通過視覺感知環(huán)境，理解周圍狀況，繼而做出相應的行為。

　　基于這種認識，高陽開始與Sergey Levine教授展開合作，深入去研究具身智能的形成機制。

　　得益于前期在計算機視覺領域的積累，在實際研究中，高陽能夠很好地將CV技術與RL結合起來，并交出了碩果累累的成績單。

　　在機器人研究領域的頂級學術會議CoRL2024中，團隊更是連中了4篇論文。

　　回到北美，如今頭部的具身智能創(chuàng)業(yè)公司，除了Figure AI之外，創(chuàng)始人都屬于伯克利系。

　　比如，Physical Intelligence的聯(lián)創(chuàng)Sergey Levine，便是UC伯克利電氣工程與計算機科學系的副教授。

　　Pi的另一位聯(lián)創(chuàng)Chelsea Finn，也是UC伯克利的博士。

　　Skild AI的聯(lián)創(chuàng)Deepak Pathak，同樣是在UC伯克利獲得的博士學位，師從國際計算機視覺大師Trevor Darrell教授(曾培養(yǎng)了包括賈揚清在內的多位視覺領域知名學者)。

　　隨后，Pathak繼續(xù)在UC伯克利做博士后研究，導師是機器人學習領域的頂尖學者Pieter Abbeel——擴散模型(Sora、SD背后核心技術)的提出者之一。

　　爆火AI搜索初創(chuàng)Perplexity AI的創(chuàng)始人Aravind Srinivas，以及前OpenAI聯(lián)創(chuàng)John Schulman，皆是他的學生。

　　博士研究期間，Pathak開發(fā)了一種向機器人灌輸「好奇心」方法。具體做法是，當系統(tǒng)無法預測其行動結果時，系統(tǒng)反而會因未知結果而獲得獎勵。

　　這種方法驅使AI去探索更多場景，并收集更多數據。

　　其實回看2014到2016年這段時間，無論機器狗還是雙足機器人，在業(yè)內的進展都比較緩慢。

　　雖然當時的人形機器人已經可以跑酷、跳樁，但其中使用的技術棧其實非常傳統(tǒng)，是基于傳統(tǒng)的MPC、WPC這類手工控制器去做的。

　　也就是說，并不是基于機器學習這條路線。

　　在2017年左右，Pieter Abbeel和三個學生一起創(chuàng)立了Covariant(原名Embodied Intelligence)，可以說是體現(xiàn)了具身智能的縮影。

　　在當年，大語言模型并沒有出現(xiàn)，因此即使這個公司早于時代，也依然像今天的非端到端自動駕駛一樣，技術棧并沒有特別大的進步。

　　而隨后大模型的出現(xiàn)，才終于讓具身智能的推理能力、多模態(tài)感知融合、自主學習和知識遷移能力等得到了顯著提升，翻開了全新的篇章。

　　如今，具身智能技術已經走向了深度融合和迭代優(yōu)化的新階段。擁有技術領先性和應用場景積累的企業(yè)，將迎來大展拳腳的機會。

　　而千尋智能，恰恰有著清晰的端到端技術路線，有頂尖人才、有應用場景。

　　具身智能這盤大棋，接下來就看千尋智能如何交卷了。