机器人又拿下一种家务：10小时学会煮咖啡，仅需观看人类演示视频

丰色 发自 凹非寺

量子位 | 公众号 QbitAI

上周斯坦福炒虾机器人炸场之后，又火了一个煮咖啡机器人。

它的厉害之处在于通过观看人类的示范视频，仅需 10 小时端到端训练，就能学会并完全自主搞定这一任务。

当然，更准确地来说是操作咖啡机：

只见它打开机盖、放入咖啡包，再按下开始按钮，整个过程一气呵成，无需任何远程遥控。

很快，一杯咖啡就可以端走享用：

注意了，以上演示视频，没有任何加速处理。这就是该机器人目前可以达到的实际操作速度。

而除了这些，它还具备自主纠错功能：

如果咖啡包没有放正，不用人类提醒，它自己就能调整好。

对此，前谷歌 DeepMind 研究员（也是该机器人的开发人员）直接就是一个转发点赞，并再次强调：

所有行为包括纠错，完全自主。

公司创始人 Brettt Adcock 称，这就是机器人技术的 ChatGPT 时刻。

不管是不是每个人都赞同这个说法，但网友被它的训练速度所折服是没得说。

10 个小时真的很优秀，快进到使用研磨机和法压壶，估计很快视频里个咖啡机也要失业了。（手动狗头）

所以，这个机器人具体什么来头？

10 小时端到端训练搞定煮咖啡

如上这个机器人来自一家商业公司，名叫 Figure。

Figure 总部位于美国，成立于 2022 年，专攻通用人形机器人。

创始人 Brett Adcock 毕业于美国佛罗里达大学，26 岁时创办了一家在线人才市场网站，后被同行 1.1 亿美元收购，然后又创办了一家生产全电动垂直起降飞机的航天公司，作家 27 亿美元上市。

如今，这家机器人公司 Figure 也可谓吸金无数，先是在去年 5 月拿到 7000 万美元 A 轮融资，两个月后又获得英特尔 900 万美元投资。

去年 10 月——大概成立一年之际，Figure 发布首款人形机器人，代号 Figure 01。

它走起路来是这样的：

我们今天看到的煮咖啡演示则正是由它完成。

而学会这项技能，只花了它 10 个小时的训练时间——

Figure 01 采用的是端到端神经网络，这边接收人类煮咖啡的视频，那边就能输出动作轨迹，让机器人通过模仿，最终完成自主操作。

以此类推，让它学会别的任务，也只需要输入相应的视频即可。

至于具体实现细节，官方没有透露。

不过，抛去 10 小时就完成训练不谈，对于让机器人学会煮咖啡这类任务本身来说，已经不是一件难事儿了。

其核心就是模仿学习，入选 CoRL ’ 22（机器人，学习会议）的 VIOLA 可以做到（它是一个以对象为中心的模仿学习框架，基于 Transformer 进行推理，擅长长程任务，比最先进的模仿学习算法性能高出 45.8%）；

来自谷歌、今年 6 月发布的 HYDRA，也专攻于此，擅长各种粗粒度和细粒度控制，并可自如切换。

来自斯坦福大学的 AME，基于路点（Waypoint）实现，对于煮咖啡这种任务也毫不含糊，只不过速度慢很多。

还有英伟达的 HITL-TAMP、MimicGen 等研究成果，也就是机器人模仿学习相关，就不一一介绍了。

2040 年前，谁能成功挑战史蒂夫咖啡测试？

尽管 Figure 01 的表现很不错（比如速度就很快），但不少网友还是评价：

这和想象中的煮咖啡机器人还有一点距离。

比如它能不能拿起杯子、将其放到咖啡机下，沏完之后再添加奶油和糖，再将杯子放到托盘上，端到人面前？

事实上，苹果公司联合创始人 Steve Wozniak 曾提出一个评估机器人自主能力的咖啡测试。

它要求机器人从进入一个陌生的家中开始，然后找到厨房，识别工具（例如咖啡机、水壶）和材料（咖啡豆、糖、牛奶等），最终做好一杯咖啡，且全程不超过 20 分钟。

这个测试考验机器人在未知环境中导航、识别物体、操作工具和材料以及遵循人类命令等一系列能力。

有人发起过投票，问 2040 年之前能否有这样的机器人诞生？

结果有 89% 的人投了 yes。

你认为有希望吗？