⚛️量子位•最新收集於 69m
銀河通用發布新框架，僅需人類影片即可部署機器人
💡具身智慧的重大突破：了解影片訓練如何取代機器人的手動編程。
⚡ 30-Second TL;DR
有什麼變化
僅需人類示範影片即可部署機器人
為什麼重要
這種方法可以大幅減少為複雜現實環境訓練人形機器人所需的時間與成本。透過利用觀察式學習，它挑戰了現有依賴大量數據的訓練模式。
下一步行動
研究基於影片的模仿學習數據集，以了解如何彌合人類視覺示範與機器人控制策略之間的差距。
誰應關注：Developers & AI Engineers
關鍵要點
- •僅需人類示範影片即可部署機器人
- •支援機器人在執行任務時同步學習的「邊做邊學」能力
- •大幅降低機器人任務訓練與部署的門檻
- •代表通用機器人領域的重大進展
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •銀河通用（Galbot）的核心技術基於大規模機器人操作模型（Large Robotic Manipulation Model, LRMM），旨在解決機器人在非結構化環境中的泛化難題。
- •該框架採用了模仿學習（Imitation Learning）與強化學習（Reinforcement Learning）相結合的混合路徑，減少了對傳統遙操作（Teleoperation）數據採集的依賴。
- •銀河通用在該技術中引入了視覺語言模型（VLM）作為決策中樞，使機器人能夠理解並執行基於自然語言指令的複雜任務。
- •該解決方案特別針對零售、物流等商業場景進行了優化，強調機器人在面對未見過的物品時的零樣本（Zero-shot）遷移能力。
- •銀河通用團隊背景深厚，核心成員多來自清華大學、北京大學及國際頂尖機器人實驗室，具備深厚的具身智能（Embodied AI）研發積累。
📊 競品分析▸ Show
| 競爭對手 | 核心技術路徑 | 部署門檻 | 適用場景 |
|---|---|---|---|
| 銀河通用 (Galbot) | 影片模仿學習 + LRMM | 低 (僅需影片) | 零售/物流/通用操作 |
| Tesla (Optimus) | 端到端神經網絡 (FSD技術遷移) | 高 (需大量數據) | 工廠製造/通用人形 |
| Figure AI | 多模態大模型 (OpenAI合作) | 中 (需示範數據) | 工業/商業服務 |
| Covariant | 機器人基礎模型 (RFM) | 中 (需特定數據集) | 倉儲物流分揀 |
🛠️ 技術深入
- 採用基於 Transformer 架構的策略網絡，將視覺輸入直接映射為機器人末端執行器的動作序列。
- 引入了時序一致性損失函數（Temporal Consistency Loss），確保機器人從影片中學習到的動作在執行時具有平滑性與穩定性。
- 系統架構支援多模態融合，能夠同時處理 RGB-D 深度影像與觸覺反饋數據，提升在複雜光照與遮擋環境下的感知能力。
- 實施了基於模擬到現實（Sim-to-Real）的遷移學習策略，利用大規模合成數據進行預訓練，再透過少量人類影片進行微調。
🔮 前景展望AI analysis grounded in cited sources
機器人部署成本將在未來兩年內下降 50% 以上。
透過影片學習技術取代昂貴的遙操作數據採集，將大幅縮減具身智能系統的開發與維護開支。
具身智能將從實驗室走向大規模商業落地。
僅需影片即可部署的能力消除了技術門檻，使非技術人員也能透過簡單示範訓練機器人，加速商業化進程。
⏳ 時間線
2024-05
銀河通用完成數億元人民幣天使輪融資，正式對外公佈具身智能戰略。
2024-09
銀河通用發布首款具身智能機器人產品，展示在零售場景的貨架整理能力。
2025-03
銀河通用完成數億元人民幣 A 輪融資，加速通用機器人技術研發。
2026-07
銀河通用發布僅需人類影片即可部署機器人的新框架，標誌技術迭代重大突破。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗