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？

参考链接：
[1]https://twitter.com/Figure_robot/status/1743985067989352827
[2]https://twitter.com/Figure_robot
[3]https://manifold.markets/Matthe