谷歌DeepMind机器人成果三连发！两大能力全提升，数据收集系统可同时管理20个机器人
Air Explorer Pro是一款跨平台多网盘管理工具，可实现一站式完成不同网盘间文件的互传、搜索和同步等操作。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
几乎是和斯坦福“炒虾洗碗”机器人同一时间，谷歌DeepMind也发布了最新具身智能成果。并且是三连发：先是一个主打提高决策速度的新模型，让机器人的操作速度（相比原来的RoboticsTransformer）提高了14%——快的同时，质量也没有下滑，准确度还上升了10.6%。然后再来一个专攻泛化能力的新框架，可以给机器人创建运动轨迹提示，让它面对41项从未见过的任务，取得了63%的成功率。别小看这个数组，对比之前的29%，进步可谓相当大。最后是一个机器人数据收集系统，可以一次管理20个机器人，目前已从它们的
几乎是和斯坦福“炒虾洗碗”机器人同一时间，谷歌DeepMind也发布了最新具身智能成果。
并且是三连发：
先是一个主打提高决策速度的新模型，让机器人的操作速度（相比原来的Robotics Transformer）提高了14%——快的同时，质量也没有下滑，准确度还上升了10.6%。
然后再来一个专攻泛化能力的新框架，可以给机器人创建运动轨迹提示，让它面对41项从未见过的任务，取得了63%的成功率。
别小看这个数组，对比之前的29%，进步可谓相当大。
最后是一个机器人数据收集系统，可以一次管理20个机器人，目前已从它们的活动中收集了77000次实验数据，它们将帮助谷歌更好地完成后续训练工作。
那么，这三个成果具体是什么样？我们一个一个来看。
机器人日常化第一步：没见过的任务也能直接做
谷歌指出，要实现真正可进入现实世界的机器人，需要解决两个基本挑战。
1、新任务推广能力
2、提高决策速度
本次三连发的前两项成果就主要在这两大领域作出改进，且都建立在谷歌的基础机器人模型Robotics Transformer（简称RT）之上。
首先来看第一个：帮助机器人泛化的RT-Trajectory。
对于人类来说，譬如完成擦桌子这种任务简直再好理解不过了，但机器人却不是很懂。
不过好在我们可以通过多种可能的方式将这一指令传达给它，让它作出实际的物理行动。
一般来说，传统的方式就是将任务映射为一个个特定的动作，然后让机械臂完成，例如对于擦桌子，就可以拆解为“合上夹具、向左移动、向右移动”。
很明显，这种方式的泛化能力很差。
在此，谷歌新提出的RT-Trajectory通过给机器人提供视觉提示的方法来教它完成任务。
具体而言，由RT-Trajectory控制的机器人在训练时会加入2D轨迹增强的数据。
这些轨迹以RGB图像的形式呈现，包括路线和关键点，在机器人学习执行任务时提供低级但非常实用的提示。
有了这个模型，机器人执行从未见过的任务的成功率直接提高了1倍之多（相比谷歌的基础机器人模型RT-2，从29%=>63%）。
更值得一提的是，RT-Trajectory可以用多种方式来创建轨迹，包括：
通过观看人类演示、接受手绘草图，以及通过VLM（视觉语言模型）来生成。
机器人日常化第二步：决策速度一定要快
泛化能力上来以后，我们再来关注决策速度。
谷歌的RT模型采用的是Transformer架构，虽然Transformer功能强大，但严重依赖于有着二次复杂度的注意力模块。
因此，一旦RT模型的输入加倍（例如给机器人配上更高分辨率的传感器），处理起来所需的计算资源就会增加为原来的四倍，这将严重减慢决策速度。
为了提高机器人的速度，谷歌在基础模型Robotics Transformer上开发了SARA-RT。
SARA-RT使用一种新的模型微调方法让原来的RT模型变得更为高效。
这种方法被谷歌称之为“向上训练”，它主要的功能就是将原来的二次复杂度转换为线性复杂度，同时保持处理质量。
将SARA-RT应用于具有数十亿参数的RT-2模型时，后者可以在各种任务上实现更快的操作速度以及更高的准确率。
同样值得一提的是，SARA-RT提供的是一种通用的加速Transformer的方法，且无需进行昂贵的预训练，因此可以很好地推广开来。
数据不够？自己创造
最后，为了帮助机器人更好地理解人类下达的任务，谷歌还从数据下手，直接搞了一个收集系统：AutoRT。
这个系统将大模型（包括LLM和VLM）与机器人控制模型（RT）相结合，不断地指挥机器人去执行现实世界中的各种任务，从而产生数据并收集。
具体流程如下：
让机器人“自由”接触环境，靠近目标。
然后通过摄像头以及VLM模型来描述眼前的场景，包括具体有哪些物品。
接着，LLM就通过这些信息来生成几项不同的任务。
注意了，生成以后机器人并不马上执行，而是利用LLM再过滤一下哪些任务可以独立搞定，哪些需要人类远程控制，以及哪些压根不能完成。
像不能完成的就是“打开薯片袋”这种，因为这需要两只机械臂（默认只有1只）。
再然后，做完这个筛选任务以后，机器人就可以去实际执行了。
最后由AutoRT系统完成数据收集并进行多样性评估。
据介绍，AutoRT可一次同时协调多达20个机器人，在7个月的时间内，一共收集了包括6650个独特任务在内的77000次试验数据。
最后，对于此系统，谷歌还特别强调了安全性。
毕竟AutoRT的收集任务作用于现实世界，“安全护栏”不能少。
具体而言，基础安全守则由为机器人进行任务筛选的LLM提供，它的部分灵感来自艾萨克·阿西莫夫的机器人三定律——首先也是最重要的是“机器人不得伤害人类。
其次还包括要求机器人不得尝试涉及人类、动物、尖锐物体或电器的任务。
但这还远远不够。
因此AutoRT还配有常规机器人技术中的多层实用安全措施。
例如，机器人在其关节上的力超过给定阈值时自动停止、所有行动都可由保持在人类视线范围内的物理开关停止等等。
还想进一步了解谷歌的这批最新成果？
好消息，除了RT-Trajectory只上线论文以外，其余都是代码和论文一并公布，欢迎大家进一步查阅～
One More Thing
说起谷歌机器人，就不得不提RT-2（本文的所有成果也都建立之上）。
这个模型由54位谷歌研究员耗时7个月打造，今年7月底问世。
嵌入了视觉-文本多模态大模型VLM的它，不仅能理解“人话”，还能对“人话”进行推理，执行一些并非一步就能到位的任务，例如从狮子、鲸鱼、恐龙这三个塑料玩具中准确捡起“已灭绝的动物”，非常惊艳。
如今的它，在短短5个多月内便迎来了泛化能力和决策速度的迅速提升，不由地让我们感叹：不敢想象，机器人真正冲进千家万户，究竟会有多快？
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台，提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。