原標題：特斯拉Optimus機器人訓(xùn)練新策略：純視覺方案，挑戰(zhàn)遠超自動駕駛

　　特斯拉在推進其Optimus人形機器人的訓(xùn)練中，采取了與自動駕駛技術(shù)相同的純視覺方案，這一創(chuàng)新舉措引發(fā)了業(yè)界的廣泛關(guān)注。據(jù)《商業(yè)內(nèi)幕》透露，特斯拉已在內(nèi)部宣布，未來Optimus的訓(xùn)練將更多地依賴于視頻數(shù)據(jù)，而非傳統(tǒng)的動作捕捉服和虛擬現(xiàn)實頭顯。

　　此前，特斯拉利用動作捕捉服和VR頭顯記錄人類操作員的數(shù)據(jù)，并通過這些數(shù)據(jù)遠程操控機器人。然而，特斯拉現(xiàn)在計劃通過錄制員工執(zhí)行任務(wù)的視頻來訓(xùn)練Optimus，這些視頻將涵蓋從拾取物體到折疊衣物等多種動作。據(jù)內(nèi)部人士透露，特斯拉認為，這一轉(zhuǎn)變將使團隊能夠更快速地擴大數(shù)據(jù)收集規(guī)模，從而加速機器人的學(xué)習(xí)進程。

　　特斯拉的這一策略調(diào)整，標志著其在機器人領(lǐng)域的重大轉(zhuǎn)變。長期以來，特斯拉一直堅持通過攝像頭等視覺傳感器來訓(xùn)練其自動駕駛系統(tǒng)，而Optimus的訓(xùn)練方式也將與此保持一致。特斯拉負責(zé)Optimus硬件研發(fā)的總監(jiān)康斯坦蒂諾斯·拉斯卡里斯曾在社交媒體上表示，他們的機器人正在通過人類視頻直接學(xué)習(xí)新任務(wù)，這一說法得到了馬斯克的確認。

　　然而，這一新策略也面臨著一些挑戰(zhàn)。人類與機器認知研究所的高級研究科學(xué)家羅伯特·格里芬指出，雖然遠程操作數(shù)據(jù)可以使機器人通過與環(huán)境的實際互動來學(xué)習(xí)，但要將視頻數(shù)據(jù)轉(zhuǎn)化為現(xiàn)實世界的動作并非易事。他強調(diào)，視頻數(shù)據(jù)缺乏直接交互體驗，這可能對機器人的學(xué)習(xí)造成一定障礙。

　　盡管如此，特斯拉仍在積極推進這一策略。據(jù)知情人士透露，特斯拉在6月底之前仍在遠程操作Optimus，并通過動作捕捉服進行訓(xùn)練。然而，由于動作捕捉服和機器人本身存在的問題，團隊能夠收集的數(shù)據(jù)量受到限制。因此，特斯拉決定轉(zhuǎn)變訓(xùn)練方式，開始使用內(nèi)部自制的攝像頭記錄員工動作。這些攝像頭安裝在頭盔和背包上，能夠向各個方向拍攝，為AI模型提供精確的環(huán)境定位數(shù)據(jù)。

　　佛羅里達州立大學(xué)機器人實驗室主任克里斯蒂安·胡比茨基表示，多角度拍攝有助于特斯拉采集更精細的細節(jié)，并實現(xiàn)機器人的空間精準定位。然而，執(zhí)行訓(xùn)練任務(wù)的工作人員需要收到具體指令，特別是在手部動作方面需要確保動作盡可能接近人類形態(tài)。有些員工可能需要花費數(shù)月時間重復(fù)執(zhí)行同一個簡單動作，以確保數(shù)據(jù)的準確性和可靠性。

　　謝菲爾德大學(xué)機器人專家喬納森·艾特肯認為，特斯拉需要想辦法教會Optimus使用可應(yīng)用于多種任務(wù)的動作。他指出，在這種規(guī)模的操作中，建立通用動作庫至關(guān)重要，否則逐個訓(xùn)練所有動作將耗費大量時間。特斯拉可能會采用與PhysicalIntelligence公司類似的策略，通過輸入海量示范數(shù)據(jù)來使機器人學(xué)習(xí)可轉(zhuǎn)移技能并靈活應(yīng)用。

　　盡管特斯拉在機器人訓(xùn)練方面取得了顯著進展，但這一新策略仍面臨諸多挑戰(zhàn)。俄勒岡州立大學(xué)AI與機器人專家艾倫·費恩表示，對于特斯拉來說，訓(xùn)練Optimus將比開發(fā)自動駕駛汽車更加艱巨。駕駛只是單一任務(wù)，而機器人需要理解視頻中發(fā)生的情況并具備完成任務(wù)的技能。有些技能可以通過觀察學(xué)習(xí)獲得，但有些則需要在模擬器或現(xiàn)實中進行物理實踐。

　　盡管面臨諸多挑戰(zhàn)，但特斯拉仍在積極推進Optimus的訓(xùn)練工作。截至最近，特斯拉的招聘頁面仍列出了50多個與Optimus相關(guān)的職位，這表明該公司仍在擴大其機器人團隊并加速相關(guān)技術(shù)的研發(fā)。未來，隨著技術(shù)的不斷進步和數(shù)據(jù)的不斷積累，Optimus有望在實現(xiàn)更多復(fù)雜任務(wù)方面取得突破。