想想你可能见过的机器人。像小圆盘一样的机器人吸尘器在家里四处移动工作时,可能会被餐厅的桌椅和其他障碍物卡住还有装配线上的机械臂,被设计用来在一个位置反复做同样的重复性任务。这些机器人远不能在为人类构建的世界中独立运行,它们需要工作环境根据它们的能力进行定制。
这就是为什么全球各地的公司正在投入数十亿美元来开发人形机器人,这种机器人有两条腿和两只手臂,外观和行动都像人类。人形机器人更加灵活,能适应各种不同的状况。理论上,一家公司可以制造一种型号的机器人,用户可以训练它去做特定的任务:不需要特殊的环境。根据2024年的一份报告,到2035年,全球人形机器人市场规模可能会从2023年的约1亿美元增长到350亿美元(https://www.goldmansachs.com/insights/articles/the-global-market-for-robots-could-reach-38-billion-by-2035)。
在The Impact of Technology in 2025 and Beyond: an IEEE Global Study这份近期针对技术领导者的调查中,37%的受访者表示他们正在考虑在2025年将人形机器人应用于运营中,35%的受访者期待能够开始应用人形机器人,18%的受访者预计将人形机器人全面投入运营。
更快、更轻、更便宜
推动人形机器人发展的是其所有组成部件(从软件到零部件)的重大改进。这些部件更具成本效益、更轻便且足够小,可以集成到商业产品中。这包括手臂和腿部、感知和运动传感器以及机载计算设备。
越来越多的机器人采用全电动模式,而不是电动与液压混合的模式,这也使它们变得更轻。
部件的总重量至关重要。移动重型部件需要更多能量,这就需要更重的电池或者更频繁地给电池充电。
IEEE高级会员Santhosh Sivasubramini说:“早期的机器人需要频繁充电或者连接电源才能使用。而现代电池组在不影响移动性的情况下续航时间更长。这一发展使得机器人能够运行更长时间。如今的人形机器人还配备了更轻便、更紧凑的电池。这有助于更好地分配重量并改善能量管理。”
眼见为实
较旧的机器人往往依靠基本的视觉和力传感器来在环境中导航以及确定拿起某物时要用多大的压力。
“现代机器人使用激光雷达(LIDAR)、立体摄像机和力 - 扭矩传感器。这些能实现更好的环境测绘、障碍物探测和物体处理,”Sivasubramini补充道,“先进的传感器融合算法实时处理多个输入信息。这有助于在不断变化的场景中做出更快的响应和适应。”
视频中看到的内容
如果你看过人形机器人像运动员一样进行跑酷动作以及穿越复杂地形的视频,你可能会想要质疑这些视频是否反映了机器人的实际运行环境。通常,这些视频是在高度受控的环境下制作的,并不反映现实世界的状况。是的,机器人确实完成了你在视频中看到的动作,但可能经过了多次尝试,而且地形上的微小差异都会使那些壮举难以重现。
如今的人形机器人仍处于开发阶段。即使让它们执行简单的任务也需要大量的训练。虽然人工智能正在使这种训练速度加快,但机器人在其被分配的任务极具重复性的受控环境中表现最佳。
IEEE研究生会员Shally Gupta表示:“虽然这些视频可能反映了真正的技术进步,但它们并不总是能代表这些机器人在日常情况下的表现。”
机器人将做什么?
至少就目前而言,机器人的能力仍然有限。由于这些限制,大多数机器人的任务将局限于人类不想做的事情:重复性的、枯燥的或者危险的工作。
使用机器人技术的最大障碍之一是成本。人形机器人经常被部署在仓库应用场景中,因为环境相当可预测,而且工作是重复性的。但购买机器人只是使用它们成本结构的开端。部署机器人技术的仓库运营商可能需要雇佣专业人员来培训和维护机器人。培训可能也需要大量的时间和投资。
更有可能出现的情况是人类和机器人将并肩工作。
Gupta说:“人形机器人需要在人类身边安全、顺畅地工作。它们必须应对意外情况并且自然地与人互动。要做好这一点需要大量的研究和测试,所以要使人形机器人实用且价格实惠到让所有人都能使用可能很困难。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。