0
人類一樣的外型，能動能跳還能干家務，人工智能界怎么背著我們偷偷搞科研啊？
科技公司1X最近推出了一款人形機器人NEO Beta，超靜音，號稱是專為人類家庭設計打造的全能機器人。
根據1X放出來的視頻，雷峰網(公眾號：雷峰網)發現，NEO能做的事還真不少，拎包、拿飲料、洗衣服、分揀貨物通通不在話下。
而且不需要特定的命令話語，只要直接對NEO說出命令，它就能跟著執行。
NEO甚至還能和你互動玩剪刀石頭布。
這樣看下來NEO和人類好像也沒啥區別，吃瓜網友紛紛表示不敢相信自己的眼睛。
有網友說這肯定是有人穿著套裝演出來。
也有人跟著附和表示不信，這就是一個穿著變形服的人，我們技術還沒到這個程度呢。如果不是真的人類不然哪有這么流暢的動作？
還有網友跟著開玩笑，沒錯，我就是那個穿機器人套裝的人。
當然，也有很多業內人士表示祝賀。
Jim Fan特地在1X創始人Eric Jang的推特底下發了條評論，恭喜他們做出了這么出色的成果。
幫1X拍視頻的攝影師也說話了，不管其他人信不信反正他是信了，而且這個機器人真的巨安靜，拍攝的時候一點噪音都沒有。
根據1X官網發布的信息，他們把NEO定位成專為家庭設計的家用通用機器人，要能照顧好家庭成員和他們的生活，既要包攬家務，也要貼心問候，就像真正的人類一樣。
你還真別說，穿上衣服的NEO看著和人真沒什么區別。
為了這個目標，1X特地給NEO設計了類似肌肉的結構和觸感柔軟的外型，身高為5.41英尺（約1.65米），重量控制在30公斤，讓NEO能夠安全地像人類一樣在家里四處行走。并且NEO在保證超輕重量的同時還擁有20公斤的攜帶重物能力，能夠舉起70公斤的重量，完全可以放心讓它去做各種重活。
NEO的行走速度其實比視頻里快得多，平常的行走速度是每小時4公里，奔跑速度可以達到每小時12公里。這是什么概念呢？一個普通人的奔跑速度一般是每小時5-7公里，NEO的速度幾乎可以媲美專業馬拉松選手了。
最重要的是，借助具身人工智能，NEO能夠通過通過“感官”和身體的結合，同時理解自然語言和物理空間，在提供服務的過程中一邊自主學習，用得越久就越聰明。
有一點可惜的是，輕量化設計的NEO運行時間只能維持在2-4小時之間。不過NEO的功能都這么強大了，只是多充幾次電而已，還要什么自行車？
在發布NEO之前，作為科技公司的1X在人工智能界看似默默無聞，實際上大有來頭。
成立于2014年的1X，在2022年和OpenAI達成合作，引入了語言模型和具身學習模型。2023年3月，1X在OpenAI領投的A2輪融資中籌得2350萬美元，OpenAI也順勢成為了1X的大股東。今年1月，1X啟動了B輪融資，總計拿到了1億美元。
1X之前發布的EVE輪式機器人，是為工作環境設計的，主要用于工業、物流、零售和安全領域。現在EVE已經在美國和歐洲地區投入使用了，承擔巡邏、搬運、導航等各類工作。
順帶提一句，雷峰網注意到，EVE對標的是馬斯克的機器人Optimus（擎天柱），還在去年5月的一場人形機器人比賽中擊敗了Optimus。
NEO的推出離不開1X的靈魂人物Eric Jang。
Eric Jang從2016年在布朗大學碩士畢業后就加入了Google，作為高級研究專家研究機器人技術，致力于把豐富的數據 + 簡單的學習算法 + 強大的計算資源的原則應用到機器人領域。
2022年，Eric Jang離開Google加入1X，擔任副總裁，立下了制造出能以指數級增長的機器的職業目標。
當時，Eric Jang認為1X擁有比其他任何公司都領先5年的人形機器人技術，即使是特斯拉也仍在開發中，而1X的人形機器人已經誕生了，并且在2018年就發布了EVE機器人。
加入1X后，Eric Jang主要負責訓練模型來解決移動操作中的問題，同時也在具身人工智能領域為公司制定AGI發展路線圖。
NEO主打的靜音安全，都離不開Eric Jang的研究設計。Eric Jang最近就發了一篇博文解釋其中的關鍵。
Eric Jang首先做了一個單電機碰撞模擬，假設一個輪子在一直旋轉，有一個杠桿臂從輪子上伸出，輪子在碰撞木塊后停止旋轉。在這個過程中，部分動能以運動的形式守恒，但其余動能則以熱量、聲音和內部材料變形的形式耗散。很多機器人移動時發出的噪音就是傳動效率低下導致的能量浪費造成的。
隨后，Eric Jang又設計了帶有兩個輪子的涉及變速箱的碰撞模擬。右邊的輪子保持旋轉并和木塊相撞，左邊的輪子則以更快的速度旋轉，通過齒輪機構驅動右邊的輪子。通過計算可以發現，這種情況下碰撞時需耗散大量動能，不止是木塊，連同齒輪本身也可能被碰撞摧毀。
很多工廠里的機器人就因為依賴于這樣僵硬、高度齒輪化的驅動系統存在很大的安全隱患，所以必須被關在安全籠內，在接觸任何東西之前都需要減速到爬行速度。
1X使用的是輕質高扭矩的低轉速電機，這樣就能避開工業機器人剛性、不能反向驅動的齒輪系統帶來的高危險和高能耗，最大限度地提高驅動系統的物理安全性。
Eric Jang還對用視頻訓練機器人提出了新的見解。考慮到機器人內部的各種部件和執行動作時施加力的不同，他給出了一些建議：
使用NEO這樣順從和敏捷的機器人
降低視頻速度，但僅適用于靜態操作任務
分離運動規劃與動態規劃，運動規劃用于目標位置匹配，而動態規劃用于接觸力匹配
有Eric Jang的技術和理論支持，再結合之前EVE多年的現實世界經驗，NEO在人形機器人領的霸主地位可以說是毋庸置疑的了。雷峰網雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
