清華團隊破解具身智能Scaling Law，GPT時刻在即！寧德時代聯創終于出手
最近，我們意外發現，具身智能領域的明星初創公司千尋智能，悄悄完成了工商變更。
根據工商信息顯示，本輪融資由柏睿資本獨家投資。至此，千尋智已經在半年多時間里獲得了三次大額融資，一躍成為具身智能領域明星公司之一。
值得一提的是，柏睿資本是寧德時代聯合創始人，副董事長李平創立的產業投資基金。
全國具身智能領域多家明星，為何首次下場便獨獨選中了千尋智能？
從下面這些demo中，便可窺見一斑。
仔細看，桌面上撒滿了五顏六色形狀各異的糖豆。如何將這些不同顏色和大小的物體進行分類，可不是件容易的事。
只見，在極其強大的識別和精準操作能力的加持下，千尋智能的機器人用靈巧的手指輕松地將糖豆捏起，并準確地放入指定的碗里。
（實拍原速）
不僅如此，它還可以一手拿起桌上透明的玻璃杯，一手從滿滿一筐雞蛋中抓出一個并準確無誤地放進杯中。
（實拍原速）
甚至，它還能接過手中的文件并進行裝訂，然后再交還給人類。
在這個過程中，AI基于視覺大模型的任務理解與規劃，實現了人機交互及協同作業。
（實拍原速）
具身智能行業，到底在卷什么
其實，如今的具身智能領域可謂是百花齊放，各種酷炫的演示demo層出不窮。但對于不懂的外行人來說，只能看個熱鬧，很難理解背后真正的技術邊界是怎么樣的。
同一個動作，是提前編程好的，還是機器人自主完成的？機器人只能在特定的某個位置、某個光照做一件事，還是能夠真正泛化到各個條件、各個場景？
看似相差不多的demo下，背后的技術能力實則相差甚遠。
不過，對于未來的技術走向，業界的認知正在逐漸清晰——最核心的還是大腦的能力。
隨著時間的發展，可能再過一兩年，競爭就會回到這個本質，因為唯有大腦，才能決定具身智能能在什么場景落地。
目前，大語言模型賽道已經接近后期，投資人開始關注回報的問題，但相比之下，機器人賽道可以說才剛剛開始。尤其涉及到軟硬結合，以及整套系統的復雜度，賽道周期顯然會更長。
在這樣的背景下，柏睿資本的此次下場，顯然是經過了深思熟慮。
寧德時代聯創首次出手
自創立之初，柏睿資本就專注于人工智能、具身智能領域的發展，且一直非常看好這一技術將帶來的一系列變革。
具體到千尋智能，柏睿資本看重的正是其團隊在AI、硬件、商業化三個方面的綜合優勢。
首先，針對高陽在算法和模型方面的持續創新和產出能力，柏睿資本抱有極大的信心；其次，千尋智能的創始團隊在硬件領域有著扎實的背景和積累；第三則是多達上百個場景、數萬臺機器人的商業化落地經驗。
作為柏睿資本投資的首家具身智能企業，千尋智能將借助柏睿資本和背后的產投資源，快速切入市場化落地并進行具身智能泛化性作業驗證，成為國內首家實現具身智能商業化的公司。
把水壺里的水倒進玻璃杯，并讓水位達到指定的刻度（實拍原速）
縱觀當下機器人領域的現狀，各種技術的理論驗證基本都已完成，但工程化卻還在起步階段。
怎樣一條途徑是最優方案，率先做到在工程上可行？
從Physical Intelligence、Skild AI等優秀的國外先行者身上，我們可以隱約窺見一條逼近真理的技術路徑。
端到端就是下一個前沿
最近，成立僅8個月的初創Physical Intelligence（Pi）發布了一款通用機器人基礎模型π0。
這個在8個機器人平臺上，完成訓練的3B模型，能夠執行各種靈巧的任務，包括洗衣服、收納整理......
與LLM不同的是，π0跨越了視覺、語言、動作（VLA），并通過訓練機器人的具身經驗中，獲得物理智能。
它基于3B VLM完成的預訓練，隨后又根據靈巧任務（洗衣服、組裝盒子、桌面任務）進行了微調。
VLM的優勢在于能夠集成互聯網規模的語義知識和視覺理解，有助于動作預測
Pi聯創之一，也是UC伯克利副教授Sergey Levine看到，如今的機器人是一種狹隘的專家系統。比如，工業機器人通過編程，在裝配線上同個地點進行重復的工作。
即便是這樣簡單的行為，也需要耗費大量的人工編程，更不用提在復雜環境（家庭等）中的應用了。
有了大模型，就很容易讓機器人做到這點。然而這一切實現的前提是——數據。
就像人類可以憑借經驗快速學習新技能一樣，模型也僅需少量數據，就能適應新的任務。
這便是π0的核心思想。
另一家由CMU大牛Deepak Pathak（博士出身是UC伯克利）創立的Skild AI，也遵循了同樣的技術路線。
他們打造出了一款能夠泛化的機器人基礎模型「Skild Brain」，背后用到的訓練數據是競爭對手的1000倍，可以適用到任何機器人本體和任務中。
從以上伯克利系大牛們所做的研究來看，端到端架構已成為具身智能的主要技術路線。
無獨有偶，國內的千尋智能也在技術路線上與這兩家美國的具身智能頂尖初創，不謀而合。
在讀博士、博士后期間，千尋智能團隊的首席科學家高陽，還曾與Sergey Levine和Pieter Abbeel教授展開深入合作。
尤其是，他們的模型可以在訓練過程中，同時利用監督微調、強化學習、模擬學習等技術，并將Sim2Real數據作為補充。
結果就是，剛成立半年多的千尋智能，就已經能實現業內Top的靈巧手操作了。
（實拍原速）
伯克利系稱霸具身智能
毫不夸張地說，UC伯克利已被公認為是最近這波具身智能浪潮的主要發源地。而Sergey、Pieter這些教授，是當之無愧的機器人學習領域最近十年的領頭人。
同時，出身伯克利系的高徒們，如今已經在各個相關領域散作滿天星，不斷推高業界前沿的技術水平。
比如，千尋智能聯合創始人高陽在攻讀計算機視覺博士學位期間，便是師從Trevor Darrell教授，和Deepak Pathak同組。
最近，高陽帶領團隊發現了具身智能領域的「圣杯」——Data Scaling Laws，堪稱機器人的ChatGPT時刻。
而且，在CoRL 2024上，這項研究榮獲X-Embodiment workshop最佳論文獎！
這一方法讓機器人實現了真正的零樣本泛化，也就意味著無需任何微調，就能泛化到全新場景中，徹底改變了開發通用機器人的方式。
論文地址：https://arxiv.org/abs/2410.18647
就連谷歌DeepMind大牛Ted Xiao也對這項研究贊賞有加，稱其對機器人大模型時代具有里程碑意義。
這位具身智能領域大咖，有著怎樣的學術背景？
2014年，高陽獲得了清華計算機科學本科學位，師從國內ML領域享有盛譽的著名學者朱軍教授。
在大二的時候，也正是深度學習（2012年）爆發之際，高陽做的了很多關于傳統ML的研究。
憑借出色的成績，他成為了計算機系的第二位大神。
到了大三，高陽拿到了去斯坦福做交換的暑期學習資格，導師是David L. Dill教授。
本科畢業前，得益于老師的推薦信，以及自身各方面優異表現，高陽最終收獲了美國多所頂尖高校的offer。
面對這些同樣優秀的學府，他決定親赴美國實地考察，做出最適合自己的選擇。
在走訪過程中，UC伯克利給他留下了深刻的印象。作為四大名校之一，這所學校具備了濃厚的學術氛圍。
再加上，自身專攻機器學習領域的原因，UC伯克利最適合不過了。
作為一名機器學習領域的學生，他對UC伯克利格外青睞，很大程度上還因為引領ML時代技術的Michael Jordan教授的存在。
原本初到伯克利時，高陽計劃跟隨Michael Jordan開展研究。然而，再參加了幾次他的組會，并與其學生交流后，他發現Michael研究方向與自己的與其有所差異。
因為，Michael Jordan的工作更加偏重數學理論，組會多圍繞數學公式推導，這與高陽所期待的實踐導向研究路徑不盡相同。
在探索其他可能性過程中，他意外接觸到了Trevor Darrell教授的研究組。
Trevor專注于計算機視覺領域，其魅力在于直觀性——可以清晰看到輸入的圖片，觀察神經網絡訓練過程，并得到可視化結果。
值得一提的是，當時深度學習的浪潮已經持續了大約2年的時間，業界也普遍認可了這項技術的卓越性。
也是基于這些原因，更加堅定了高陽在這一方向上深耕的原因。
在他的博士生涯初期，跟隨Trevor教授做了很多在純視覺領域的研究。
直到博士二年級下學期開始，高陽的研究興趣發生了微妙的轉變。
這一轉變源于，實驗室內部一系列關于人類智能起源的深度探討。
而令他印象深刻的是CV圈里另一位大咖Jitendra Malik觀點：他從進化角度提出，人類智能本質與靈巧的雙手密不可分。
正是因為擁有了精細的手部動作能力，人類才得以完成更為復雜的任務，反過來推動了大腦的進化，使得智力水平得以適應更復雜的活動需求。
再到貓狗之間對于人類指令理解力的差別，說明了狗的群居特性，使得它們溝通協調力強于貓。
最終，他們在智能本質討論中，逐漸達成共識：機器視覺的終極發展方向，應該由具身智能體驅動。
自然而然地，高陽開始將研究中心轉向了具身智能領域。
他認為，具身智能與視覺、強化學習有著密切的聯系，這種聯系可以類比人類的認知過程。
即通過視覺感知環境，理解周圍狀況，繼而做出相應的行為。
基于這種認識，高陽開始與Sergey Levine教授展開合作，深入去研究具身智能的形成機制。
得益于前期在計算機視覺領域的積累，在實際研究中，高陽能夠很好地將CV技術與RL結合起來，并交出了碩果累累的成績單。
在機器人研究領域的頂級學術會議CoRL 2024中，團隊更是連中了4篇論文。
論文地址：https://arxiv.org/abs/2310.02635
論文地址：https://arxiv.org/abs/2310.08809
論文地址：https://arxiv.org/abs/2401.11439
論文地址：https://arxiv.org/abs/2406.10615
回到北美，如今頭部的具身智能創業公司，除了Figure AI之外，創始人都屬于伯克利系。
比如，Physical Intelligence的聯創Sergey Levine，便是UC伯克利電氣工程與計算機科學系的副教授。
Pi的另一位聯創Chelsea Finn，也是UC伯克利的博士。
Skild AI的聯創Deepak Pathak，同樣是在UC伯克利獲得的博士學位，師從國際計算機視覺大師Trevor Darrell教授（曾培養了包括賈揚清在內的多位視覺領域知名學者）。
隨后，Pathak繼續在UC伯克利做博士后研究，導師是機器人學習領域的頂尖學者Pieter Abbeel——擴散模型（Sora、SD背后核心技術）的提出者之一。
爆火AI搜索初創Perplexity AI的創始人Aravind Srinivas，以及前OpenAI聯創John Schulman，皆是他的學生。
博士研究期間，Pathak開發了一種向機器人灌輸「好奇心」方法。具體做法是，當系統無法預測其行動結果時，系統反而會因未知結果而獲得獎勵。
這種方法驅使AI去探索更多場景，并收集更多數據。
論文地址：https://pathak22.github.io/large-scale-curiosity/resources/largeScaleCuriosity2018.pdf
其實回看2014到2016年這段時間，無論機器狗還是雙足機器人，在業內的進展都比較緩慢。
雖然當時的人形機器人已經可以跑酷、跳樁，但其中使用的技術棧其實非常傳統，是基于傳統的MPC、WPC這類手工控制器去做的。
也就是說，并不是基于機器學習這條路線。
在2017年左右，Pieter Abbeel和三個學生一起創立了Covariant（原名Embodied Intelligence），可以說是體現了具身智能的縮影。
在當年，大語言模型并沒有出現，因此即使這個公司早于時代，也依然像今天的非端到端自動駕駛一樣，技術棧并沒有特別大的進步。
而隨后大模型的出現，才終于讓具身智能的推理能力、多模態感知融合、自主學習和知識遷移能力等得到了顯著提升，翻開了全新的篇章。
如今，具身智能技術已經走向了深度融合和迭代優化的新階段。擁有技術領先性和應用場景積累的企業，將迎來大展拳腳的機會。
而千尋智能，恰恰有著清晰的端到端技術路線，有頂尖人才、有應用場景。
具身智能這盤大棋，接下來就看千尋智能如何交卷了。
