不怕故障的機器人大腦來了！

肢體斷裂？馬達卡住？通通沒問題。

只要機器人身體能動，這個大腦就能讓它動起來。

踩高蹺？適應外力？負載重物？也是so easy。

除此之外，它還能完成更精細的動作，比如放置碗碟。

這個大腦，就是估值已達45億美元（截至今年6月）的Skild AI新推出的Skild Brain，它在一個包含十萬種機器人姿態的虛擬環境中，訓練了相當于一千年的時間才得以成型。

更值得一提的是，此模型從未在這些機器人上進行過訓練，它對它們的控制能力完全是涌現出來的。

下面具體來看。

只要機器人能動，大腦就能讓它動

由于生活中總有很多事情是難以預料的，所以即使很多機器人在視頻中表現驚人，但在現實生活中卻不可避免要面臨失敗。

為什么會這樣呢？

答案就在于機器人的編程方式。

以機器人的運動為例，大多數控制器都是針對特定機器人訓練的，控制它的AI會記住該機器人的運動策略，就像是記住了考試答案一樣，對通過考試有用，但對學習如何得出答案卻毫無幫助。

當AI面臨從未見過的情況，例如馬達卡住、肢體斷裂或者是全新的身體時，記住的方案就毫無用處。

Skild AI是如何解決的呢？

他們設計了一個AI無法作弊的“測試”，讓其不僅學習控制一臺機器人，而是訓練它去控制一個擁有不同身體形態的機器人多元宇宙。

這時，它就無法為某一臺機器人記住固定的解決方案，而是要找到適用于所有機器人的通用策略。

基于上述思想，Skild AI創造了一個包含十萬臺不同機器人的宇宙。在經過一千年的模擬時間后，系統涌現出了一個能夠適應陌生場景的大腦。

這個大腦可以在面對陌生場景時快速匹配十萬種身體中的任意一種。

比如把一臺四足機器人放置在直立位置，并啟動它的大腦。大腦被喚醒時，完全不知道自己控制的是什么身體。

出乎意料的是，它竟然決定將這臺機器人當作一個小型人形來控制，而不是四足機器人。

但由于普通的人形機器人有踝關節馬達和寬大的雙腳來保持穩定，這個被限制前腿的四足機器人腿部只有一個被動旋鈕，與地面只有一個接觸點。

所以這個新大腦必須在極短時間內判斷出身體類型并穩定姿態。但由于時間太短，機器人還是摔倒了。

這難道就是大腦的極限了嗎？當然不可能。新大腦還能從失敗中進行上下文學習，即使機器人在第一次和第二次嘗試時都失敗了，但在第三次獲得了成功。

這就得提提Skild Brain非凡的記憶力了，大多數機器人的控制策略內存都只有幾百毫秒，但是這個新大腦的上下文窗口比前者長了100多倍。

此外，團隊還嘗試將機器人的大小腿綁在一起，以模擬其失去肢體的情況。

這一操作不僅縮短了機器人的肢體長度，還讓其減少四個自由度。起初，機器人并沒有辦法進行有效移動，只能十分吃力的原地踏步。

然而，在經過7-8秒的適應后，新大腦發現大幅度擺動大腿關節可克服困境，最終成功實現了有效行走。與此同時，僅針對單一機器人訓練的專用控制器則徹底失敗，甚至翻倒。

不僅如此，團隊還通過在軟件中鎖定機器人膝蓋來模擬關節故障，這會使四足機器人變成三足機器人，而此前它并未接受過這種訓練。

最開始，機器人會向前傾斜，但后來它學會了將重心向后轉移到三條腿上，甚至在適應2-3秒后就能行走。此類行為同樣也發生在輪式四足機器人身上。

那如果突然把機器人的輪子卡住呢？

這個大腦會感知到發送給車輪的指令不再使機器人前進，隨后，它會切換到類似標準雙足機器人的行走步態，當車輪再次解鎖時，大腦會重新切換回更高效的滾動模式。

為了更有效地測試機器人面對不同情況時的平衡狀況，團隊還給其腿部安裝了額外的支柱，也就是讓機器人踩高蹺。

可以看出，剛開始機器人邁出的幾步很不穩定，但其很快就能調整步頻和腳的位置，以適應更長的腿部。

Skild AI認為，未來在物理世界中能實現可靠運行的AGI絕不是僅僅依靠記憶，它必須具備適應世界的能力，而實現這一目標的途徑就是訓練一個可以控制所有身體的“大腦”。

Skild AI公司介紹

Skild AI創立于2023年，旨在開發適用于不同硬件和任務的自適應AI大腦，擁有約6名員工，總部位于賓夕法尼亞州匹茲堡，共有Deepak Pathak和Abhinav Gupta兩位創始人。

Deepak Pathak，本科就讀于印度理工學院坎普爾分校，博士畢業于加州大學伯克利分校，隨后繼續在該學校從事博士后研究。曾在Meta擔任了一年的研究員，現任卡內基梅隆大學計算機科學學院助理教授。

在學術方面，他的總被引次數已超2.7w，h-index為52，i10-index達92。

另一位創始人Abhinav Gupta，本科也就讀于印度理工學院坎普爾分校，博士畢業于馬里蘭大學，隨后在卡內基梅隆大學擔任博士后研究員，現為該學校教授。

他還曾在谷歌擔任過兩年計算機視覺和大規模視覺學習項目的教師顧問，后在Meta擔任過四年的研究經理兼組長，在多個領域取得了若干關鍵創新，包括自監督學習、觸覺感知、機器人導航和操作等。

Abhinav Gupta的論文總被引次數已超8萬，h-index為117，i10-index達323。

自2023年成立以來，Skild AI除了完成1450萬美元的種子輪融資外，還完成了A、B兩輪融資，共籌集4.14億美元，確立了其在人工智能機器人創新領域的領先地位。

2024年7月，Skild AI完成A輪融資3億美元，資金將用于擴展Skild的機器人AI基礎模型、擴充團隊規模以及推進產品開發，當時，該公司的估值已達15億美元。

今年6月，Skild AI融資1億美元，旨在支持公司的市場擴張，并建立戰略合作伙伴關系，以加速其物理AI機器人平臺的部署。此輪融資使Skild的估值達到45億美元。

除此之外，Skild AI的主要投資者也可圈可點，包括但不限于軟銀、光速創投、英偉達、三星、紅杉資本、亞馬遜、卡內基梅隆大學和凱迪拉克等。