跳到正文
MTS(youtube.com)· Sophia Dew·· 7 天前品質評分58

2027 年前,機器人訓練將以模擬環境為主 | Neil Nie

2027 年前,機器人訓練將以模擬環境為主 | Neil Nie

重點導讀

Veret Robotics 的 Neil Nie 說明其開放權重機器人基礎模型 V0.5,並主張開放權重模型搭配裝置端推論將加速機器人部署,而模擬在訓練中的角色會日益吃重。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

Veret Robotics 執行長 Neil Nie 主張,開放權重的機器人基礎模型是美國的國安資產,而且一年之內,多數機器人訓練將從蒐集真實世界資料轉向模擬。本集大部分時間談的是系統一/系統二的分工——裝置端的機器人策略模型,對上 GPT-6 Astra 這類雲端模型——以及開放權重機器人模型的競爭版圖(NVIDIA GR00T、Physical Intelligence 的 PI 0.5、Veret 的 V0.5),還有裝置端推論對延遲與安全意味著什麼。真正掛在標題上的模擬預測,直到最後幾分鐘才出現。

Nie 的公司推出了 V0.5,這是針對工業機器人的開放權重「世界動作模型」(world action model)。他從客戶透明度、全體業界更快的開發速度,以及一道落在部署關係而非模型權重上的護城河,來鋪陳開放的理由。這段對話很能反映機器人創業者如何與前沿通用模型做出區隔:不比通用智慧,而是比接觸密集的操作、全身控制,以及雲端模型無法提供的本地快速迴路。

開放權重被定調為國安問題,不只是釋出策略

Nie 把美國主導的開放權重釋出,同時定位為商業加速器與戰略資產。他將這個想法的開創歸功於 NVIDIA 與黃仁勳,並主張開放模型一方面降低其他公司的採用門檻,另一方面也為美國在這個技術類別建立一道紮實的技術護城河。主持人提到本集恰好在對開源與美國領導地位別具意義的一天上線,Nie 回應時表示,希望開放權重模型的守護者「會繼續推進前沿」,同時也承認近期情勢讓整個生態系「處於更不穩定的位置」。他拒絕說明原因,只說是「很多利益相互衝突」,隨即把話題拉回 Veret 自己的成績單:一切以交付給客戶的自動化品質來評判。

「我們認為開源模型不僅降低其他公司的採用門檻,對吧,同時也提供了一道我認為非常強勁的技術護城河,讓美國能在這個特定的技術類別中領先。」

Nie 點名 NVIDIA 與 Hugging Face 是他預期會持續推進的玩家,並表示 Veret「非常期待繼續在他們打造的平臺之上發展」。這項戰略主張值得注意的地方,在於它沒說什麼:沒有論證開放權重能抵禦哪個特定競爭對手,也沒有交代他口中「利益相互衝突」的細節。

GPT-6 Astra 是分水嶺,因為它在沒有機器人資料的情況下學會了機器人控制

Nie 稱這次釋出是機器人領域的「GPT-3 時刻」,並形容研究圈同儕的反應是恐慌——研究所階段的研究「一夕之間全成了廢紙」。真正令人意外的是,這個模型在幾乎沒有接受機器人資料訓練的情況下,就學會控制機器人;Nie 認為這說明「苦澀教訓」(bitter lesson)在機器人領域同樣成立,不只適用於語言模型。他的解釋是:模型學到了大量關於 3D 空間以及在其中移動的知識,而這些知識可以直接遷移到機械手臂與人形機器人的控制上。

他對限制講得很謹慎。Astra 在通用任務與前所未見的環境中表現出色,但 Veret 自家的基準測試顯示,專門打造的機器人模型在週期時間與速度上仍然勝出。Nie 預期這個差距會縮小:「我們認為 ChatGPT 之後也能吸收其中一些任務。」他描述的分工方式是:系統一模型在本地快速執行,搭配雲端較慢、較聰明的系統二模型,兩者「至少在中短期內」並存。

架構是兩層分工:本地快速策略、雲端慢速推理

本集技術含量最高的部分,是 Nie 說明為何裝置端推論對機器人來說無可妥協。現代人形機器人搭載大約六顆攝影機——頭部與夾爪各有一些——影像串流送到一個接近 100 億引數、跑在機器人 GPU 上的模型。這個模型必須每秒產生約五次動作,才能對上人類的反應時間;Nie 以棒球為例,把這個時間定在約 200 毫秒。網路延遲會帶來抖動,對安全關鍵系統而言,這是不能接受的。

flowchart TD
    A["人形機器人上的攝影機——頭部與夾爪搭載,約 6 顆"] --> B["裝置端系統一模型——近 100 億引數,每秒約 5 次動作"]
    B --> C["本地動作輸出——不依賴 Wi-Fi,反應時間預算約 200 毫秒"]
    B --> D["任務與子任務狀態"]
    D --> E["雲端系統二模型——GPT-6 Astra 等級,每秒執行一次或更慢"]
    E --> F["下一步指令與任務切換"]
    F --> B

Nie 直接證實了主持人的混合式直覺:本地模型不論連線狀況都能即時反應,較難的任務則導向更先進的雲端模型,在那裡容許一些延遲。他表示愈來愈多機器人公司採用這種架構。至於本地執行是否已成業界常態,他給的是觀察而非統計數字——在奧斯汀的機器人學習會議(CoRL)上,大約一半在做展示的公司都是本地執行策略模型,不是在攤位的桌機上跑,就是直接跑在機器人上。

Veret 的差異化在於全身控制與代理感知,而非通用智慧

Nie 為 V0.5 提出兩項優勢。第一,它是全身控制模型,瞄準必須在工廠或倉庫中移動的半人形系統——他主張多數真實任務都是這種形態,並以補貨上架為例:彎下腰、拿起商品、放上貨架、轉身。第二,這個模型是為了在代理系統(agentic system)內使用而訓練的,內部能理解某個子任務是否已完成,因此像 Astra 這樣的模型可以接手並切換到下一步。

模型所屬公司Nie 的評價
V0.5Veret Robotics全身控制、具代理感知、開放權重,可商業部署與訓練
GR00TNVIDIA「非常出色」,在裝置端本地執行速度快;Nie 稱 NVIDIA 是這個類別的領導者
PI 0.5Physical Intelligence很強;特別提到這是去年的開源釋出;被新創廣泛微調
GPT-6 Astra(未具名開發者)通用與未見任務表現最佳;週期時間與接觸密集控制較弱
DeepMind 模型Google DeepMind公認領先,但屬專有

Nie 明確表示,Veret 想成為其他公司倚賴的開放權重本地模型供應商,並會投入資源訓練與釋出這些模型。他也歡迎競爭——「機器人不是零和賽局」——並提到 Runway 與 Black Forest Labs 已進軍這個領域,後者出自史丹佛的 SVL,也就是他口中的老實驗室。

商業賭注押在透過系統整合商觸及的中型工業客戶

Nie 描繪的市場影像不是巨型工廠。他指向距離訪談地點加州弗裡蒙特一小時車程內的倉庫與工廠,這些地方因為人力吃緊而「捉襟見肘」。他的預測是會湧現一批新的系統整合商,運用前沿開源模型服務中型企業——而且他主張效果不只是降低成本,還能為這些客戶帶來營收成長。

開放權重的論證正是在這裡從意識形態變成商業問題。Nie 說,機器人部署的競爭護城河來自客戶關係與部署本身,而不是權重,這也是為什麼釋出權重會加速、而非侵蝕 Veret 的市場地位。他也說客戶很重視能自行評測、試用模型的透明度。談到時程,他畫出一條界線:2026 年是「模型與大量研究的年份」,2027 年則是「部署的年份」。Veret 表示目前已與多家客戶展開部署,並預期未來幾季客戶數將成長三倍。

模擬成為訓練場,而標題的預測只有一句話

本集的標題主張出現在接近尾聲之處,回應的是「請預測一年後會成真的事」這個提問。Nie 說,在代理式機器人時代,模擬會變得更重要;一年之內,許多機器人將更多在模擬中訓練,而非用蒐集來的真實世界資料,形成強大的「真實→模擬→真實」飛輪。他把這個想法部分歸功於在機器人會議上與前同事的討論。主持人提議一年後再回來驗證。

模擬的討論就這麼多——一段問答,在 21 分鐘的節目裡大約 20 秒。被標題吸引來的讀者應該知道,對話的主體是開放權重模型策略、本地/雲端分工,以及 Veret 的定位。Nie 也不願透露 Veret 下個月計劃推出哪些產品,只說團隊正在工程與部署兩端擴編。

未解的張力:開放權重能否挺過「利益相互衝突」

Nie 的兩項戰略主張擺在一起顯得有些扞格。開放權重一方面被說成美國的國安護城河,一方面又是觸及中型工業客戶、部署機器人的最快路徑——但他也承認生態系「處於更不穩定的位置」,卻不願說明原因。萬一他倚賴的守護者(NVIDIA、Hugging Face)收手,Veret 自身釋出模型的承諾就成了整個論證的承重牆,而他對背後的資源沒有任何交代。

另外兩條線索值得追蹤。第一是基準測試的差距:Nie 說專門打造的模型在週期時間上仍勝過 Astra,卻預測 Astra 會吸收這些任務——這個說法若成真,將壓縮 Veret 正在販售的差異化。第二是部署時程。Nie 把部署放在 2027 年,並說 Veret 在那之前客戶數會成長三倍;模擬訓練的預測則大致落在 2027 年底,兩項說法可以在同一個時間軸上驗證。

來源: MTS (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論