特斯拉Optimus机器人转向纯视觉训练，挑战自动驾驶十倍难度

据《商业内幕》报道，北京时间8月26日，特斯拉在自动驾驶技术上的纯视觉方案被应用到了其最新的人形机器人Optimus的训练中。

内部知情人士透露，特斯拉已于6月底告知员工，公司未来将更专注于通过纯视觉方案推进Optimus的训练。

此前，特斯拉曾使用动作捕捉服和虚拟现实(VR)头显记录人类操作员的数据，并远程操控机器人。而现在，特斯拉主要通过录制员工执行任务的视频来训练机器人，学习如拾取物体或折叠T恤等动作。

据称，这一调整标志着特斯拉机器人战略的重要转变，使其与埃隆·马斯克长期坚持的理念保持一致：AI可以通过摄像头掌握复杂任务。这一理念也一直是特斯拉训练其自动驾驶系统的核心。

创新训练方式

尽管远程操作和动作捕捉是行业内训练机器人的标准做法，如波士顿动力曾使用远程操作来训练其Atlas机器人，但特斯拉选择了一条不同的道路。

目前尚不清楚特斯拉未来是否会重新采用动作捕捉服和远程操作，或者是否利用视频数据进一步训练。

人类与机器认知研究所的高级研究科学家罗伯特·格里芬表示，大量远程操作数据使机器人能够通过与环境的实际互动来学习。但仅使用视频数据并不提供这种直接交互体验。

今年5月，特斯拉发布了一段视频，显示Optimus机器人正在根据视频录像完成任务。

图｜Optimus

特斯拉负责Optimus硬件研发的总监康斯坦蒂诺斯·拉斯卡里斯已确认这一新策略。他在领英上表示：“这听起来令人难以置信，但我们的机器人正在通过人类视频直接学习新任务！”

马斯克也曾在5月表示，Optimus最终将能够通过观看YouTube视频学习执行任务。

技术转型的考验

在6月底之前，特斯拉仍通过动作捕捉服和远程操作来训练Optimus。但这一方式限制了数据收集量。

自转变训练方式以来，员工开始使用5个内部自制摄像头记录自身动作。这些摄像头安装在头盔和背包上，提供精确的环境定位数据。

佛罗里达州立大学的克里斯蒂安·胡比茨基表示，多角度拍摄可能帮助特斯拉采集更精细的细节，“比如关节和手指的位置”，并实现空间精准定位。这些视频也可用于增强此前通过远程操作收集的数据集。

更艰巨的挑战

尽管这一新策略与特斯拉训练其自动驾驶系统的方案一致，但谢菲尔德大学的乔纳森·艾特肯表示，训练Optimus可能比开发自动驾驶汽车更加艰巨。

“驾驶只是单一任务。”费恩称。他补充说，主要依赖视频学习要求机器人理解视频中发生的情况，然后具备完成任务的技能，“有些技能可以通过观察学习，有些则需在模拟器或现实中进行物理实践”。

截至发稿，特斯拉尚未就此置评。