对标特斯拉的通用人形机器人Figure 01,终于迈出第一步

人形机器人初创公司Figure展示了其Figure01机器人,具备动态双足行走技术,旨在解决劳动力短缺问题。该机器人设计用于苦力劳动,有望在未来帮助执行更复杂任务。Figure团队在短时间内取得重大技术突破并获得融资支持。

原创 | 文 BFT机器人 

图片

半年前,满屏的人形机器人初创企业诞生、公司融资,马斯克宣称人形机器人会比电动车更好卖,芯片巨头英伟达的黄仁勋称“AI的下一个浪潮是具身智能”,人形机器人的iPhone时刻已经到来成了大家公认的答案。

但作为刚刚起步的阶段,人形机器人绝大多数仍在PPT里,甚至只是CAD工程图里加工来的渲染图,并没有出现许多炸裂的新品展示。

现如今,半年时间过去,人形机器人公司们纷纷交作业,展示他们的最新研究成果。

近日,位于加利福尼亚州的一家专门从事机器人技术的初创公司Figure发布了一段视频,视频中向大众展示了其名为Figure 01的人形机器人首次公开迈出第一步。早在今年被称为人工智能月的三月里,该公司就公布了一个对标特斯拉擎天柱的项目——将研发一款通用型全能人型机器人

该机器人设计主要是用于执行苦力劳动,例如搬运重物,最终解决美国的劳动力短缺问题。这款人形机器人模仿人体形态,目的是完成人们不想做或无需技能的工作,并最终可以帮助人类解决更高级的任务,如照顾老年人甚至烹饪餐点。

图片

图片

动态双足行走

Figure 01目前最大的特点之一在于其能够执行“动态双足行走”。与传统的机器人行走方法不同,传统方法侧重于将质心保持在与地面的接触点之上,而“动态双足行走”则依赖于动量来保持平衡。这意味着它可以根据所需的速度和方向调整其关节处的扭矩。这一进步不仅代表了技术上的进展,还对人类与机器人之间的互动产生了重要影响。

图片

同样,Figure团队正在努力开发机器人在摔倒情况下的安全行为,这对于在不受控制的环境中使用机器人来说是一个基本的考虑。 

高效设计

机器人采用纤瘦设计不仅仅是美学考虑,它还意味着需要移动的质量更低,从而使机器人的能源效率更高。此外,这种设计会影响人类对这个类人机器人的感知和互动,使其显得不那么令人不安。Figure 01有一个受“比赛头盔”启发的头部,其中包括一个LCD屏幕,可用于与用户进行交流。

图片

在过去的一年里,Figure的团队扩大到60人,聘请了人工智能、控制、嵌入式软件、电气、机械、执行器设计、电池、集成和测试等各个领域的专家。2023 年 5 月,该公司宣布获得了 7000 万美元的融资,并在 12 个月多一点的时间里开发了机器人。

Figure团队在不到一年的时间内实现了“动态双足行走”,这被认为是全新人型机器人项目的一个记录。Figure的创始人Brett Adcock表示,Figure人型机器人还具备自主地捡东西、搬运物品和自主导航的能力。不过,他们尚未发布展示这些能力的视频。

该公司在其桑尼维尔总部建立了一个演示仓库,这表明Figure 01在2024年发布时最有可能出现早期市场机会。

作者 | Azukii

排版 | 小河

审核 | 猫

若您对该文章内容有任何疑问,请与我们联系,我们将及时回应。

特斯拉人形机器人(Tesla Optimus)的技术架构和框架涉及多个层面,包括硬件设计、传感器融合、控制系统以及人工智能算法等。以下是其技术架构的关键组成部分: ### 硬件设计 特斯拉人形机器人的硬件设计旨在模仿人类的运动能力和操作能力。它具有28个自由度,涵盖了头部、手臂、腿部和手指的多个关节。这种设计使得机器人能够执行复杂的任务,如抓取物体、行走和与环境互动。此外,机器人配备了多种传感器,包括摄像头、力传感器和惯性测量单元(IMU),以实现对周围环境的感知[^1]。 ### 传感器融合 为了有效地感知环境,特斯拉人形机器人采用了多传感器融合技术。这些传感器包括高分辨率摄像头、激光雷达(LiDAR)、超声波传感器和触觉传感器。通过融合来自不同传感器的数据,机器人可以构建出一个详细的环境模型,从而更好地导航和执行任务。 ### 控制系统 特斯拉人形机器人的控制系统负责协调所有传感器和执行器的工作。该系统基于实时操作系统(RTOS),能够快速响应外部环境的变化。控制系统还包括一个中央处理器(CPU)和图形处理器(GPU),用于处理复杂的计算任务和实时决策。 ### 人工智能算法 特斯拉人形机器人集成了先进的人工智能算法,用于路径规划、物体识别、语音识别和自然语言处理。这些算法基于深度学习和强化学习技术,使机器人能够自主学习和适应新的任务和环境。例如,机器人可以通过观察人类的动作来学习新的技能,并通过不断的实践来优化这些技能。 ### 软件架构 特斯拉人形机器人的软件架构设计为模块化,允许不同的功能模块独立开发和更新。这种架构包括操作系统层、中间件层、应用层和服务层。每一层都提供了特定的功能,并通过准化的接口与其他层进行通信。 ### 示例代码 以下是一个简单的Python示例,展示了如何使用深度学习框架来训练一个用于物体识别的神经网络模型: ```python import tensorflow as tf from tensorflow.keras import layers, models # 构建一个简单的卷积神经网络 model = models.Sequential([ layers.Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)), layers.MaxPooling2D((2, 2)), layers.Conv2D(64, (3, 3), activation='relu'), layers.MaxPooling2D((2, 2)), layers.Flatten(), layers.Dense(64, activation='relu'), layers.Dense(10, activation='softmax') ]) # 编译模型 model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # 假设我们有训练数据 # x_train, y_train = ... # 训练模型 # model.fit(x_train, y_train, epochs=5) ``` ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值