麻省理工学院（MIT）本周展示了一种全新的机器人训练模型，该模型放弃了以往专注于特定数据集的训练方法，转而采用类似大型语言模型(LLMs)训练时使用的海量信息。研究人员指出，模仿学习——即代理通过模仿执行任务的个体来学习——在遇到小的挑战时可能会失败。这些挑战可能包括不同的光照条件、不同的环境设置或新的障碍物。在这些情况下，机器人没有足够的数据来适应这些变化。图源备注：图片由AI生成，图片授权服务商Midjourney团队借鉴了像GPT-4这样的模型，采用了一种粗

一直以来，我们都梦想着拥有像人类一样聪明的机器人，能帮我们做家务，能陪我们聊天，甚至能像钢铁侠的贾维斯一样无所不能。但是，理想很丰满，现实很骨感。教会机器人做事，可不是拍拍脑袋就能搞定的，那难度堪比教女朋友讲道理，费劲还不一定有效果。为什么呢?因为现实世界太复杂了，充满各种意外和变化。你想想，连你教女朋友一个简单的道理都得费尽口舌，更何况是教一个没有人类思维的机器人呢?传统的机器人训练方法，要么成本太高，需要在现实世界中反复试验，还

挪威的初创公司1X Technologies 最近宣称，他们在为机器人开发基于人工智能的世界模型方面取得了重大进展。简单来说，这些模型就像是机器人的虚拟试验场，能够让机器在各种情境中进行测试和改进，完全不需要真刀真枪的实地测试。1X 认为，这正是解决 “机器人难题” 的关键所在 —— 也就是如何在不断变化的环境中，可靠地评估为多种任务而训练的机器人。以一台能折叠 T 恤的机器人为例，它在50天的时间里表现不一，成就感常常转瞬即逝。1X 表示，即便是同样的机器人型号，在环境

麻省理工学院计算机科学与人工智能实验室展示了一种创新的家用机器人训练方法，利用iPhone扫描用户家庭环境，将数据上传至模拟环境进行训练。此方法旨在解决传统机器人训练在适应复杂家庭布局、光照与物体摆放时的局限性。通过模拟训练，机器人能在虚拟世界中进行数百万次实践，无实际损失，显著提高适应能力。环境数据库的构建，不仅强化了机器人在已知环境中的表现，更使其在面对动态变化时能够迅速调整，提高在家务场景中的智能化水平。

["研究展示MimicGen系统能生成大规模机器人训练数据。","通过数字孪生技术，在模拟环境中复制人类操作数据。","仅用不到200个人类演示，自主生成5万个训练数据。","合成数据和模拟对AI发展至关重要，可获得无限训练数据。","MimicGen适用于长序列任务和高精确度任务，如抓放、组装等。"]