马斯克人形机器人2年4迭代的秘密找到了

2024年，机器人已经朝着更像人迈出了一大步，斯坦福大学团队与谷歌DeepMind团队合作研发的能炒菜、能做家务的双臂机器人MobileALOHA，特斯拉关于能执行折叠衣物等复杂操作的人形机器人，以及Sora的问世，这些事件引发了人们对于通用机器人时代的遐想。

机器人如何进行类人的复杂操作？ChatGPT引起浪潮后，以谷歌PaLM-E为代表的多模态具身VLM不断面世，机器人领域开始采用更多例如动作捕捉的新技术，也出现了许多不同的AI训练方法。

近日一篇机构的调研报告指出，为了让机器人更像人，目前研究和产业界主要有五种主流的探索路径，分别是虚拟仿真、遥操作、模仿学习、VLM+小模型、VLA，而这些主流研究中，动作捕捉技术这项新技术开始得到愈发广泛的关注。

因为目前，一个瓶颈在于真实数据的获取难度比自然语言更难，为了加速这些领域的研究，快速获取现实物理世界的真实数据，动作捕捉技术得到了更多重视。基于强大的光惯融合算法，光学动捕技术的应用面近年来快速扩大，不仅能够对人体进行定位追踪、人体动作细节捕捉，通过光惯融合系统分析软件，还能实现场地校准标定、3D显示、刚体创建、刚体绘制、刚体追踪等功能。

全球多个研究团队都正在依托动作捕捉系统大量采集生成动作数据，形成动作库数据充实大模型，从而为下一代AI+机器人实现运动控制及环境交互的泛化能力提供数据支撑。