机器人领域最受尊敬的思想家之一走向独立
Russ Tedrake是机器人学领域最有影响力的研究人员之一，也是当前物理能力AI浪潮的架构师之一，他重新回到聚光灯下——这次是作为一家未披露的隐形AI初创公司的创始人。Tedrake将在定于5月27-28日在波士顿托马斯·梅尼诺会议展览中心举办的Robotics Summit and Expo上公开发布这家企业。这一公告在机器人社区引起了极大期待，在那里，Tedrake的名字因几十年来在麻省理工学院的研究和在丰田研究院的行业领导地位而备受推崇。
Tedrake最近担任丰田研究院大型行为模型执行副总裁，他在那里领导了开发机器人行为基础模型的工作，这代表了物理AI的当前前沿。他离开TRI创办独立初创公司表明，他确信现在是时候围绕这些想法建立公司，以及实现这一目标所需的能力已经达到了成熟的门槛。
什么是物理AI以及为什么它很重要
物理AI泛指在物理世界中运作并与其交互的AI系统——机器人、自动驾驶汽车和其他必须感知环境、规划动作并在不确定条件下实时执行这些动作的机器。这是一个比语言或图像AI难得多的问题，因为物理世界不会像文本编辑器那样原谅错误。误识别物体并命令错误夹持力的机器人不会产生乱码——它会破坏东西、伤害人或完全失败。
Tedrake在他的职业生涯中从理论基础向上解决这个问题。在麻省理工学院计算机科学与人工智能实验室，他开发了连续控制问题的reinforcement learning算法——这是机器人学会流畅移动而不是生硬的预编程轨迹的数学基础。他在操纵、运动和接触动力学方面的工作对现代机器人研究奠定了基础。
大型行为模型：新的前沿
Tedrake在丰田研究院的工作重点——大型行为模型——代表了该领域的当前领先边界。借鉴文本AI中大型语言模型的类比，大型行为模型是在大量机器人行为数据集上训练的，这些数据来自遥操演示或模拟生成的经验，并学习可以用相对较少的示例适应新任务和环境的通用策略。
这种方法在早期部署中的成功令人瞩目。在大型行为模型上训练的机器人可以跨越以前未见过的对象进行泛化，无需任务特定的重编程即可适应新环境，并且可以以传统控制器无法做到的方式从故障中恢复。挑战在于，大规模训练这些模型既需要数据——在物理世界中收集成本很高——也需要大量计算，生成的模型仍然必须与能处理实时物理的强大控制系统配对。
