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。
围绕物理AI的初创生态系统
Tedrake进入了一个竞争日益激烈的初创格局。Covariant、Figure AI、Physical Intelligence和其他几家资金充足的公司都在追求大型行为模型方法的变体，以实现通用目的的机器人智能。特别是Physical Intelligence吸引了大量关注和融资，其领导层与学术机器人社区有重叠，这产生了竞争和协作的动态。
Tedrake为这个生态系统带来的是深刻理论知识和执行经验的特定组合——他是世界上少数几个能够在控制理论数学和机器人硬件实际工程之间流畅移动的人之一——以及运营大型研究组织的执行经验。他在TRI的任职使他接触到了在工业规模基础设施中所需的训练、测试和部署机器人系统的程度，这是纯学术经验无法提供的。
波士顿作为机器人创新中心
在波士顿的Robotics Summit上发布这家初创公司的选择是恰当的。波士顿已成为全球机器人创新中心之一，以麻省理工学院、Boston Dynamics和密集的初创公司和研究机构生态系统为核心。该峰会吸引了整个行业的工程师、投资者和高管，是Tedrake这样人物进行高调公告的逻辑场所。
初创公司的详细信息——其名称、融资状态、具体技术重点和团队——在5月活动之前仍未公布。机器人社区将密切关注。当像Tedrake这样成就卓著的人离开一个主要研究机构创办公司时，他们对技术未来的具体押注往往值得详细了解。
本文基于The Robot Report的报道。阅读原文。
Originally published on
