新闻详情

新闻详情

首页 / 资讯中心 / 详情

去陌生人家里叠个被子,顶级机器人的成功率居然只有这几成

发布时间:2026/11/19 19:39:24来源:尧图网络
去陌生人家里叠个被子,顶级机器人的成功率居然只有这几成
去陌生人家里叠个被子顶级机器人的成功率居然只有这几成马斯克在镜头前给出了一个极其吓人的数字十年之内全球人形机器人会有十亿台二十年内可能达到一千亿台。按照这个设想机器人数量甚至会远远超过地球上的总人口不仅能照护老人、辅导功课每个人还能像使唤家丁一样开一家一人公司。但是只要把目光从讲台拉回到现实的车间地面画风立刻就变了。在现代汽车位于美国佐治亚州的工厂里波士顿动力刚刚为全身电动的新版 Atlas 机器人开设了专门的训练中心。这个被严密保护的钢铁工人在学什么不是飞檐走壁也不是精密装配而是极其枯燥的一件事把箱子里的汽车零部件按照工人们装配时需要的顺序一个接一个排好。从千亿台的狂想到流水线旁边老老实实摆零件人形机器人到底是真要接管现实世界还是又一场靠舞台演示撑起来的科技幻象一、为什么连最聪明的机器人进厂也得先当学徒如果你以为机器人一出厂就能直接顶替流水线工人那就把工厂想得太简单了。现代汽车集团计划在未来数年里于现代和起亚的全球工厂部署两万五千台 Atlas甚至准备在美国新建一座年产能三万台机器人的工厂。这是人形机器人第一次拿到万台级别的真实采购意向但波士顿动力给出的时间表却慢得让人意外。佐治亚州萨凡纳郊外的这个机器人应用中心早在2026年6月就已经开始试运行9月21日才正式宣布启用。即便有了这么大的专属场地Atlas 也不能直接上产线。它的首批任务仅仅是汽车零部件的物流准备与排序。按照官方时间表它要到2028年才能真正接管这项工作至于把零件稳稳装上车身更是被排到了2030年。工厂对待机器人就像一位极其挑剔的老工匠在挑徒弟。整车制造是一门按秒计算节拍的残酷生意每一个零件的摆放位置、抓取角度、运输节奏都不能有分毫差错。哪怕 Atlas 已经在消费电子展的舞台上亮相惊艳进了车间也得先去专门的训练中心报到。目前这个一期设施明年就要搬家面积要扩建到现在的十倍左右为的就是让机器人在真正面对产线之前吃透成千上万种零件的物理形态与摆放逻辑。车企并不是买不起机器人而是容不下一次卡壳导致的整条产线停跳。在工业世界里可靠性永远排在花架子前面。二、普通人家里的家务活到底有多难对付如果说工厂里好歹还有固定的料箱和规整的铁架子那么一脚踏进普通人的家里对机器人来说简直就是噩梦。就在波士顿动力宣布训练中心的前几天初创公司 Figure 把自家的机器人悄悄送进了美国湾区的三十个真实家庭。这些房子机器人从来没去过没有提前建图没有采集过一帧数据现场也没有做任何微调甚至连要抓取的毛巾、玩具和床单型号与材质全都是机器人头一回见。结果怎样机器人在这些陌生客厅和卧室里总共尝试了420次家务成功了237次整体成功率是56%。分拆来看更有意思。在铺床这件事上它的表现最好成功率有67%叠毛巾稍逊一筹有62%而家长们最头疼的把玩具收回筐里成功率却跌到了40%。评测的标准非常严苛中间没有任何过程分必须整套床铺好、所有玩具归位才算过关只要测试人员出于安全伸手碰一下或者单项耗时超过一到三分钟立刻直接判为失败。很多人可能会笑折腾了半天才刚刚过及格线还有44%的概率把事情搞砸。但在这个行业内部56% 已经引发了巨大震动。因为在完全相同的控制策略下如果不让机器人的大脑预先吞下全球尺度的人类行为数据而是从零开始去学它的成功率其实只有凄惨的9%。这背后其实就像一个刚毕业的学徒他虽然从没去过你家但脑子里已经看过无数普通人生活时的视频录像。当他发现床单没拉平他懂得像真人一样往后退半步换一个站姿甚至绕着床沿走上一圈把褶皱扯顺。这种自我纠错能力全靠其背后那个每秒钟都在吞咽相当于三十五分钟人类经验的庞大数据库。然而能叠好毛巾跟每天稳定无误地在你家叠毛巾之间横亘着的正是那失败的44%。没有哪个家庭愿意雇一个两天就打翻一次水杯的保姆。三、千亿台的神话与两万一千美元的算盘看着两家巨头在工厂和家庭两端死磕你就能明白高盛与马斯克的数字到底差在了哪里。高盛近期发布了一份长达八十页的报告把2035年全球人形机器人的出货量预测大幅上调到了650万台市场规模看高至1380亿美元。这个调整幅度不可谓不大差不多是过去预期的五倍。高盛之所以敢上调是因为他们算了一笔经济账人形机器人的平均单价有望从2025年的四万两千美元腰斩到2035年的两万一千美元左右。在工厂里一台机器人的成本回收周期会从2026年相当于2.8年的工人工资迅速缩减到第二年的1.9年。在投资机构眼里汽车行业是最好的突破口。特斯拉在加州弗里蒙特改造产线扩大制造奥迪和宝马也都在车间里试点。小鹏建成了专用产线宣称机器人造好后能自己走下来准备在2026年底量产小米的机器人在车间里拧螺母的可靠性达到了98%分拣物流达到了90%优必选的产线甚至能做到每十分钟下线一台机器人。但是哪怕按照高盛如此乐观的计算到2030年全球机器人的年出货量也才不过89万台真正成熟要等到2035年。这与马斯克嘴里的十年十亿台、二十年一千亿台相比中间差了整整几个数量级。造出几台能在发布会上挥手、跳舞的惊艳样机和以便宜的成本、极其可靠的良率生产几亿台皮实耐用的干活工具完全是两个维度的物种。支撑千亿台神话的不仅需要能够自主思考的大脑更需要无数个寿命极长的关节执行器、精密的减速齿轮以及足以撑起庞大电网的基础设施。眼下特斯拉的 Optimus 还在紧锣密鼓地审计生产执行器和精密结构件的供应商第三方客户要拿到现货还得排到2027年之后。从实验室里的惊鸿一瞥到真正帮人类把螺母拧好、把床单铺平机器人的双脚才刚刚踩在坚硬的水泥地面上。那些挂在发布会幻灯片上的千亿狂想固然热闹但决定这场竞赛最终走向的依然是佐治亚州那个车间里机器人低头捡起第一个零件时的精确度。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/19 20:26:12

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/19 15:16:22

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/19 18:03:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉