瑞士初创公司 Flexion Robotics 开发了一种新的人工智能训练方法，旨在让机器人自主完成复杂的办公室任务。该方法首先在模拟环境中教会机器人开门、爬楼梯等基础技能，然后让一个主 AI 通过观看人类视频来学习如何组合这些技能，并利用强化学习在现实世界中执行指令。这种方法减少了对人类遥控操作的依赖，被视为推动人形机器人走向实用化的关键一步，并可能催生一个价值千亿的机器人基础模型市场。
现有方法的局限
目前大多数人形机器人的演示依赖于 遥控操作，即由一个人在幕后控制机器人的所有动作。这种方式存在明显缺陷：
- 缺乏自主性： 机器人无法独立思考和行动。
- 适应性差： 一旦进入不熟悉的环境，遥控操作的可靠性会大幅下降，无法应对意外情况。
Flexion 的创新方案
Flexion 的方案通过在 模拟环境中训练 并结合有限的人类指令，实现了更高的效率和自主性。机器人不再是被动执行命令的木偶，而是能够自主规划并完成复杂任务的“实习生”。
例如，系统在收到“去取零食包裹，走楼梯下去，乘电梯上来，然后拆开包裹并把物品放入零食区的抽屉”这样的复杂指令后，机器人能够自主完成所有步骤。
工作原理：组合式 AI 系统
Flexion 的方法通过结合不同的 AI 系统来工作，其核心流程如下：
- 视频学习： 主 AI 模型通过观看大量人类活动视频，来理解如何完成一项任务。
- 技能匹配： 系统会将视频中观察到的动作，与它在模拟环境中已掌握的开门、行走、抓取等基础技能进行匹配。
- 强化学习： 该方案的“秘诀”是广泛使用 强化学习。从主 AI 模型到运动控制的每一层软件，都通过不断的试错来优化其行为，使其能在现实世界中保持平衡并精确地移动。
真正的革命：AI 而非硬件
许多行业领袖认为，人形机器人最终将替代大量人类劳动。但 Flexion 的演示表明，实现这一愿景需要人工智能的根本性进步。
人形机器人本身并非革命性的事物，关键在于支持它们的 AI 模型。
真正的突破在于驱动机器人的“大脑”，而不是其物理形态。根据 ABI Research 的预测，到 2036 年，机器人基础模型的市场规模可能达到 1500 亿美元。这意味着，掌握了核心 AI 技术的公司将在未来的机器人市场中占据主导地位。