4 月 2 日，智能協作機械臂廠商越疆機器人發(fā)布了 AI 訓練機器人 X-Trainer。

視頻顯示了 X-Trainer 采用模仿學習神經網絡+ 視覺大語言模型，訓練 2 小時，獲得了自主刷盤子的能力，相較普遍的訓練時長，節(jié)省了 70% 的訓練時間。

從帶有紅色食物殘留物的盤子、放在黃色盤子上的海綿，以及后面掛著碟子的金屬架，推理出清洗盤子并收納到金屬架的任務。

擦拭三連，不放過一點殘留的污漬。

機器人刷完盤子準備放進盤架時，突然被人為干預再次弄臟盤子，但機器人迅速捕捉到這一變化，并立即做出反應。

看似一個簡單的刷盤子任務，機器人也有靈活的反應！完整DEMO視頻如下面所示：

視頻發(fā)布后引起了網友的熱議，并期待機器人做家務的時代真的到來！

網友熱評

@YLshowT

@陸二的烤羊腿

@biubiu哈的視頻號

甚至有人調侃，如果人類一直搗蛋，機器人會不會一直刷下去，會不會罷工！

實際上，X-Trainer 融合了智能機器人與 AI 最前沿技術，使得機器人能夠快速模仿學習人類復雜動作，最終實現行為克隆。

越疆科技聯合創(chuàng)始人郎需林表示，視頻中 X-Trainer 一系列的動作來源于模仿學習神經網絡端到端的控制，是訓練后完全自主的運行，機器人的平穩(wěn)性和速度有了顯著的提升。整個方案采用了視覺大語言模型和模仿學習神經網絡。

首先機器人攝像頭將頂部的圖像輸入視覺大語言模型，X-Trainer 可以完成：

01、工作場景的描述 [包括沾有食物殘渣的碟子，放在黃色盤子上的海綿，以及后面放置碟子的鐵架，組成的這樣一個廚房場景]

02、視覺大模型實現了對于任務的推理，[ 沾有食物殘渣的盤子，放在黃色盤子上的海綿，以及后面放置碟子的金屬架 = 清洗盤子并收納到金屬架的任務]

關于雙臂的操作，所有動作通過端到端神經網絡驅動，25Hz 頻率接收頂部和手部的三個攝像頭圖像并完成推理，通過高性能的在線運動規(guī)劃接口生成 250Hz 的雙臂運動，（根據公開信息，figure01 接收機載圖像網絡頻率為 10Hz），X-Trainer 25Hz 的端到端高性能運動接口，響應速度提升了150% ，這使得機器人的運行平穩(wěn)性得到了進一步的提升。

2024 年 1 月， Figure 展示了 Figure 01 制作咖啡的一段視頻并表示機器人練習這些動作的方法是端到端的方式，神經網絡的訓練時間為 10 小時。X-Trainer 通過人類示范學習，僅需 2 小時訓練即可自主刷盤子，并對實時干擾快速糾正。

X-Trainer 的高速訓練得益于 0.05mm 高精度雙臂，使 AI 訓練機器人擁有工業(yè)級數據采集與動作精度，大幅提升了完成任務的效率和質量，獲得了用于快速訓練的高質量數據集，而該機械臂更是在 3C 制造、商用咖啡店、醫(yī)療艾灸等領域廣泛應用的工業(yè)級機械臂，這使得訓練后場景的落地擁有了保障。

最后郎需林表示，模仿學習神經網絡，端到端圖像到動作的映射，訓練速度和質量都在高速發(fā)展進步，無論是特斯拉還是 Figure 都展示相關的技術成果，X-Trainer，X 代表無限的訓練可能，該訓練平臺的發(fā)布希望助力中國具身智能的發(fā)展，讓人工智能的產業(yè)落地擁有一個高性能的載體。

具身智能是指一種基于物理身體進行感知和行動的智能系統，其通過智能體與環(huán)境的交互獲取信息、理解問題、做出決策并實現行動，從而產生智能行為和適應性，是 AI 實現物理世界交互的關鍵載體。

協作機器人是具身智能的重要硬件載體，從工業(yè)到商業(yè)，釋放更加巨大的市場空間。

越疆科技已在全球部署機器人超過 7 萬臺，產品服務覆蓋 100 個國家和地區(qū)，服務于立訊精密、比亞迪、富士康、華為、豐田、大眾等數十家世界 500 強企業(yè)，連續(xù)五年出口量居首，擁有豐富的具身智能應用和落地場景基礎。

越疆科技一直致力于 AI+ 機器人的技術突破和產業(yè)落地，被美國 CB Insights評為全球 80 家最具投資價值的機器人企業(yè)之一，與全球眾多人工智能院校建立了合作關系，包括牛津大學、卡耐基梅隆大學、麻省理工大學、早稻田大學，牽頭承擔廣東省重點領域研發(fā)計劃人工智能專項“多自由度智能體復雜技能自主學習、關鍵部件與 3C 制造業(yè)示范應用”。同時越疆作為國家級專精特新“小巨人”企業(yè)，于 2022 年牽頭承擔國家重點研發(fā)計劃智能機器人專項，累計申請知識產權超過 1200 項，被認定為國家優(yōu)勢知識產權企業(yè)，在協作和人形機器人核心零部件、電子皮膚、遙操作、模仿學習等方向形成針對性的專利群布局。