中國首個機(jī)器人多模態(tài)模型，可以相對明確地將水果和非水果進(jìn)行區(qū)分和分揀

　　如果你想吃蘋果，根據(jù)語音指令，機(jī)器人會把蘋果送到你手上；如果想收拾干凈桌面，機(jī)器人就會把桌上所有的東西歸置好……這個關(guān)于人工智能描繪的美好未來，正加速向我們走來。

　　記者昨日獲悉，8月12日，成都人形機(jī)器人創(chuàng)新中心發(fā)布最新研發(fā)成果：中國首個機(jī)器人多模態(tài)模型RRMM（Raydiculous Robot Multimodal Model）及雙臂協(xié)作系統(tǒng)RTACS（Raydiculous Two-Arm Cooperation System）。

　　據(jù)悉，多模態(tài)模型（RRMM）能使機(jī)器人理解推理抽象的語義指令，并調(diào)度雙臂協(xié)作系統(tǒng)（RTACS）執(zhí)行任務(wù)。目前僅OpenAI等國外頭部企業(yè)發(fā)布類似成果，這標(biāo)志著成都人形機(jī)器人創(chuàng)新中心在我國多模態(tài)模型應(yīng)用于人形機(jī)器人領(lǐng)域的率先突破，使“AI 物理化”進(jìn)程加速，也讓人形機(jī)器人從“預(yù)設(shè)擺拍”“遙控操作”進(jìn)化到擁有更強(qiáng)的“大腦”和自主執(zhí)行能力。

　　多模態(tài)（即多種異構(gòu)模態(tài)）數(shù)據(jù)協(xié)同推理，能融合兩種或兩種以上不同感知來源，進(jìn)行綜合推理，并完成復(fù)雜任務(wù)。例如最新的ChatGPT4o展示其強(qiáng)大功能時，測試者不用傳統(tǒng)的鍵盤輸入問題指令，而是在一張紙上手寫一個待解方程，以及手繪一個幾何圖形并用語音指令要求GPT4o解題，GPT4o通過圖像識別、語音識別和語義理解及推理，快速給出準(zhǔn)確答案，這就是典型的多模態(tài)應(yīng)用。多模態(tài)應(yīng)用于人形機(jī)器人領(lǐng)域，使人形機(jī)器人能融合圖像、語義、力感知、環(huán)境感知等多種因素，綜合判斷、生成任務(wù)并執(zhí)行任務(wù)，這是人形機(jī)器人具有自主思考能力的關(guān)鍵核心技術(shù)。

　　目前，成都人形機(jī)器人創(chuàng)新中心發(fā)布的中國首個機(jī)器人多模態(tài)模型，可以相對明確地將水果和非水果、飲料和非飲料進(jìn)行區(qū)分和分揀，也能相對抽象地將圓柱體和長方體物體進(jìn)行區(qū)分和分揀，還能比較抽象地把可食用和不可食用物品進(jìn)行區(qū)分和分揀。完成以上任務(wù)需要機(jī)器人通過多模態(tài)模型自主對所有物品進(jìn)行提取歸納，特別是對多個相似瓶子形狀的物體，需進(jìn)一步通過瓶身包裝上的文字、圖片等要素綜合判斷其是否為可食用，才能最終完成任務(wù)。

　　今年4月12日，成都人形機(jī)器人創(chuàng)新中心有限公司取得營業(yè)執(zhí)照，標(biāo)志著中西部地區(qū)首個人形機(jī)器人新型研發(fā)機(jī)構(gòu)正式落地。該創(chuàng)新中心專注于人形機(jī)器人產(chǎn)業(yè)的核心技術(shù)攻關(guān)、成果轉(zhuǎn)化以及產(chǎn)業(yè)化。今年，四川省將人工智能列為全省1號創(chuàng)新工程，成都今年初出臺的《關(guān)于前瞻培育未來產(chǎn)業(yè)構(gòu)筑高質(zhì)量發(fā)展新動能的實施意見》《關(guān)于前瞻培育未來產(chǎn)業(yè)的政策措施》，也將人形機(jī)器人列為重點發(fā)展的未來產(chǎn)業(yè)之一?！白鳛槟壳皣鴥?nèi)唯一致力于研發(fā)‘真正擁有大腦的人形機(jī)器人整機(jī)’的新型研發(fā)機(jī)構(gòu)，我們將持續(xù)開創(chuàng)性地推動中國人形機(jī)器人產(chǎn)業(yè)高質(zhì)量發(fā)展?！眲?chuàng)新中心團(tuán)隊負(fù)責(zé)人表示。（成都日報錦觀新聞記者 李艷玲 黃雪松 文/圖）

分享讓更多人看到