麻省理工學院的 Russ Tedrake 表示，機器人技術終於登上火箭了

當 Russ Tedrake 看到他的小型機器人在 20 分鐘內學會自己走路時，這不僅僅是一個實驗室實驗：這是機器人技術即將加速的信號，他自己也承認：「機器學習的成功速度遠遠超出了我們真正理解它的能力。」 直到幾年前，建造一個會走路的機器人對老派工程師來說都是一項技術挑戰：一切都要按照精確的原則設計，追求完美的控制，每走一步錯誤都會讓人後退一步。然而，Tedrake 表示，如今工程師的角色正在發生變化：我們不再只是製造者，而是成為行為科學家，觀察系統自主學習時會發生什麼——而且我們通常不知道它為什麼能如此出色。他的論點是：經過數十年的承諾，機器人技術現在真正處於發展的起點。這並不是因為我們終於理解了行走物理學或人工智慧的所有秘密，而是因為機器的構建和學習方式發生了根本性的變化。我們不再教導機器人每個細節：我們從一般模型開始，例如那些已經掌握語言或影片的模型，然後只「訓練」它們更進一步，將一般常識與物理動作連結起來。Tedrake 有深厚的根基：他是底特律通用汽車工程師的兒子，青少年時期在福特工廠學習自動化的基礎知識，在那裡，他犯了一個程式錯誤——在電纜斷開時停止風扇——導致溫度上升超過工會的限制，使生產線停擺。他說：「他們對我大吼大叫，但那次我真正了解了讓工廠停工是什麼意思。」 後來，在大學裡，機器人技術很少見，他在研究電子遊戲的人工智慧時找到了自己的方向，之後他愛上了麻省理工學院實驗室中的雙腿機器人。他的論文：最有效率的步行機器人不是那些充滿馬達和控制裝置的機器人，而是那些利用物理原理的機器人，就像某些玩具，只需輕輕一推就能從斜坡上滑下，讓重力完成大部分的工作。而這裡是第一個顛覆一切的事實：強化學習模型多年來一直被視為一個有趣的想法，但在短短幾年內，它已成為新型機器人技術的驅動力，原因很簡單，就是可用的計算能力和模擬數百萬種情境的可能性，使得訓練機器人幾乎就像訓練電子遊戲一樣。Tedrake 明確表示：「我們發現這些系統的運作非常出色，但我們甚至還沒有真正理解其中的原因。」 這一飛躍改變了這個行業：不再是設計所有細節，而是觀察、進行實驗，看看當機器人自己嘗試時會發生什麼——然後才嘗試理解出現的規則。最有人情味的場景之一是 Tedrake 描述機器人技術如何成為一個開放的學科：他說，今天，任何有才華的人都可以涉足這個領域，無論他們來自汽車、醫學還是軟體領域。而波士頓憑藉其新創公司和實驗室的生態系統，是最能體現這種融合的地方。另一個顛覆：許多人認為機器人技術的問題在於缺乏資料，無法與大型語言模型所訓練的大量資訊競爭。然而，Tedrake 解釋說，真正的突破是建立一座橋樑：從已經充滿對世界常識的模型開始，只「教」如何將這些知識轉化為具體的物理行動。沒有必要從零開始重建一切。這使得機器人技術的可擴展性大幅提高，並減少對龐大專有資料集的依賴。談到未來，Tedrake 很明確：「雖然不能保證這次一定能成功，但我寧願坐在前往月球的太空船上，也不願意留在地面上。」 但有一點需要注意：如果科技改變了工作的本質，那麼就有可能失去許多人在自己的職業中所找到的個人價值感。因此，他說，我們需要以同理心面對一切，傾聽那些將會受到影響的人，並向那些已經經歷過類似革命（如軟體或圖形設計）的人學習，以避免這種轉變使今天靠雙手工作的人落在後面。最後的想法是：機器人技術的真正革命不在於製造更聰明的機器，而在於重新思考我們從機器本身學習的方式。如果在聽完這個故事後，你發現自己以不同的眼光看待科技，你可以在 Lara Notes 上用 I'm In 標記這種轉變：這不是認可，而是一個聲明，表明這個觀點現在屬於你。如果你碰巧告訴別人機器人技術如何同時改變職業和人性，你可以用 Shared Offline 標記那段對話：因為有些想法在成為真正的對話時就應該被記錄下來，而不僅僅是連結。這篇 Note 來自 Automated Podcast，可為你節省 43 分鐘的收聽時間。