財(cái)聯(lián)社3月14日訊（編輯 劉蕊）美東時(shí)間周三，半個(gè)硅谷都在投資的“機(jī)器人界OpenAI”、明星初創(chuàng)公司Figure發(fā)布了自己第一個(gè)OpenAI大模型加持的機(jī)器人demo。

僅僅是一個(gè)視頻，就驚艷了全球科技界。

而更讓人驚嘆的是，此時(shí)距離Figure宣布和OpenAI在AI人形機(jī)器人領(lǐng)域合作才剛剛過去13天。

Figure3月初宣布，其已從亞馬遜創(chuàng)始人貝索斯、英偉達(dá)、OpenAI和微軟等巨頭那里籌集了約6.75億美元的資金，使其公司估值達(dá)到了26億美元。

首個(gè)OpenAI機(jī)器人來了！

在Figure發(fā)布的視頻里顯示，機(jī)器人Figure 01可以聽懂人類的命令和提問，動(dòng)作流暢且有邏輯地遞給人類蘋果、將垃圾收拾進(jìn)框子里、將杯子和盤子歸置放在瀝水架上。

而最重點(diǎn)的是，F(xiàn)igure 01的很多舉動(dòng)和回答是根據(jù)提問者的一些開放性問題和要求，基于邏輯思考而得出的——這意味著它能對(duì)話、能思考、能學(xué)習(xí)，比一般的機(jī)器人更“像人”。

視頻開頭強(qiáng)調(diào)，這個(gè)機(jī)器人的行為都是基于語音的邏輯推理，使用端對(duì)端神經(jīng)網(wǎng)絡(luò)，且視頻全程1倍速，沒有經(jīng)過加速。

接下來，正片開始，提問者開始在視頻中給Figure 01提出多個(gè)問題和要求，且難度越來越高。

當(dāng)一開始被問到“Figure 01，你現(xiàn)在能看到什么？”時(shí)，F(xiàn)igure 01給出了準(zhǔn)確的回答：“我看到一個(gè)桌子中間有個(gè)紅蘋果，一個(gè)瀝水籃和一些杯子和盤子，還有你站在桌子旁，手放在桌子上。”

提問者接著問道：“我有什么能吃的嗎？”Figure 01動(dòng)作流暢地把紅蘋果遞給了提問者。

接下來，提問者往桌上倒了幾個(gè)黑色塑料袋團(tuán)，并給出了更高難度的要求：“你能一邊解釋你剛剛為什么這么做，一邊把垃圾收起來嗎？”

Figure 01繼續(xù)做出了完美的反應(yīng)：他一邊動(dòng)作流暢地將塑料袋團(tuán)收到籃子里，一邊回答道：“我剛剛給了你個(gè)蘋果，因?yàn)檫@是桌子上唯一能吃的東西?！?/p>

接著提問者給出了更開放性的問題：“你看看你現(xiàn)在面前的場(chǎng)景，你覺得你面前的盤子該去哪？”

Figure 01基于人類常識(shí)作出了回答：“盤子和杯子可能該放在瀝水籃里?！比缓笤谔釂栒叩南乱痪湟蟆澳悄惆阉鼈兡芊诺侥沁吶幔俊焙?，準(zhǔn)確的將杯子和盤子放進(jìn)了瀝水籃。

值得注意的是，提問者提出的“那你能把它們放到那邊去嗎（Can you put them there）？”并沒有準(zhǔn)確的提出“杯子”“盤子”和“瀝水籃”等關(guān)鍵詞，而是只用代稱，這表明Figure 01有聯(lián)系上下文思考和記憶的能力。

提問者最后讓Figure 01對(duì)自己的表現(xiàn)給出評(píng)價(jià)：“你覺得自己做得怎么樣？”Figure 01回答：“我覺得我做得很好。蘋果找到了新主人，垃圾都被扔掉了，餐具也放到了該放的地方?！?/p>

OpenAI所提供的超強(qiáng)大腦

盡管視頻只有短短2分鐘，但其包含的信息量卻巨大：這個(gè)名為Figure 01的機(jī)器人已經(jīng)可以完全與人類流暢對(duì)話，理解人類的自然語言指令和意圖并進(jìn)行動(dòng)作，同時(shí)解釋原因。它甚至可以對(duì)自身行為做出主觀的評(píng)價(jià)。

這在這背后提供支持的，就是OpenAI所提供的“大腦”。

就在3月1日，，F(xiàn)igure才剛剛宣布將與OpenAI合作，開發(fā)下一代人形機(jī)器人的AI模型。Figure將基于OpenAI最新的GPT模型開發(fā)AI模型，并專門訓(xùn)練Figure收集的機(jī)器人動(dòng)作數(shù)據(jù)，以便其人形機(jī)器人可以與人交談，看到東西并執(zhí)行復(fù)雜任務(wù)。

而才剛剛過去13天，這個(gè)具備人工智能的人形機(jī)器人便火速面世并驚艷科技圈——AI模型的成長(zhǎng)速度真的令人震撼。

在視頻發(fā)布后，創(chuàng)建Figure 01的高級(jí)AI工程師（也是視頻中出鏡的提問人）科里·林奇（Corey Lynch）對(duì)Figure 01的表現(xiàn)作出了更多的解釋。

“我們的機(jī)器人可以描述它的視覺體驗(yàn)，計(jì)劃未來的行動(dòng)，反思它的記憶，并口頭解釋它的推理，”他在X上寫道。

根據(jù)林奇的說法，他們從機(jī)器人的攝像頭中輸入圖像，并將麥克風(fēng)捕獲的語音文本轉(zhuǎn)錄到OpenAI訓(xùn)練的大型多模式模型中。

林奇強(qiáng)調(diào)，F(xiàn)igure 01的行為都是通過學(xué)習(xí)而習(xí)得的，絕不是遠(yuǎn)程控制。

根據(jù)官網(wǎng)介紹，F(xiàn)igure 01機(jī)器人身高5英尺6英寸（約1.67米），體重60公斤，可載重20公斤，續(xù)航5小時(shí)，前進(jìn)速度1.2米/秒。

在OpenAI的技術(shù)支持下，F(xiàn)igure 01僅用13天就能完成這樣令人驚艷的學(xué)習(xí)和思考能力。這不禁讓人期待，在未來，更加“聰明”的機(jī)器人恐怕會(huì)比我們想象的更早到來。