Tutor Intelligence公司是一家提供人工智能驱动的仓储机器人劳动力的厂商，近日发布了第二代Cassie和Sonny机器人，两款产品均运行在该公司的机器人基础模型之上。
Sonny最初是作为该公司的双臂半人形机器人开发的，与Tutor的Ti0——一个45亿参数的视觉语言动作（VLA）模型——一同推出。此后，它已从研究平台演进为一款可完全部署的机器人，能够在仓库中自主完成操作与移动。
Cassie是该公司的大尺寸单臂机器人，此次针对仓库和工厂场景扩展了移动能力，新增托盘搬运功能与更强的物理智能。它的外观像是一只巨大的机械臂架在一个带轮子的大箱体上。
联合创始人兼首席执行官乔什·格鲁恩斯坦在接受SiliconANGLE采访时表示：“对我们来说，非常重要的是不仅要造出这些通用机器人，而且它们要能立刻具备实用价值。我们处在一个独特的位置上——打造的机器人既具备通用能力，又能马上投入使用。”
Tutor审视了这个行业：目前人形机器人很“性感”，但人类早已把这些基础工作做得很好。Cassie和Sonny代表了对同一个问题的两种不同回答：如果一台通用机器人是围绕工作本身、而不是围绕像人来设计，它可以长成什么形状？
Cassie负责出力，在堆满大箱体托盘的大型仓库环境中搬运沉重物料；Sonny则在货架之间工作，在那里手臂和手适合抓取小件物品并在料箱之间转移。
格鲁恩斯坦说：“Sonny在某种程度上是与Cassie协同设计的产物，思考的是机器人怎样才能既像人，又不只是为了模仿人，而是去完成人类所做的一类工作。”
尤其是Cassie，可举起50磅重物、拖动数千磅，格鲁恩斯坦形容它像机器人中的“尼斯湖水怪”，在托盘之间穿梭干活。第一代Cassie只能在固定位置作业，如今已可移动，能在仓库地面上穿行。
从课堂走向工厂车间
去年12月，Tutor完成了3400万美元的A轮融资；在此期间，公司为其AI模型搭建了一个本质上的“课堂”，让模型在Sonny机器人上运行，这就是所谓的Data Factory 1：一个由100台机器人组成、供Sonny“学习”的“机器人工厂”。
格鲁恩斯坦解释说：“在机器人领域，我们没有像互联网那样的训练数据来源，可以用来获取训练AI模型所需的数据。”
机器人行业面临一个小麻烦。AI模型依赖海量数据进行预训练；而在机器人领域，这些数据是视觉与运动遥测信息，用来告诉机器人如何完成任务，例如抓取物体、物体长什么样、该放到哪里、如何移动等等。其中很大一部分可以通过训练——也就是所谓的“辅导”——来完成，由专家在真实场景中示范给机器人看。
据格鲁恩斯坦介绍，Cassie不需要对一双手可能遇到的所有情况都进行推理，它的“物理词汇量”相对较小：识别物体、抓取、移动、放置。Sonny的词汇量要大得多，因此Tutor打造了强大的AI模型Ti0以及DF1，来攻克相应的数据难题。
格鲁恩斯坦说：“我们有一支遍布全球的辅导团队，他们可以远程操控机器人，教它第一次完成一项新任务。”
之后，课堂中的100台机器人会反复演练动作，微调行为、消除瑕疵，并为现场可能出现的各种情况做好准备。这就是所谓的后训练。如果某台机器人表现良好，这名“学生”的动作就会在AI模型中得到强化——一个赞许、一份正向奖励；如果表现不佳，这些动作则会被否定。这有助于模型学习真实世界的行为如何与实际硬件相互作用。
格鲁恩斯坦解释说：“我们可以让机器人递归地自我改进，并在表现上超越人类。”
图片来源：Tutor Robotics
Q&A
Q1：Tutor Intelligence发布的第二代机器人有哪些？
A：Tutor Intelligence发布了第二代Cassie和Sonny机器人，两款机器人都运行在该公司的机器人基础模型之上。Sonny是双臂半人形机器人，已从研究平台演变为可完全部署的机器人；Cassie是大尺寸单臂机器人，新增了移动能力和托盘搬运功能。
Q2：Data Factory 1是什么？它是用来做什么的？
A：Data Factory 1是Tutor Intelligence搭建的“机器人工厂”，由100台Sonny机器人组成，相当于供AI模型学习的“课堂”。机器人在这里反复演练动作，进行后训练，表现好会得到正向奖励，表现差则被否定，从而帮助模型学习真实行为与实际硬件的交互。
Q3：为什么机器人行业缺少训练数据？
A：因为机器人领域没有像互联网那样的现成训练数据。AI模型依赖海量数据预训练，而机器人的数据是视觉和运动遥测信息，需要由专家在真实场景中示范，远程操控机器人完成新任务，这个“辅导”过程就是数据的重要来源。