Skild AI发布通用机器人大脑：AGI迈向物理世界的关键一步

type

status

date

slug

summary

破除“记忆式”学习：通用大脑的诞生逻辑

传统机器人为何在受控环境中表现出色，却在现实世界中屡屡“翻车”？答案在于其核心的编程与学习方式。大多数机器人的控制器都是为特定硬件量身定做的，其AI通过反复训练，记住了特定任务的解决方案。这就像一个只会背答案的学生，能通过标准考试，但一旦题型稍有变化，便会束手无策。当机器人面临马达卡住、肢体断裂或更换全新身体部件等未知情况时，这种“记忆式”策略便会彻底失效。

为了解决这一根本性难题，Skild AI彻底改变了训练范式。他们没有让AI去“背答案”，而是设计了一场无法作弊的终极“大考”。

研究团队构建了一个包含十万种不同身体形态的机器人虚拟宇宙。在这个多元宇宙中，AI的目标不再是学会控制某一台机器人，而是要找出一套能适用于所有机器人的通用策略。经过相当于一千年的模拟时间训练后，一个强大的通用大脑——Skild Brain——从这个庞大的数据和经验中“涌现”出来。它不再依赖固定的运动记忆，而是掌握了控制物理身体的底层逻辑和核心原理。

惊人的适应力：从断腿到踩高跷的涌现能力

Skild Brain最令人惊叹的，是其面对陌生和突发状况时展现出的超凡适应力。这种能力并非来自预先编程，而是完全涌现出来的。

上下文学习与快速试错：当研究人员将一个四足机器人的前腿限制住，并首次启动Skild Brain时，大脑完全不知道自己控制的是什么。它甚至尝试将其当作人形机器人来控制，虽然初次尝试因身体结构不匹配而失败，但它并未放弃。得益于比传统机器人长100多倍的记忆上下文窗口，Skild Brain能从失败中快速学习。在短短几次尝试后，它便掌握了新身体的平衡技巧并成功行走。

模拟肢体断裂：团队将机器人的大小腿绑在一起，模拟失去部分肢体并减少四个自由度的情况。起初，机器人步履维艰。但在短短7-8秒的自我调整后，Skild Brain发现通过大幅摆动大腿关节可以克服困难，最终恢复了有效的行走能力。相比之下，为单一机器人训练的专用控制器在这种情况下则彻底瘫痪。

应对关节故障：通过在软件中锁定一个膝关节，四足机器人瞬间变成了“三足”。Skild Brain在短暂的前倾后，迅速学会将重心后移，仅用2-3秒就适应了三条腿的行走模式。

多模态切换：对于一个带轮子的机器人，当它的轮子被卡住时，大脑能感知到滚动指令失效。于是，它会自动切换到类似双足行走的步态来前进。一旦轮子解锁，它又会无缝切换回更高效的滚动模式。

这些测试充分证明，Skild Brain具备了真正的物理世界适应性，能够像生物一样，在身体受损或环境变化时，动态地调整自身策略以完成任务。

通用大脑背后的“最强大脑”：Skild AI的豪华团队

Skild Brain的成功并非偶然，其背后是世界顶级的AI研究团队。Skild AI由卡内基梅隆大学的两位杰出教授Deepak Pathak和Abhinav Gupta于2023年创立。两位创始人在机器人学、计算机视觉和自监督学习等领域拥有深厚的学术造诣和丰富的产业经验，论文总引用次数合计超过10万次。

这家年轻的公司也迅速获得了资本市场的青睐，在短短时间内完成了数轮巨额融资，总金额超过4亿美元，投资方包括软银、英伟达、亚马逊、红杉资本等行业巨头。高达45亿美元的估值，证明了市场对其技术路线和未来潜力的高度认可。

从虚拟到现实：物理AGI的未来之路

Skild AI坚信，能够在物理世界中可靠运行的AGI，绝不能仅仅依赖记忆，而必须具备适应世界的能力。Skild Brain的出现，正是朝着这个方向迈出的关键一步。它证明了通过大规模、多样化的模拟训练，可以创造出一个通用的、能够泛化到未知硬件和环境的“机器人大脑”。

这一突破不仅对机器人行业意义重大，也为整个人工智能领域的发展提供了新的思路。它让我们看到，AI的未来不仅仅是像ChatGPT或Claude那样在数字世界进行信息处理，更是要走进工厂、家庭和各种复杂场景，成为能与物理世界交互的智能体。

要持续关注这类前沿的AI新闻与技术突破，理解从LLM到物理AGI的演进脉络，一个全面的AI门户网站是必不可少的。AIGC.bar 致力于提供最新、最深入的AI资讯，帮助每一位关注者把握人工智能时代的脉搏。

结论

Skild Brain的诞生，预示着一个机器人新时代的到来。在这个时代，机器人将不再是脆弱、呆板的自动化工具，而是能够像生物一样适应环境、克服困难的智能伙伴。虽然通往真正物理AGI的道路依然漫长，但Skild AI已经为我们点亮了一座至关重要的灯塔，指引着人工智能从虚拟走向现实的未来。