知識機器人無法直接下載

一個機器人可以用數百萬張展示手拿著杯子的影像進行訓練，但這仍不足以教會它精確需要多大力量，才能在不打碎玻璃的同時又不讓它滑脫。
這就是具身智能最困難的部分開始的地方。有些知識很難寫下、上傳或從資料集中提取。它存在於身體與物理世界之間的互動之中。
→ 平衡是知道當表面改變時，如何調整你的重心。
→ 夾握是感知一個物體能承受多大的力量。
→ 時機是知道何時該移動、停下或調整。
→ 適應是當現實與預期結果不一致時，做出回應。
→ 直覺是累積了在細微的物理訊號之中作出快速決策的能力，而這些訊號往往很難用言語解釋。
一段影片可以展示一個人接住掉落的物體。資料集可以記錄移動過程。但更深層的智能，存在於行動、回饋、修正與後果之間不斷循環的過程之中。
這就是機器人無法單純直接下載的知識。@InvLambda 正在透過「人機協作（human-in-the-loop）」的遙操作來協助建立缺失的那一層。人類操作員把真實世界的靈巧度與判斷力帶進物理互動之中，產生豐富的多模態資料，用來教會機器人世界實際是如何運作的。
目標不只是讓機器人模仿人類的動作。而是讓它們學習那些動作背後的物理智能。
因為機器人下一次突破，可能不會來自於讓 AI 對世界擁有更多資訊。它可能來自於讓 AI 在其中累積更多經驗。
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach