機器人的大腦與身體之間缺失的那一層

一台機器人可以擁有強大的 #AI 模型，能夠解讀其周遭環境並決定下一步該發生什麼。它的硬體也能夠執行動作。
但在「我知道該怎麼做」與真正成功地做出來之間，最困難的部分就存在於其中。
機器人必須把感知轉化為動作、把動作轉化為物理接觸、把接觸轉化為回饋、再把回饋轉化為修正。
在語言層面，「拿起一個玻璃杯」的指令很簡單。物理執行卻不是。機器人必須理解要往哪裡移動、要以多快的速度移動、要施加多少力量，以及當物體移位或開始打滑時該如何回應。
這就是智慧與具身之間缺失的那一層：意圖、行動、後果與適應之間持續的連結。
@InvLambda 正透過人類在迴圈中的遠端操作來協助建構這一層。人類操作員與機器人系統互動，並產生 AI 模型所需的豐富行為資料，以理解決策如何轉化為物理結果。
操作員提供判斷。機器人提供物理環境。遠端操作捕捉了兩者之間的互動。
這種互動產生的是靜態資料集無法完整提供的內容：當行動遇上現實時發生了什麼、操作員如何回應、以及動作是如何被修正的記錄。
走向更能幹自主機器人的道路，必經這個回饋迴路。
感知 → 行動 → 後果 → 修正 → 學習。
Inverted Lambda 正努力在這個迴路中捕捉人類智慧，並將其轉化為訓練訊號，以協助縮小機器人大腦與身體之間的差距。
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach