阅读研究雷达投资体系
登录 / 注册
← 返回阅读
资讯实质变化2 分钟阅读DisconfirmAI 编辑部

마음AI 손병희:统一机器人行为数据格式,才能让不同机器人共享经验

韩国AI公司마음AI国防及机器人部门负责人손병희主张,物理AI面临的一个关键瓶颈是不同机器人以各自方式记录数据、难以汇聚。他提出通过episode结构(任务、观测、状态、行动、结果)实现机器人行为数据标准化,使一种机器人获得的经验能被另一种形态的机器人复用。

2026-11-19 10:25

大规模语言模型可以从互联网已有的文本和图像中学习,但机器人抓取物体、操作设备、避开障碍的动作数据在网络上并不多。韩国AI公司마음AI国防及机器人部门负责人손병희指出,机器人需要自己用身体去采集数据,而采集只是第一步。

손병희认为,在物理AI的学习循环中,瓶颈出现在所有阶段,但其中一个关键环节是数据汇聚:不同机器人记录数据的方式各不相同,导致来自不同厂商的数据难以合并到同一个训练集中。他在韩国物理AI协会标准协议会担任议长,该协议会正与韩国电子通信研究院(ETRI)合作讨论机器人行为数据的标准化基准。

他的解决思路围绕一个核心数据结构:episode(片段)。一个episode记录一次作业从开始到结束的完整经验,包含五个要素:任务(要做什么)、观测(看到了什么)、状态(机器人和环境当时处于什么条件)、行动(执行了什么操作)、结果(成功还是失败、在哪个环节失败)。손병희强调,仅标注成功或失败远远不够。他举例说,机器人抓起一个杯子,是稳定地抓住了,还是碰巧成功,还是中途滑落后重新抓住——这些情况对训练的意义完全不同。因此episode必须把情境、行动和结果连接起来记录,让AI学到动作顺序之外的因果关系。

标准化的目标是实现cross-embodiment(跨具身):一种形态的机器人获得的经验能被另一种形态的机器人使用。손병희的解释是,即使末端执行器不同——两指夹爪和五指人手的抓取动作差异很大——关于什么物体、从哪里抓起、放到哪里这类作业经验是可以共享的,前提是这些经验以共同的格式被记录下来。他认为数据标准化后,跨具身学习的实现会容易得多。

마음AI在韩国板桥总部建设了物理AI数据工厂,使用英伟达Isaac Sim仿真器和ALOHA系列双臂遥操作设备采集数据。손병희描述了一个闭环流程:实际机器人采集数据→训练视觉-语言-行动模型→在仿真环境中变换条件实验→将模型部署回真实机器人验证→把成功和失败结果再次采集为数据。他认为这个循环的每个环节都存在瓶颈,而数据格式不统一造成的汇聚困难是其中他着重强调的一个问题。

손병희也承认标准化不能解决所有问题。仿真与现实之间存在sim-to-real gap,无论仿真多么精细,最终仍需真实机器人数据。韩国物理AI协会目前正参与韩国国土交通部的城市环境物理AI虚拟学习场建设规划,试图将真实城市空间与虚拟环境连接起来,为机器人移动和作业学习提供验证基础。

来源

  • byline.network바이라인네트워크↗
带入研究 →
登录 / 注册
阅读研究雷达投资体系