Figure 与 OpenAI 合作开发机器人 AI 模型

背景

人形机器人（humanoid robot）指按人的身体结构设计的机器：躯干、双臂、双腿、头部，理论上可以使用为人设计的工具、走进为人设计的空间。这样的机器里同时装着两个难题：一是让身体稳定地动起来，二是听懂人提出的要求。研发人形机器人的 Figure 在 2024 年 2 月 29 日就这两件事一起做了公布。^[1]

融资

Figure 表示已完成 6.75 亿美元的 B 轮融资，估值 26 亿美元。^[1] 公司列出的投资方包括微软、OpenAI 创业基金、NVIDIA、杰夫·贝索斯（Jeff Bezos）通过 Bezos Expeditions、Parkway Venture Capital、Intel Capital、Align Ventures 和 ARK Invest。^[1] 据 The Robot Report 报道，这轮融资使 Figure 已披露的融资总额达到 7.54 亿美元，当时公司约有 80 名员工。^[2]

与 OpenAI 的协议

与投资同步，Figure 与 OpenAI 签订了合作协定，为人形机器人开发下一代 AI 模型。合作把 OpenAI 的研究与 Figure 对机器人硬件和软件的理解结合起来，公开表述的目标是提升机器人处理和推理语言的能力。^[1] Figure 还表示，将在 AI 基础设施、训练和存储上使用微软 Azure。^[1]

OpenAI 产品与合作伙伴关系副总裁 Peter Welinder 表示，OpenAI 一直计划重返机器人领域，并对 Figure 迄今取得的进展表示惊叹。^[1]

这笔钱的用途

Figure 表示，新资金将用于扩大 AI 训练规模、制造更多机器人、扩充工程团队，以及推进商业化部署。^[1]^[2] 据澎湃新闻报道，Figure 创始人兼首席执行官 Brett Adcock 说，公司会用这笔钱为机器人开发大语言模型（large language model）、扩大生产并招聘更多员工。^[3]

Figure 01 的视频

2024 年 3 月 13 日晚，一段 Figure 01 的视频被发布：机器人描述它看到的东西，并把一个苹果递给面前的人。据证券时报网报道，这距离 OpenAI 合作公布只有 13 天。^[4] 报道称，Adcock 与 Figure AI 负责人 Corey Lynch 表示，视觉推理和语言理解由 OpenAI 提供，快速、灵巧的动作则由 Figure 自己的神经网络提供。机器人的机载摄像头以 10 Hz 采集图像，神经网络以 200 Hz 输出覆盖 24 个自由度（degree of freedom）的动作，这些行为不依赖远程操控。^[4]

两个不同速度的循环

演示中的这组数字描述的是两个速度相差很大的循环。视觉以 10 Hz 运行，也就是每秒把身前的场景看十次；动作以 200 Hz 输出，快了二十倍。自由度指机器人身上可以独立驱动的一个运动轴向，24 个自由度意味着网络一次要为 24 个关节给出目标，每秒给出 200 次。把感知放在较慢的循环里、把控制放在较快的循环里，就可以让一个较重的模型负责语言和场景理解，另一个较轻的部分负责让身体保持稳定。这些行为不依赖远程操控，意思是没有人从外部替机器人操作。^[4]