不久前剛剛結(jié)束的第十五屆全運(yùn)會(huì)，已經(jīng)成為一場(chǎng)“AI 賦能體育”的沉浸式展演：從火炬?zhèn)鬟f的無(wú)人駕駛車到賽場(chǎng)內(nèi)外的AI機(jī)器人“多面手”，人工智能正以精準(zhǔn)、高效、協(xié)同的特質(zhì)，重構(gòu)賽事服務(wù)的每一個(gè)環(huán)節(jié)。

在無(wú)人駕駛方面，來(lái)自小馬智行Robotaxi憑AI算法與34個(gè)傳感器零誤差護(hù)送火種，實(shí)現(xiàn)了全運(yùn)會(huì)首次無(wú)人火炬?zhèn)鬟f；此外，廣州還集結(jié)了超過(guò)300輛自動(dòng)駕駛車（含L4級(jí)巴士、乘用車及環(huán)衛(wèi)裝備），車路云AI協(xié)同保障出行與場(chǎng)館清潔。

在具身機(jī)器人方面,“夸父”借5G-A與AI視覺完成火炬接力，賽場(chǎng)內(nèi)人形機(jī)器人遞獎(jiǎng)牌、機(jī)器狗收器材，安保機(jī)器人也在實(shí)時(shí)巡邏。

AI自動(dòng)駕駛與AI機(jī)器人看似分屬 “出行” 與 “服務(wù)” 兩大場(chǎng)景，實(shí)則共享人工智能的底層技術(shù)邏輯，都是 “具身智能”在物理世界的落地。

接下來(lái)，讓我們進(jìn)一步了解AI的新應(yīng)用吧。

日本的初創(chuàng)企業(yè)“圖靈”，計(jì)劃在2030年銷售1萬(wàn)輛L5級(jí)自動(dòng)駕駛汽車。它在自動(dòng)駕駛汽車上搭載了多個(gè)攝像頭，由高級(jí)AI處理來(lái)自攝像頭的信息，并通過(guò)訓(xùn)練判斷機(jī)制（相當(dāng)于人類大腦做決策）來(lái)下達(dá)準(zhǔn)確的駕駛指令，從而進(jìn)行自動(dòng)駕駛。

AI如何支撐起自動(dòng)駕駛？背后對(duì)應(yīng)的技術(shù)原理如下。

大語(yǔ)言模型功不可沒

“圖靈”在AI之中選擇了大語(yǔ)言模型（Large Language Model，LLM），使用的是由美國(guó)特斯拉公司創(chuàng)始人埃隆·馬斯克等人成立的AI研究機(jī)構(gòu)“OpenAI”提供的“GPT-3.5”，也就是人們平時(shí)進(jìn)行文本摘要、編寫程序、生成圖像等任務(wù)的人工智能。大語(yǔ)言模型是“高度精準(zhǔn)的單詞推測(cè)機(jī)器”，能夠?qū)W習(xí)海量文本，對(duì)人類說(shuō)的話也會(huì)像聯(lián)想游戲一樣，輸出與其密切相關(guān)的單詞。

和ChatGPT同樣，“圖靈”首先向GPT-3.5傳遞如“你是自動(dòng)駕駛用的AI”一類的英文文字，使其作為自動(dòng)駕駛AI工作。通過(guò)語(yǔ)音識(shí)別，將乘車人口頭下達(dá)的“向黃色錐桶前進(jìn)”等具體的駕駛指令，轉(zhuǎn)換成文本并輸入到GPT-3.5中。

圖為“圖靈”在2023年6月14日實(shí)施行駛測(cè)試的情景，應(yīng)用大語(yǔ)言模型（GPT-3.5）的車輛成功完成了自動(dòng)駕駛。人對(duì)著麥克風(fēng)說(shuō)的話，通過(guò)語(yǔ)音識(shí)別轉(zhuǎn)換成對(duì)大語(yǔ)言模型的指令（提示），大語(yǔ)言模型以此為基礎(chǔ)來(lái)確定行動(dòng)，并實(shí)際開動(dòng)了車輛。

圖為輸入語(yǔ)音提示后，大語(yǔ)言模型根據(jù)這一提示決定了要采取的行動(dòng)，無(wú)視交通引導(dǎo)員的指令而駛向黃色錐桶。

實(shí)現(xiàn)自動(dòng)駕駛不可或缺的功能

具體來(lái)說(shuō)，如何利用大語(yǔ)言模型來(lái)實(shí)現(xiàn)自動(dòng)駕駛呢？圖靈認(rèn)為，要想實(shí)現(xiàn)自動(dòng)駕駛，必須具備“四種功能”“三種學(xué)習(xí)”“兩種模型”和“一個(gè)系統(tǒng)”。

AI識(shí)別的行駛途中發(fā)現(xiàn)的標(biāo)志

AI識(shí)別的行駛途中發(fā)現(xiàn)的路標(biāo)

上圖為AI識(shí)別的行駛途中發(fā)現(xiàn)的標(biāo)志和路標(biāo)，分為交通標(biāo)志“traffic sign”、文字“text”、路標(biāo)的圖標(biāo)“symbol”三類，并用自然語(yǔ)言表示各自表示的內(nèi)容，例如禁止進(jìn)入的標(biāo)志，就是“No entry”。這是因?yàn)橥ㄟ^(guò)“圖像-自然語(yǔ)言學(xué)習(xí)”，把標(biāo)志等的圖像，和其所表示的內(nèi)容轉(zhuǎn)換成語(yǔ)言后的文本，給結(jié)合起來(lái)了。

從自動(dòng)駕駛領(lǐng)域延伸到機(jī)器人領(lǐng)域，我們同樣能看到AI技術(shù)發(fā)揮的巨大作用，機(jī)器人技術(shù)正借助AI迅速進(jìn)化。

DrEureka是美國(guó)公司英偉達(dá)（Nvidia）于2024年5月發(fā)布的AI，是一個(gè)創(chuàng)新性研究的范例，它使機(jī)器人能夠以柔軟而精確的方式執(zhí)行動(dòng)作。傳統(tǒng)上，讓機(jī)器人通過(guò)真實(shí)設(shè)備開展各種訓(xùn)練以學(xué)習(xí)動(dòng)作，需要耗費(fèi)大量時(shí)間和成本。因此，大多數(shù)研究都采用了從仿真到現(xiàn)實(shí)（sim-to-real）的方法，即在計(jì)算機(jī)虛擬空間中訓(xùn)練機(jī)器人，隨后將其應(yīng)用到現(xiàn)實(shí)世界中。然而，僅僅在虛擬空間中進(jìn)行訓(xùn)練是難以完全應(yīng)對(duì)現(xiàn)實(shí)世界的復(fù)雜環(huán)境的，這一直是一個(gè)挑戰(zhàn)。為了解決這個(gè)問(wèn)題，DrEureka采用了一種新方法，即在虛擬空間中隨機(jī)改變物理參數(shù)（如摩擦系數(shù)和重力等）來(lái)進(jìn)行學(xué)習(xí)。這種方法通過(guò)從大量動(dòng)作中篩選出最佳動(dòng)作，使機(jī)器人在現(xiàn)實(shí)世界中可以靈活地執(zhí)行動(dòng)作。

圖為在四足機(jī)器人行走的實(shí)驗(yàn)中，即使在類似瑜伽球等不穩(wěn)定的物體上，機(jī)器人也能靈活行走并保持平衡。

推動(dòng)機(jī)器人技術(shù)進(jìn)化的AI技術(shù)之一，就是如GPT這樣的大語(yǔ)言模型。大語(yǔ)言模型扮演著機(jī)器人“大腦”的角色，不僅能理解人類的指令，而且能規(guī)劃完成這些指令所需的具體操作。例如，在接到“請(qǐng)從架子上取來(lái)餐具”的指令時(shí)，機(jī)器人可以規(guī)劃出一整套動(dòng)作，包括移步至架子、準(zhǔn)確抓取餐具、再將其帶回。

另一項(xiàng)關(guān)鍵技術(shù)，就是視覺語(yǔ)言模型（VLM）。它也是一種AI，能夠通過(guò)分析大量數(shù)據(jù)來(lái)學(xué)習(xí)圖像與語(yǔ)言之間的關(guān)系，進(jìn)而識(shí)別出與特定詞語(yǔ)相匹配的物體。例如，一臺(tái)裝備了視覺語(yǔ)言模型的機(jī)器人，當(dāng)接到“請(qǐng)從架子上取來(lái)餐具”這一指令時(shí)，它能夠識(shí)別出環(huán)境中的架子，并向其移動(dòng)。視覺語(yǔ)言模型還被應(yīng)用于圖像生成AI等領(lǐng)域，能夠根據(jù)人類的指令生成多樣化的圖像。

美國(guó)創(chuàng)業(yè)公司Physical Intelligence于2024年10月推出機(jī)器人AI——π0。π0能夠根據(jù)人的指令，讓機(jī)器人執(zhí)行靈活的動(dòng)作。圖為該公司進(jìn)行的一次演示中，搭載π0的機(jī)器臂展示了一系列復(fù)雜動(dòng)作：首先，機(jī)器臂打開洗衣烘干機(jī)的門，并從中取出衣物。

接著，它搬運(yùn)裝有衣物的籃子。

最后，將籃子放在椅子上，逐一取出衣物疊好并整齊地堆放起來(lái)。 機(jī)器臂的完整動(dòng)作演示，參見： https://www.physicalintelligence.company/blog/pi0

無(wú)論是全運(yùn)會(huì)賽場(chǎng)的“AI 服務(wù)矩陣”，還是企業(yè)實(shí)驗(yàn)室的技術(shù)突破，本質(zhì)都是AI重塑物理世界智能的縮影：自動(dòng)駕駛，讓交通工具擁有自主判斷能力；AI機(jī)器人，讓機(jī)械體具備靈活服務(wù)屬性。而二者的應(yīng)用，共同推動(dòng)了“人機(jī)共生”從概念走向現(xiàn)實(shí)。

從應(yīng)用價(jià)值看，它們不僅能提升賽事、出行等場(chǎng)景的效率，更可能重構(gòu)產(chǎn)業(yè)邏輯——如自動(dòng)駕駛能推動(dòng)智慧交通，而AI機(jī)器人有望革新工業(yè)生產(chǎn)與服務(wù)業(yè)，這些都最終指向“人享其行、物暢其流”的智能社會(huì)圖景。

參考來(lái)源：

央廣網(wǎng)《無(wú)人駕駛車完成火炬?zhèn)鬟f任務(wù)十五運(yùn)會(huì)見證科技與體育完美融合》《5G-A賦能十五運(yùn)，具身機(jī)器人火炬手領(lǐng)跑大灣區(qū)》

廣州日?qǐng)?bào)《自動(dòng)駕駛“發(fā)車”！十五運(yùn)會(huì)期間廣州將有超過(guò)300輛自動(dòng)駕駛車輛（裝備）投入服務(wù)》

新華社《全運(yùn)會(huì)的“機(jī)器人總動(dòng)員”，讓我們看見未來(lái)》

本文摘編自《科學(xué)世界》雜志，文章內(nèi)容略有刪改。

實(shí)習(xí)編輯 | 范周桐  唐一菲