在 AI 技術的發展之下，實體機器人的「大腦」已經比過去聰明許多。然而，若提及機器人的「動作靈活度」，至今卻仍是該產業的最大罩門。
如何讓機器人的動作變得跟人類一樣精準、流暢，正是科學家積極想要解決的問題。對此，來自美國麻薩諸塞州的機器人新創公司 Eka，從機器人的訓練方式上，提出了與眾不同的解決方案。
根據報導，Eka 藉由讓機器人的 AI 模型「自主學習」，而非單純模仿並吸收人類所提供的訓練資料，自行找出抓握、移動物體的方法，並展現出比起當今同類機器人更高的動作靈活度水準。
外媒認為，看著 Eka 旗下機器人的運作，不禁令人想起第一次與 ChatGPT 對話的情景；Eka 的機械手臂不僅動作流暢、舉止自然，即使還稱不上完全跟人類一模一樣，但總讓人懷疑其動作背後，確實蘊藏著某種「智慧」。
從「抓雞塊」展現機器人動作能力
Eka 共同創辦人麻省理工學院教授 Pulkit Agrawal，以及 Google DeepMind 前機器人研究員 Tuomas Haarnoja 向外媒表示，數年之前，團隊意識到機器人的動作靈活度問題，事實上已經可以被現代技術所克服。
在經過更進一步的開發後，Eka 認為他們所擁有的技術，將有機會讓機器人的靈活度達到超人類水準，甚至於未來徹底改變機器人的應用方式，即這類產品將不再僅限用於工廠和倉庫，還會延伸至商店、餐廳，甚至是一般人的家中。
在 Eka 使用機械手臂移動物體的示範中，工程師打造出了一個工作站場景，桌上則散落著形狀各異的雞塊；緊接著，一條輸送帶會把塑膠容器送到 Eka 的機械手臂面前，讓機器人抓起雞塊並放入盒中。
透過 Eka 獨特訓練方式打造的 AI 模型與機械手臂，不僅能以驚人的速度完成任務，甚至還展現出了近乎人類般的臨場應變能力。
舉例來說，Eka 的機械手臂偶爾會小心翼翼放置雞塊，但如果盒子位置離得比較遠，被輸送帶移動到機器人無法觸及的範圍，那麼機械手臂就會做出「輕拋」的動作，把雞塊輕輕丟進容器內。
機器人靈活度問題「解決了一半」
Eka AI 模型與機械手臂對雞塊的流暢處理，其實還有著另一層關鍵意義。
時至今日，食品加工依然是個高度仰賴人工的領域，舉凡水果、蔬菜、肉類等，處理食物不只得迅速，過程還必須輕柔；此外，由於沒有任何兩顆水果、蔬菜或雞塊的外觀完全相同，因此實務上也很難實現自動化。
外媒認為，目前 Eka 所展現出來的技術實力，或許象徵著該公司正朝著機器人產業的重大里程碑進行突破；現時的 Eka 機器人就好比當年 OpenAI 的 GPT-1，雖然還擁有許多缺點，但卻也已經具備「智能」的蛛絲馬跡。
Pulkit Agrawal 與 Tuomas Haarnoja 說，單純以他們的角度來看，Eka 已經讓機器人的動作靈活度問題「解決了一半」，剩下另一半則是如何將 Eka 所採用的訓練方法擴大規模。
利用自主學習，開創不同策略
兩位創辦人指出，Eka 開發出一種名為「視覺-力-動作（Vision-Force-Action，VFA）」的全新 AI 模型，它能夠以模擬方式進行自主學習，並且結合逼真的關節、馬達，以及融入質量、慣性等物理原理。
Eka 的 AI 模型能夠導引機器人明白，究竟某種運動是如何影響螢幕上的像素變化，也能令機器人理解動作的重量與速度，究竟是如何跟被抓取的物體之間產生交互作用。
只不過於此之外，Pulkit Agrawal 與 Tuomas Haarnoja 拒絕提供 AI 模型與機器人本身，更進一步的訓練方式和技術細節。
簡而言之，Eka 的 AI 模型在不依賴人類提供訓練資料的情況下，於模擬環境中進行了數千小時的運算，反覆練習動作並自行構思解決方案，有點類似當年震驚世界的 Google DeepMind 通用棋類 AI AlphaZero，以自我訓練的方式，開創跟過去截然不同的解題策略。
主流 VLA 已經擁有產業鏈
綜觀當前機器人產業所追尋的「物理智能（physical intelligence）」願景，一部分資金雄厚的新創公司，選擇積極投入「視覺-語言-動作（VLA）」模型的開發與最佳化，透過向 AI 模型展示人類的運動影片，或者直接操作機器人讓 AI 模型記憶、學習，希望藉此催生出流暢的機器人原生動作技能。
受惠於網路上已經存在的大量影片作為訓練資料，發展至今 VLA 技術擁有了一定規模的產業鏈，讓開發者可以即時生成、運用這類數據，企業甚至會付費請人戴上攝影機和動作捕捉設備，花費數小時進行重複性的手部操作，只為取得數據供應給 AI 模型與機器人。
相較於產業中的多數公司，Eka 選擇了一條完全不同的路，而且從實際表現來看，似乎收到了相當不錯的效果。
機器人眼中世界跟人類很相似
根據媒體觀察，在從桌上抓取鑰匙串的示範中，Eka 的機械手臂就像擁有某種剛剛萌芽的物理智能，它會先將夾爪的尖端輕觸桌面，接著沿著桌面滑動，然後才接觸到鑰匙，並將鑰匙牢牢夾在指間。
外媒進一步形容，Eka 所開發的機器人和 AI 模型，總感覺跟業界的同類產品很不一樣；機械手臂上的感測器，似乎能夠感知到其承載的重量，以及當機械手臂朝鑰匙串掃去並減速時，整體動作所產生的慣性；一旦鑰匙被機械手臂的爪子夾住，其系統似乎也能感知有物體正掛在爪子上。
不僅如此，外媒還發現 Eka 的 AI 模型，似乎擁有非常強的錯誤恢復能力，除非是人類刻意且不斷干擾，否則機械手臂最終通常都能順利完成任務。
若是從第三者的角度來分析，外媒指出 Eka 機器人與 AI 模型眼中的世界，似乎跟人類所看見的世界很類似；但是，這家公司是否真的能夠於機器人領域，達到跟 OpenAI ChatGPT 一樣的突破及成就，還需要足夠的時間進行證明。
整合訓練模式，組裝 iPhone 可期待
一部分機器人領域專家認為，將真實世界的人類動作影像資料，跟 AI 自主模擬的數據互相結合，其訓練成效將優於單純模擬，所以對於機器人產業來說，同時利用兩種方式並達到相輔相成的效果，有可能才是最正確的答案。
無論如何，若業界想要讓機器人擁有跟人類同樣等級的動作靈活度，那麼其過程終究需要 Eka 正在研發的觸覺與物理智能技術。
Pulkit Agrawal 與 Tuomas Haarnoja 表示，機器人訓練技術是 Eka 最大的商業優勢，公司目前也已經開發出具備「觸覺」的客製化機械手臂與機械爪。
除了抓取體積較大的物體外，Pulkit Agrawal 補充，Eka 所開發出來的機器人技術，理論上也能用於更加精細的操作，比方說組裝 iPhone手機，客戶可以藉由安裝不同的致動器和感測器，讓 AI 於模擬環境中反覆練習來達成。
【推薦閱讀】
◆ 【資本慣性造成的戰略盲點】機器人市場規模是軟體的 30 倍，但資本投入差距 18 倍
◆ 破解機器人硬體碎片化難題：EPFL 研發「運動學智慧」，讓不同機器人無縫複製技能
◆ 20 毫秒快速反應、擊敗桌球職業選手：Sony AI 機器人 Ace 如何跨過 Physical AI 的即時決策門檻？
＊本文開放合作夥伴轉載，參考資料：Wired、Eka Robotics，首圖來源：Eka Robotics
（責任編輯：鄒家彥）
