破解 AI 機器人「資料荒」！1X 如何將網路上無窮盡的影片，轉化為實體動作？
過去我們對機器人的印象，往往是必須經過工程師撰寫繁複的程式碼，或透過人類遠端遙控示範，才能執行特定的動作。但現在，這種限制可能即將被打破。由 OpenAI 投資的挪威機器人新創 1X Technologies 最近發布了全新 AI 模型 1X World Model，宣稱能讓旗下的人形機器人 Neo 透過觀看影片來理解物理世界，甚至在沒有人類直接示範的情況下，學會全新技能。
《Interesting Engineering》報導，這個基於物理學的 AI 模型，能夠結合影片數據與文字指令，讓 Neo 預測接下來該發生什麼事。簡單來說，當用戶給機器人一個指令，例如整理桌子，世界模型會先在腦海中生成一段自己完成這項任務的影片，接著透過逆向動力學模型（Inverse Dynamics Model），將這段生成的影片轉化為實際的馬達動作。這就像是機器人在實際行動前，先在腦中進行了一次沙盤推演，將數位影像轉化為實體動作。
從死背硬記進化到看片學習
這種學習方式讓機器人不再受限於預先編寫的劇本，解決了機器人領域長久以來的痛點：如何將數位的智慧轉化為可靠的物理行動。透過人類與物品互動的影片學習，Neo 能夠進一步將行為類推到陌生的環境中。在官方釋出的演示中，Neo 不僅能完成打包午餐盒等日常任務，甚至展現了在未經特定訓練下，執行開門、操作馬桶座墊、燙衣服以及梳頭髮等複雜動作的潛力。
1X 執行長 Bernt Børnich 在接受《Bloomberg》採訪時強調，這代表著機器人也能像人類一樣，從網路上無窮無盡的影片中學習。而為了達成這一點，Neo 的外型必須極度擬人化，因為如果機器人的構造與人類差異過大，它就無法將人類在影片中的動作，轉換成自己的肢體語言。這種「具身智慧」（Embodied AI）的策略，繞過了過去收集機器人專屬訓練數據既昂貴又緩慢的瓶頸，讓網路影片變成機器人的現成教科書。
懂得「腦補」後果，讓機器人更安全
除了學習新技能，這套世界模型還具備關鍵的安全機制。Børnich 指出，模型會主動推理並視覺化可能出錯的情境，進而選擇最安全的路徑來執行任務。這意味著機器人不再是盲目執行指令，而是具備了基本的風險評估能力，這對於機器人進入家庭與人類共存至關重要。1X 官方部落格也提到，這種基於生成的策略，讓機器人能處理長序列的任務，而不僅僅是單一動作的反射。
隨著 Neo 預計在今年稍晚開始出貨，Børnich 認為機器人產業將迎來新的擴展定律：機器人的智慧將不再僅取決於人類收集多少數據，而是取決於有多少機器人在現實世界中運行並回饋經驗，形成自我強化的學習循環。也因此，產業重心將從過去困難、昂貴的人類資料蒐集工作，轉向更有效率的方向，也就是具備能力且安全的人形硬體製造與大規模部署。
不過，《TechCrunch》也提醒，說機器人能將任何提示指令轉化為新的動作可能過於誇張、不完全準確，例如期待讓 Neo 開車，它能自動學會路邊停車。
1X 發言人澄清，他們並不是在說目前的 Neo 機器人能夠僅靠錄下影片並給予提示，就立刻學會執行全新的任務。相反地，機器人會將與特定提示相關聯的影片資料回傳到其世界模型中，該模型再被回饋到整個機器人網路，讓所有機器人對物理世界有更好的理解，也累積更多實務經驗。
＊本文開放合作夥伴轉載，資料來源：《TechCrunch》、《Interesting Engineering》、《Startup.ai》、《Bloomberg》、1X，首圖來源：1X