AI在线 AI在线

Meta 启动 PARTNR 计划,研究人类与机器人如何协作做家务

作者:远洋
2025-02-08 08:57
Meta 公司于本周五宣布启动一项名为 PARTNR 的全新计划,旨在深入研究人机交互(HRI),特别是人类与机器人在家庭环境中如何协作完成家务任务。这一研究聚焦于诸如清洁、烹饪以及收取外卖等日常家务,试图为未来家庭机器人发展提供新的思路与方向。

Meta 公司于本周五宣布启动一项名为 PARTNR 的全新计划,旨在深入研究人机交互(HRI),特别是人类与机器人在家庭环境中如何协作完成家务任务。这一研究聚焦于诸如清洁、烹饪以及收取外卖等日常家务,试图为未来家庭机器人发展提供新的思路与方向。

Meta 启动 PARTNR 计划,研究人类与机器人如何协作做家务

家庭自动化一直是人类的梦想,早在 60 多年前,动画片《杰森一家》中出现的机器人女仆 Rosey 就成为了这一梦想的象征。尽管多年来人们对于能够减轻家务负担的智能机器充满期待,但除了机器人吸尘器在市场上取得一定进展外,其他家庭机器人始终未能真正进入主流市场,其原因包括价格昂贵、可靠性不足以及功能有限等。然而,这并非是因为企业缺乏尝试,也并非消费者不感兴趣,而是尚未有机器人能够在成本与功能之间找到完美的平衡点。

为了推动家庭机器人技术的发展,Meta 将 PARTNR 计划定位为一个基准和数据集,旨在探索人类与机器人如何协同完成家庭任务。Meta 表示,该计划的基准涵盖了 10 万项任务,包括清理餐具和玩具等家务劳动。同时,Meta 还发布了 PARTNR 数据集,其中包含了人类在模拟环境中演示 PARTNR 任务的样本,可用于训练具身人工智能模型。

AI在线注意到,模拟技术在机器人部署中变得越来越重要,其允许企业以秒为单位完成在现实世界中可能需要数小时甚至数天的测试。不过,Meta 也表示,PARTNR 模型不仅在模拟环境中表现出色,还在现实世界中取得了成功。例如,该模型已经在波士顿动力公司的 Spot 机器人的测试中得到应用。此外,Meta 还开发了一种混合现实界面,用于直观展示机器人的决策过程。

Meta 强调:“人机协作领域的创新与发展潜力巨大。通过 PARTNR 计划,我们希望重新定义机器人,将其视为未来的合作伙伴,而不仅仅是简单的工具,并在这一令人兴奋的领域推动研究的深入发展。”

除了家庭自动化,人机协作技术在老年护理领域也展现出巨大潜力。例如,Labrador 的自动化送餐车为帮助老年人独立生活提供了新的思路。然而,在这些系统获得主流认可之前,仍需要在技术上取得更多突破。

近年来,人形机器人也成为了人机协作领域的一个重要发展方向。许多研发此类双足机器人的公司都期待它们未来能够在家庭中提供帮助。不过,目前人形机器人的价格仍然过高,可靠性也需要大幅提升。这也是为什么大多数制造商首先选择满足企业需求,而不是直接进入家庭市场。

相关标签:

相关资讯

Meta AI 全球市场扩张,并上线网页版 meta.ai

Meta 公司近日宣布 Llama 3 大语言模型之外,扩展 Meta AI 服务到美国之外的 13 个国家和地区,还宣布上线专门的聊天网站:meta.ai。Meta 公司在新闻稿中表示开始在全球市场扩展 Meta AI,在澳大利亚、加拿大、南非和新加坡等国家和地区推出英语版本。IT之家附上 Meta AI 扩展的国家和地区如下澳大利亚加拿大加纳牙买加马拉维新西兰尼日利亚巴基斯坦新加坡南非乌干达赞比亚津巴布韦Meta AI 整合了 Llama 3 大语言模型,速度更快、智能性更高、功能更强,是执行各种任务的理想选择
4/19/2024 9:15:51 AM
故渊

Llama3后,Meta又开放自家头显操作系统,打造元宇宙时代新安卓

虽然向第三方开放了操作系统,但 Meta 将继续开发 Quest 头显设备。Meta 誓将开放进行到底。这次把自家 VR 头显 Quest 采用的操作系统「Meta Horizon OS」向第三方硬件制造商开放了,包括华硕、联想和微软等一众企业。此举意在展示作为 MR 操作系统整合者的 Meta 对元宇宙开放的新愿景。至此,Meta 正式向实现元宇宙更开放的计算平台愿景迈出下一步。为实现该恢弘战略,Meta 同时在三方面不断发力,并竭力整合资源:向第三方硬件制造商开放 Meta Quest 设备的操作系统,为消费者
4/24/2024 11:14:00 AM
机器之心

不到60秒就能生成3D「手办」,Meta发力3D生成,ChatGPT时刻要来了吗?

3D 生成,一直在等待它的「ChatGPT时刻」。一直以来,创作 3D 内容是设计和开发视频游戏、增强现实、虚拟现实以及影视特效中最重要的部分。然而,3D 生成具有独特而艰巨的挑战,这是图像和视频等其他生成内容所不具备的。首先,3D 内容在艺术质量、生成速度、3D 网格结构和拓扑质量、UV 贴图结构以及纹理清晰度和分辨率方面具有严格的标准;其次,与其他研究相比,可用的数据量少。虽然该领域有数十亿张图像和视频可供学习,但可用于训练的 3D 内容数量要少三到四个数量级。因此,现阶段的3D 生成还必须从非 3D 的图像和
7/4/2024 5:55:00 PM
机器之心