美国科技企业微软公司最近有个大动静，搞出了个新机器人AI模型，叫“Rho-alpha”。这东西是微软研究院主导做的，核心目的是想让智能体跟现实世界好好互动。以前的机器人大多只能干些按固定程序走的活儿，碰到情况复杂、没法预测的场面就不行了。现在这个Rho-alpha不一样，微软想把它变成物理AI的一部分，让机器不仅能看懂图像、听懂人话，还能摸得着东西，有了触觉反馈后就能自动调整动作。 在技术上，Rho-alpha最大的亮点就是搞了个感知、决策、行动的闭环。它是基于Phi那个视觉语言模型弄出来的，特别加了个触觉模块。这样一来，机器在双手协作干活的时候，不光能“看明白”，“听懂”指令，还能通过感觉自己手上的力气、物体质地来灵活变动操作策略。以后还打算往里塞更多力传感器的信号。 微软这边也说了，这套系统不光靠预训练好的模式死板运行。要是操作跑偏了，人可以通过3D设备给它纠正一下，机器把这些反馈吃进去就能把下次干得更好。而且它们还在琢磨让机器人自己学会适应不同人的习惯偏好。 为了把数据不足、采集难的老大难问题给解决了，Rho-alpha用了好多种数据训练的法子。既用了真的机器人演示视频，也搞了很多Azure云上的仿真数据来合成海量数据。这些数据结合在一起练出来的模型就很有“泛化能力”。 微软研究院的企业副总裁阿什利·洛伦斯说过，以前机器技术进步没那么快，这是因为把感知、推理和行动全打通了才带来了新突破。这次的Rho-alpha应该能让机器人在乱糟糟的环境里更自主点，以后人和机器一起干活的方式可能都得变一变。 计划是先通过早期访问计划给合作伙伴用用看，以后再扩大范围。现在已经在双臂机器人和类人机器人身上试了试效果怎么样了。 这就好比是个信号，说明全球科技圈都在往实体物理世界扩张智能化了。既然能把指令变成实体动作，又能在动态环境里自己学习适应，那未来在工厂、物流、医院甚至家里肯定会有不少新玩法儿等着呢。 不过呢，想要真的安全又符合规矩地大规模用起来还得费点劲。这条路刚开头，大家还得盯着看后面怎么发展呢。