美国加利福尼亚州帕洛阿尔托的Rhoda AI公司近日推出了FutureVision机器人智能平台。该机器人智能平台旨在通过视频预测控制技术，帮助机器人在材料、布局和工作流不断变化的现实生产环境中实现可靠操作。系统能够持续观察和预测物理交互，使机器人能够实时适应，而非依赖固定的预编程轨迹。

传统工业机器人通常在结构化环境中表现良好，但主要局限于预设路径。近年来的人工智能方法，如视觉-语言-动作模型，虽然允许机器人从数据中学习并在实验室中取得成果，但在应对现实世界的变化时仍面临挑战，例如布局变动、未见物体和不可预测的工作流程。

为应对这些挑战，Rhoda AI利用互联网规模视频——包含数亿个片段——对模型进行预训练，以建立运动、物理和交互的基础。随后，在较小的机器人数据集上进行后训练，学习特定行为，并将视频预测转化为实际动作。Rhoda的联合创始人兼CEO Jagdeep Singh表示：“我们相信机器人技术的下一个时代需要能够理解世界如何运动的模型——不仅仅是它看起来如何或用语言描述如何。”

由此产生的系统持续观察环境，将未来状态预测为视频，并将这些预测转化为动作，在闭环中每几百毫秒重复执行。Rhoda AI称这种架构为直接视频动作模型，它通过持续更新动作来链接感知和控制，实现实时、物理感知的操作。基于视频的预训练使系统能够快速学习新任务，通常仅需10小时的遥操作数据，这构成了FutureVision机器人智能平台的基础，驱动Rhoda系统和未来合作伙伴平台。

Rhoda AI的技术已在生产环境中展示了自主操作能力，其中机器人必须处理不断变化的材料、布局和工作流。在最近的大批量制造评估中，系统在无人干预的情况下，每个周期不到两分钟完成组件处理工作流，超出了客户的关键绩效指标。风险投资公司Leitmotif的管理合伙人、前大众集团高管Jens Wiese评论道：“在制造业中，高变异性的任务历来难以自动化。真正的挑战不是一次性解决它，而是在现实生产条件下提供一致、可靠的输出。Rhoda的方法给我们留下深刻印象的是其适应通常需要人工干预的条件的能力。这样的技术可以显著扩大可自动化的范围。”