[控场AI]
· 4 分钟阅读· 2,267 字

开源人形机器人Asimov:让人类与AI共享机器人视野

开源人形机器人Asimov:让人类与AI共享机器人视野

Asimov 1 实现头部遥操作,让人类与 AI 共享机器人第一视角感知通道。

开源人形机器人 Asimov 在第 382 天展示了头部遥操作能力:操作者头部运动驱动机器人 2 自由度颈部,摄像头画面实时回传,形成低延迟的第一视角闭环。团队强调该系统的关键设计在于同时向人类操作者和 AI 智能体开放摄像头画面与颈部控制接口,使机器人视野可作为智能体决策的输入源,形成感知-动作循环。项目坚持开源路线,聚焦感知与遥操作等基础设施而非炫技式全身运动,为后续数据采集、远程作业和具身智能训练铺路。文章认为,人形机器人的瓶颈不只在机械本体,更在于如何让感知数据被有效利用。

开源人形机器人项目 Asimov 进入第 382 天,团队正在测试一项看似简单却极具扩展性的能力:头部遥操作。操作者的头部运动直接驱动机器人颈部(2 自由度),摄像头画面实时回传,让操作者以机器人第一视角观察环境。

开源人形机器人Asimov头部遥操作测试

这项测试的核心不在于机械结构有多复杂,而在于它打开了一扇门——人类和 AI 智能体可以共用同一套感知通道。

头部遥操作:从“操控”到“共视”

当前演示中,操作者通过头部运动控制 Asimov 1 的颈部关节,实现上下左右转动,同时摄像头画面回传至操作端。这本质上是一种低延迟的视觉-动作闭环:你转头,机器人也跟着转头,你看到的就是机器人看到的。

2 自由度颈部看似简单,却是人形机器人实现自然交互的基础。人类在对话、观察、探索时,头部运动是频繁且无意识的。如果机器人无法复现这种运动模式,遥操作就会变得笨拙,数据采集也会丢失关键的视觉注意力信息。

团队强调,这套系统不仅面向人类操作者,也面向 AI 智能体。这意味着机器人视野不再只是“给人看的视频流”,而是可以成为智能体决策的输入源。

自由度(Degree of Freedom, DoF) 是机器人学中的基础计量单位,指一个关节或机构能够独立运动的维度数。颈部 2 自由度通常对应“俯仰(上下点头)”和“偏航(左右转头)”两个旋转轴;若要实现人类颈部的完整运动,还需第三个“翻滚(侧倾)”自由度。自由度越多,机器人姿态越灵活,但控制难度、机械复杂度和成本也随之上升。Asimov 选择 2 自由度颈部,是在自然交互需求与工程可行性之间做的折中:俯仰和偏航已能覆盖大部分对话注视、环境扫视场景,而侧倾带来的边际收益相对有限。理解自由度概念有助于判断后续版本扩展空间——增加第三个自由度意味着控制接口和 AI 决策空间都要相应调整。

为AI智能体预留的视觉接口

传统遥操作机器人往往只考虑人类操作员的体验,视频流是单向的、仅供人眼消费。Asimov 的设计思路不同:摄像头画面和颈部控制接口同时暴露给人类和 AI 智能体。

这带来了几种潜在用法。AI 智能体可以接收机器人视角的图像,自主决定“看向哪里”,再通过颈部控制接口调整视角,形成一个感知-动作循环。对于遥操作场景,人类可以远程接管;对于数据采集场景,AI 可以自动扫描环境、聚焦关键物体;对于具身智能研究,这套接口可以作为智能体感知世界的最前线。

换句话说,机器人不再只是被遥控的工具,而是人类和 AI 共享的感知平台。

感知-动作循环(perception-action loop) 是具身智能的核心运行范式:智能体先通过传感器获取环境信息(感知),据此做出决策并执行动作(动作),动作改变环境后又产生新的感知输入,如此往复。在 Asimov 的头部遥操作中,摄像头是感知端,颈部控制接口是动作端,二者构成一个最小但完整的闭环。这个闭环的意义在于:它让智能体能够在真实物理世界中“主动获取信息”,而非被动接收固定视角的图像。主动选择观察方向是具身智能区别于纯视觉模型的关键能力——人类在观察时会无意识地转动头部聚焦兴趣区域,AI 智能体若能复现这一行为,就能在有限视野下更高效地探索环境、采集高质量训练数据。

开源人形机器人的路线选择

Asimov 项目选择开源路线,这在人形机器人领域并不常见。多数人形机器人项目要么闭源商业化,要么停留在实验室阶段。开源意味着硬件设计、控制接口和软件栈可以被社区复用和修改。

从第 382 天的进度来看,团队没有急于展示复杂的全身运动,而是聚焦在感知和遥操作这类“基础设施”能力上。头部遥操作、第一视角回传、AI 可接入的接口——这些能力看起来不炫酷,却是后续数据采集、远程作业和智能体训练的前提。

这种务实节奏也反映了一个判断:人形机器人的瓶颈不只在机械本体,更在于如何让机器人的感知数据被有效利用。让人类和 AI 都能“透过机器人的眼睛看世界”,是在为更上层的应用铺路。

人形机器人的开源通常涉及三个层次:硬件设计文件(如结构图纸、BOM 清单)、底层控制接口(关节驱动、传感器读取的 API)和上层软件栈(感知、规划、遥操作逻辑)。开源的价值在于降低复现门槛,让研究团队和开发者无需从零搭建本体即可聚焦算法与应用。但开源也面临现实挑战:硬件供应链的稳定性、安全责任归属、以及商业化路径的模糊。Asimov 选择开源,实际上是在押注“社区协作加速迭代”优于“闭源保护技术优势”。对人形机器人这类尚未形成标准范式的领域,开源能让更多人在同一平台上验证想法,客观上加快了感知数据格式、控制接口规范的收敛,这也是其路线选择背后的产业逻辑。

遥操作之外:数据与智能体的想象空间

当机器人视野可以被人类和 AI 同时访问时,数据采集的逻辑会发生变化。人类遥操作产生的视频流天然带有操作意图标注——操作者看向哪里、为什么看向那里,这些信息对训练视觉导航和交互模型很有价值。

AI 智能体接入后,同样的硬件可以用于自主探索和数据标注。智能体决定观察方向,机器人执行颈部运动,回传的画面再用于评估智能体的决策质量。这种闭环可以加速具身智能策略的迭代。

Asimov 团队目前展示的只是一个快速测试,但方向已经清晰:把机器人变成可共享的感知节点,而不是孤立的遥控设备。

#开源人形机器人#Asimov机器人#头部遥操作#机器人第一视角#AI智能体#具身智能#数据采集
分享:

相关推荐