“很多模型在模擬器里完美運(yùn)行，但一到現(xiàn)實(shí)就徹底失靈?！?/span>

在最新一次線上對(duì)談中，Dexmal聯(lián)合創(chuàng)始人唐文斌與Hugging Face聯(lián)合創(chuàng)始人Thomas Wolf指出了當(dāng)前機(jī)器人研究的最大痛點(diǎn)。

唐文斌是曠視科技聯(lián)合創(chuàng)始人兼CTO，原力靈機(jī)（Dexmal）CEO、清華大學(xué)“姚班”出身、首屆“Yao Award”金牌得主。

針對(duì)當(dāng)前痛點(diǎn)，他和團(tuán)隊(duì)聯(lián)合Hugging Face推出了RoboChallenge.ai——一個(gè)開放、統(tǒng)一、可復(fù)現(xiàn)的真實(shí)世界機(jī)器人評(píng)測(cè)平臺(tái)。

RoboChallenge.ai首次讓全球研究者在物理環(huán)境中遠(yuǎn)程測(cè)試模型，通過獨(dú)創(chuàng)的Remote Robot，模型可留在本地，用戶僅通過API就可以控制真實(shí)機(jī)器人。

在這場(chǎng)對(duì)談中，唐文斌和Thomas探討了：

• 開源作為AI領(lǐng)域的真正驅(qū)動(dòng)力為何能延伸至機(jī)器人？
• 如何搭建一個(gè)“真實(shí)世界+可復(fù)現(xiàn)+公平公開”的機(jī)器人評(píng)測(cè)平臺(tái)？
• 在未來(lái)三到五年內(nèi)——具身智能的研究尺度將如何演進(jìn)？

接下來(lái)，我們一起來(lái)看。

Q：Hugging Face怎么看開源在“物理智能”（Physical AI）或“具身智能”的作用？

Thomas Wolf：首先，我們要記住，AI領(lǐng)域幾乎所有的重大突破都基于開源。

比如transformer架構(gòu)本身，就是Google開源的。正因?yàn)殚_源，我們才能發(fā)現(xiàn)它的潛力，也正因?yàn)槿绱?，OpenAI才能進(jìn)一步發(fā)展它。

最近transformer架構(gòu)的很多演化——包括RoPE位置編碼（旋轉(zhuǎn)位置編碼）——也是開源社區(qū)共同創(chuàng)造的成果。

這是全球協(xié)作的產(chǎn)物，包括來(lái)自中國(guó)、美國(guó)、歐洲的團(tuán)隊(duì)。我認(rèn)為，這正是推動(dòng)重大進(jìn)步的方式。

我也期待機(jī)器人領(lǐng)域會(huì)出現(xiàn)同樣的情況——通過保持一個(gè)活躍的開源社區(qū)，我們能讓更多團(tuán)隊(duì)理解當(dāng)前的技術(shù)前沿，共同頭腦風(fēng)暴新的發(fā)展方向。

第二點(diǎn)是，開源在我們探索新的領(lǐng)域時(shí)尤為關(guān)鍵。

現(xiàn)在AI領(lǐng)域有很多新的研究方向。舉個(gè)例子，“交互式世界模型”（interactive world models）——它們像一部可以互動(dòng)的電影，你不僅能看，還能與之互動(dòng)。

通常人們?cè)谶M(jìn)入一個(gè)全新的方向時(shí)，會(huì)先拿一個(gè)開源的預(yù)訓(xùn)練模型，比如一個(gè)視頻模型，然后在此基礎(chǔ)上改進(jìn)。

如果你無(wú)法訪問這些開源模型，就沒辦法去做類似的事——你沒法拿到Sora，然后去改造成適配你機(jī)器人的模型，對(duì)吧？

所以這就是為什么開源至關(guān)重要。

在機(jī)器人領(lǐng)域也是同樣的道理。

現(xiàn)在新興的VLA（視覺-語(yǔ)言-動(dòng)作）模型，幾乎都是從開源模型出發(fā)，經(jīng)過修改、調(diào)整后適配到機(jī)器人上。

因此，我認(rèn)為開源是我們探索這些新能力的關(guān)鍵基礎(chǔ)。第三點(diǎn)，我認(rèn)為開源對(duì)機(jī)器人領(lǐng)域的重要性，甚至?xí)^它在大語(yǔ)言模型（LLM）中的作用。 

原因主要有幾點(diǎn)。在機(jī)器人領(lǐng)域，如果你希望別人使用你的機(jī)器人或者你的模型，他們首先得買到這臺(tái)機(jī)器人。

這其實(shí)是一個(gè)限制——因?yàn)橹挥匈I了機(jī)器人，才能使用你的模型。而在LLM領(lǐng)域，你只需要上網(wǎng)就能使用模型。

但這件事同時(shí)也帶來(lái)一個(gè)好處：如果模型是開源的，那么它就可以被應(yīng)用到很多不同的機(jī)器人上。

這樣，不同類型機(jī)器人的開發(fā)者都有可能使用一個(gè)共同的大腦（common brain）來(lái)驅(qū)動(dòng)各自的機(jī)器人。

我覺得這是一個(gè)在LLM時(shí)代所沒有的全新局面，也將會(huì)非常有趣。而這之所以可能，正是因?yàn)殚_源——如果我們想讓一個(gè)模型在各種機(jī)器人上都能運(yùn)行，那么把它開源是最合理的選擇。

第四點(diǎn)。對(duì)于機(jī)器人來(lái)說(shuō)，讓模型本地運(yùn)行在機(jī)器人內(nèi)部其實(shí)非常有價(jià)值——這背后有很多原因。

比如安全性：如果機(jī)器人突然斷網(wǎng)，或者藍(lán)牙、Wi-Fi連接中斷，我們?nèi)匀幌Ｍ麢C(jī)器人能安全地完成當(dāng)前任務(wù)，而不是在關(guān)鍵動(dòng)作中突然“卡死”或者“失控”。

而最自然的方式，就是讓模型本地化——直接嵌入機(jī)器人內(nèi)部運(yùn)行。目前幾乎所有這類嵌入式模型（local model）都是開源模型。

所以我認(rèn)為，開源在這里非常自然地與硬件開發(fā)相輔相成，它是推動(dòng)機(jī)器人領(lǐng)域演化的關(guān)鍵動(dòng)力之一。

Q：Open LLM Leaderboard是LLM的經(jīng)典基準(zhǔn)測(cè)試，開放和透明的基準(zhǔn)測(cè)試在具身智能領(lǐng)域中會(huì)帶來(lái)怎樣的影響？

Thomas Wolf（Thomas Wolf）：我們自己也很驚訝，Open LLM Leaderboard對(duì)整個(gè)領(lǐng)域的重要性遠(yuǎn)遠(yuǎn)超出了預(yù)期。我們運(yùn)行了這個(gè)榜單好幾年。后來(lái)決定讓它“退役”，主要有兩個(gè)原因：

一是評(píng)測(cè)指標(biāo)趨于飽和。

二是更重要的——整個(gè)世界的注意力從“大語(yǔ)言模型”轉(zhuǎn)向了“智能體（agent）。

那時(shí)我們覺得，僅僅用單輪問答、知識(shí)問答的方式來(lái)評(píng)測(cè)LLM已經(jīng)有點(diǎn)奇怪了。因?yàn)槲覀兿Ｍ鸏LM能做的事情，越來(lái)越像一個(gè)“在交互世界中行動(dòng)的智能體”。

而這正好讓LLM開始越來(lái)越接近機(jī)器人——畢竟機(jī)器人同樣是在一個(gè)會(huì)反應(yīng)的世界中行動(dòng)的系統(tǒng)。

所以當(dāng)我們?cè)诖蠹s一年前正式關(guān)閉榜單時(shí)，很多人都感到非常惋惜。

很多研究者聯(lián)系到我們，說(shuō)這個(gè)榜單是整個(gè)生態(tài)的重要基石。

我認(rèn)為原因在于：在“模型競(jìng)賽”的環(huán)境下，各個(gè)實(shí)驗(yàn)室都在競(jìng)爭(zhēng)，他們往往會(huì)想辦法“推”指標(biāo)向有利于自己的方向發(fā)展。

比如，他們會(huì)讓模型在最有利的設(shè)定下進(jìn)行評(píng)測(cè)，這當(dāng)然可以理解，但有時(shí)在與其他模型對(duì)比時(shí)，就可能沒有做到完全公平。

而有一個(gè)獨(dú)立的平臺(tái)來(lái)客觀評(píng)估所有模型、以標(biāo)準(zhǔn)化、可復(fù)現(xiàn)的方式運(yùn)行測(cè)試，這就非常重要。我們當(dāng)時(shí)提供的評(píng)測(cè)腳本，用戶可以直接在本地運(yùn)行、復(fù)現(xiàn)結(jié)果——這極大增強(qiáng)了可信度。

同時(shí)，這種獨(dú)立的評(píng)估還能幫助社區(qū)“過濾掉噪音”，不被營(yíng)銷視頻或夸張演示所誤導(dǎo)。

我認(rèn)為這一點(diǎn)是當(dāng)前機(jī)器人領(lǐng)域所缺乏的。

首先，在機(jī)器人領(lǐng)域進(jìn)行真正的評(píng)測(cè)非常困難。

再加上大家都傾向于“挑視頻”，展示機(jī)器人在最完美狀態(tài)下的表現(xiàn)。

所以，我認(rèn)為我們非常需要某種獨(dú)立評(píng)測(cè)機(jī)制——或者至少一個(gè)團(tuán)隊(duì)，來(lái)認(rèn)真解決這個(gè)問題：我們能否建立一種可靠的機(jī)器人評(píng)估體系，從而真正了解當(dāng)下最優(yōu)秀的視覺-語(yǔ)言-動(dòng)作（VLA）模型，以及最有效的技術(shù)方案是什么？

我覺得這其實(shí)是我們?cè)诹硪粋€(gè)項(xiàng)目Lerobot中所做工作的延續(xù)。我們的目標(biāo)是建立一個(gè)統(tǒng)一的代碼倉(cāng)庫(kù)，讓各種新的訓(xùn)練方法都能在幾乎相同的條件下進(jìn)行橫向比較。

理論上，你只需要改動(dòng)一行命令參數(shù)，就可以從一種訓(xùn)練方法（比如ACT）切換到另一種（比如Diffusion Policy）。

但這只是問題的一部分——即便我們有了能統(tǒng)一運(yùn)行多種策略的軟件框架，我們?nèi)匀灰谔囟ōh(huán)境中執(zhí)行它們。而這恰恰是困難所在。

這也是Dexmal團(tuán)隊(duì)現(xiàn)在正在努力解決的問題。

唐文斌：是的，我完全同意你的看法。

目前，很多機(jī)器人研究仍然主要發(fā)生在仿真環(huán)境中。但我們都知道，“仿真到現(xiàn)實(shí)（sim-to-real）”之間存在很大的鴻溝——有些方法在仿真環(huán)境里表現(xiàn)完美，但一旦放到真實(shí)世界中就徹底失敗。

所以我認(rèn)為，建立一個(gè)基于真實(shí)環(huán)境的評(píng)估體系非常重要。

而現(xiàn)在，在這個(gè)領(lǐng)域中，我們其實(shí)還沒有一個(gè)統(tǒng)一、開放且可復(fù)現(xiàn)的基準(zhǔn)系統(tǒng)，來(lái)公平比較不同的方法、策略和模型。

既然我們沒有這樣的體系，那我們就在想：我們能做些什么？能否自己建立這樣的平臺(tái)？

這正是我們啟動(dòng)RobotChallenge.ai的原因。我們非常高興能邀請(qǐng)Hugging Face參與這個(gè)項(xiàng)目——希望我們能一起打造一個(gè)統(tǒng)一、開放且可復(fù)現(xiàn)的機(jī)器人基準(zhǔn)評(píng)測(cè)平臺(tái)。

Q：請(qǐng)你介紹一下RobotChallenge

唐文斌：其實(shí)我剛才已經(jīng)提到，我們?yōu)槭裁匆獎(jiǎng)?chuàng)建這個(gè)平臺(tái)。

機(jī)器人正在從工廠走向家庭，逐步進(jìn)入人類的日常生活。在這個(gè)領(lǐng)域的研究也非?；馃?，比如VLA。

但目前仍然沒有統(tǒng)一的方式來(lái)衡量整個(gè)領(lǐng)域的進(jìn)展，也沒有辦法在真實(shí)物理機(jī)器人上比較不同模型的表現(xiàn)。

今天的大多數(shù)基準(zhǔn)仍然基于仿真環(huán)境，而由于“仿真到現(xiàn)實(shí)”的差距，我們其實(shí)并不知道哪個(gè)模型更好，也不知道它們?cè)诂F(xiàn)實(shí)中的表現(xiàn)如何。

所以我們問自己：如果我們能建立一種開放、標(biāo)準(zhǔn)化、基于真實(shí)機(jī)器人的評(píng)估方式，那會(huì)怎樣？

這正是我們創(chuàng)建RobotChallenge.ai平臺(tái)的初衷——它是對(duì)仿真測(cè)試的現(xiàn)實(shí)世界補(bǔ)充，通過它，我們可以彌合仿真與現(xiàn)實(shí)之間的鴻溝。

我們提供共享數(shù)據(jù)和標(biāo)準(zhǔn)化評(píng)估。研究者可以遠(yuǎn)程提交模型，并在真實(shí)機(jī)器人上進(jìn)行實(shí)驗(yàn)。他們可以身處世界任何地方，通過我們的系統(tǒng)遠(yuǎn)程測(cè)試真實(shí)機(jī)器人，而我們會(huì)提供排行榜（leaderboard）來(lái)展示結(jié)果。

當(dāng)然，這個(gè)平臺(tái)的建設(shè)并不容易，背后有許多繁瑣的工作。

首先，要在真實(shí)環(huán)境中實(shí)現(xiàn)可復(fù)現(xiàn)、公平的測(cè)試非常困難。比如，機(jī)器人本身的配置、實(shí)驗(yàn)環(huán)境的布置——這些變量都必須嚴(yán)格控制。

其次，如何讓用戶訪問機(jī)器人并提交模型也是難題。我們的機(jī)器人部署在本地服務(wù)器上，而用戶的模型通常在他們自己的系統(tǒng)中，模型部署也不容易。

為此，我們開發(fā)了一種機(jī)制，叫做Remote Robots。通過這種方式，用戶無(wú)需上傳模型到我們這邊。模型可以留在用戶端，而用戶可以通過HTTP API訪問我們的攝像頭、機(jī)器人并進(jìn)行遠(yuǎn)程測(cè)試，這就是我們現(xiàn)在正在做的事情。

第三，定義基準(zhǔn)（benchmark）本身也很難。我們目前以Table 30作為起點(diǎn)——這不是最終方案，但它是一個(gè)堅(jiān)實(shí)的第一步，難度適中，可以用來(lái)評(píng)估模型并為所有參與者提供參考信息。

當(dāng)然，我們也會(huì)與專家委員會(huì)和研究社區(qū)緊密合作，在未來(lái)共同定義出一個(gè)真正的黃金基準(zhǔn)。

總之，這其中有很多細(xì)節(jié)、很多繁瑣的工作。我們已經(jīng)發(fā)布了一篇技術(shù)報(bào)告，可以在我們的網(wǎng)站或者arXiv上下載。

總的來(lái)說(shuō)，Robot Challenge是一個(gè)基準(zhǔn)評(píng)測(cè)平臺(tái)，它的目標(biāo)是讓具身智能（Embodied Intelligence）研究變得更加開放、公平、且可訪問。

Thomas Wolf：你們正在解決一些非常困難的問題，比如如何遠(yuǎn)程控制機(jī)器人、如何在不在現(xiàn)場(chǎng)的情況下進(jìn)行公平評(píng)估。我覺得你們的解決方案非常務(wù)實(shí)而優(yōu)雅，真的令人興奮。

嗯，我覺得這個(gè)問題總體上還是在討論，如何讓整個(gè)社區(qū)參與到機(jī)器人研究的共建中來(lái)。

機(jī)器人學(xué)這里的確有一些特殊的挑戰(zhàn)——比如，代碼可以放在 GitHub 上，大家都能圍繞同一個(gè)代碼庫(kù)協(xié)作，但機(jī)器人是實(shí)體的，必須在某個(gè)具體地點(diǎn)。

那我們?cè)撊绾巫屓藗兏杏X到自己是在一個(gè)“共同的機(jī)器人社區(qū)”中建造東西？我很好奇，你怎么看待這里的社區(qū)生態(tài)？

Q：你最期待看到哪些群體加入 Robot Challenge？是學(xué)術(shù)界？還是公司？或者是一些業(yè)余開發(fā)者？

是的，我認(rèn)為我們第一個(gè)基準(zhǔn)測(cè)試主要針對(duì)通用策略（general policy），也就是基礎(chǔ)模型（base model）。

目前在做最強(qiáng)基礎(chǔ)模型的，主要還是學(xué)術(shù)界和公司。對(duì)于愛好者，我們可能之后會(huì)設(shè)計(jì)一些小型挑戰(zhàn)，面向個(gè)人開發(fā)者。但就現(xiàn)在而言，基礎(chǔ)模型的評(píng)測(cè)更多是針對(duì)學(xué)術(shù)機(jī)構(gòu)和初創(chuàng)公司。

事實(shí)上，目前已經(jīng)有不少開源模型，比如ACT、Pi-Zero、Pi0、Pi0.5等。

我們可以通過志愿者測(cè)試這些模型，因?yàn)樗鼈兪枪_可下載的。

在我們的基準(zhǔn)測(cè)試中，我們?yōu)檫@30個(gè)任務(wù)發(fā)布了一部分微調(diào)數(shù)據(jù)——每個(gè)任務(wù)大約提供1000個(gè)episodes。

開發(fā)者可以下載這些數(shù)據(jù)集，對(duì)模型進(jìn)行微調(diào)，然后測(cè)試其在任務(wù)上的表現(xiàn)。

所以我認(rèn)為，最先參與的用戶群體主要會(huì)是學(xué)術(shù)界和初創(chuàng)公司。

Thomas Wolf：另一個(gè)巨大挑戰(zhàn)就是數(shù)據(jù)——如何讓人們能夠獲取到足夠的數(shù)據(jù)。你們開放提供每個(gè)任務(wù)1000個(gè)episodes的舉措非常好，因?yàn)閿?shù)據(jù)確實(shí)是機(jī)器人學(xué)的一大瓶頸。

我們不像互聯(lián)網(wǎng)那樣有海量數(shù)據(jù)來(lái)訓(xùn)練機(jī)器人。多數(shù)情況下，研究者需要自己構(gòu)建數(shù)據(jù)集。

我認(rèn)為，未來(lái)社區(qū)可以在這方面發(fā)揮關(guān)鍵作用。如果一些大型、活躍的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)決定開放部分?jǐn)?shù)據(jù)，我們就有可能建立一個(gè)超大型的共享機(jī)器人訓(xùn)練數(shù)據(jù)集。

在Hugging Face，我們也在往這個(gè)方向邁出小步，比如先推動(dòng)數(shù)據(jù)格式的標(biāo)準(zhǔn)化，使得數(shù)據(jù)整合更容易。這往往與更好的評(píng)估體系是相輔相成的。這兩個(gè)趨勢(shì)對(duì)于通用機(jī)器人技術(shù)的發(fā)展非常重要。

在我們的平臺(tái)上，我們也看到社區(qū)提供的數(shù)據(jù)集數(shù)量正呈指數(shù)級(jí)增長(zhǎng)。所以我對(duì)未來(lái)非常樂觀，相信我們會(huì)有越來(lái)越多開源數(shù)據(jù)集來(lái)訓(xùn)練和微調(diào)機(jī)器人模型。

唐文斌：那Thomas，你怎么看社區(qū)精神對(duì)機(jī)器人和具身智能（embodied intelligence）研究的推動(dòng)作用？

Thomas Wolf：我覺得其實(shí)現(xiàn)在每個(gè)人都可以參與。比如你可以買一些廉價(jià)的機(jī)器人——有些是我們自己推出的，比如so100或Richie Mini，今年晚些時(shí)候就會(huì)發(fā)貨。

你可以用它們采集數(shù)據(jù)、分享數(shù)據(jù)，從而增加數(shù)據(jù)的多樣性。

因?yàn)殛P(guān)鍵問題不僅僅是數(shù)據(jù)量，還有數(shù)據(jù)的多樣性。如果我們能在全球不同的地方采集數(shù)據(jù)，就更容易訓(xùn)練出更魯棒的策略。

我們希望未來(lái)的機(jī)器人無(wú)論是在歐洲、中國(guó)還是美國(guó)的家庭中，都能找到自己的路徑。

社區(qū)還能在算法層面作出貢獻(xiàn)，比如探索如何微調(diào)策略、如何設(shè)計(jì)訓(xùn)練架構(gòu)、如何混合不同數(shù)據(jù)、如何制定合適的訓(xùn)練計(jì)劃——這些都有很大的研究空間。

此外，機(jī)器人模型目前其實(shí)還比較小，很多必須運(yùn)行在嵌入式系統(tǒng)上，這也意味著人們?cè)诩抑谢蛐∫?guī)模環(huán)境中也能比較容易地進(jìn)行訓(xùn)練。

這是另一個(gè)讓社區(qū)更容易參與機(jī)器人研究的理由。

Q：Robot Challenge.AI的下一步是什么？

Thomas Wolf：我覺得我們應(yīng)該嘗試很多方向。畢竟這是第一次在真實(shí)世界里進(jìn)行開放式機(jī)器人挑戰(zhàn)，我很期待看到它的發(fā)展。

我希望開發(fā)者們能積極參與、提交他們的模型，讓這個(gè)平臺(tái)充滿活力。

從更廣的視角來(lái)看，我認(rèn)為評(píng)測(cè)方式也應(yīng)該多樣化——包括仿真測(cè)試，因?yàn)槟侨匀皇歉菀椎姆绞健?/span>

就像大語(yǔ)言模型（LLM）的發(fā)展一樣，未來(lái)我們也會(huì)看到多種評(píng)測(cè)體系的共存——某些會(huì)成為最重要的，比如LLM早期的MMLU，后來(lái)的SWE-bench。

但目前我會(huì)鼓勵(lì)大家：來(lái)提交你的模型，一起試試這個(gè)新的基準(zhǔn)，看看它是否真的正確。

我對(duì)這個(gè)項(xiàng)目非常有信心。它設(shè)計(jì)得很用心，也與現(xiàn)有的評(píng)測(cè)不同，雖然這是第一次嘗試，但我相信未來(lái)我們會(huì)持續(xù)優(yōu)化。

但這是邁向“真實(shí)世界基準(zhǔn)”的非常重要的第一步，我對(duì)這個(gè)方向非常興奮。

唐文斌：Robot Challenge目前遵循的是完全開放的策略。

我們提供免費(fèi)的評(píng)測(cè)服務(wù)，任何人都可以提交模型，我們負(fù)責(zé)評(píng)測(cè)并進(jìn)行排名。

這個(gè)第一個(gè)基準(zhǔn)并不是“黃金基準(zhǔn)”，只是第一步——讓我們能基于真實(shí)機(jī)器人對(duì)模型進(jìn)行比較，從而積累經(jīng)驗(yàn)，再定義下一個(gè)更好的基準(zhǔn)。

我們可以評(píng)估的維度很多，比如多任務(wù)（multi-domain）、長(zhǎng)時(shí)任務(wù)（long-horizon）、交互任務(wù)（interactive tasks）等。

我們希望提供一個(gè)可復(fù)現(xiàn)、開放、統(tǒng)一的平臺(tái)，讓大家能公平比較。這就是我們的目標(biāo)，我相信這對(duì)社區(qū)來(lái)說(shuō)是一件好事。

Thomas Wolf：三到五年后，具身智能研究會(huì)發(fā)展到機(jī)器人能執(zhí)行越來(lái)越長(zhǎng)的任務(wù)——從現(xiàn)在的幾分鐘，到未來(lái)的幾小時(shí)甚至更久。那時(shí)的基準(zhǔn)測(cè)試也會(huì)隨之演化。

我可以想象，三年后我們可能會(huì)看到這樣的場(chǎng)景：機(jī)器人被要求連續(xù)執(zhí)行一整天的復(fù)雜任務(wù)，而這就成了新的基準(zhǔn)。想到這里我就很興奮。

唐文斌：比如多模態(tài)感知、動(dòng)態(tài)環(huán)境適應(yīng)、長(zhǎng)時(shí)序任務(wù)等等，未來(lái)都可以測(cè)試。這就是技術(shù)發(fā)展的方向。

One more thing

Dexmal（原力靈機(jī)）于去年年底注冊(cè)，并于今年3月5日正式成立。

成立僅20天，這家AI初創(chuàng)公司就宣布完成2億元天使輪融資，投資方包括君聯(lián)資本、九坤創(chuàng)投和啟明創(chuàng)投。

Dexmal由曠視科技三位聯(lián)合創(chuàng)始人之一唐文斌擔(dān)任聯(lián)合創(chuàng)始人兼CEO，核心團(tuán)隊(duì)成員范浩強(qiáng)、周而進(jìn)、汪天才同樣出自曠視科技，可謂“黃金陣容”再度聚首。

盡管成立時(shí)間短暫，但團(tuán)隊(duì)成員均擁有超過十年的AI原生產(chǎn)品與落地經(jīng)驗(yàn)，具備從算法到商業(yè)化的完整能力鏈。

唐文斌介紹，過去十年他們?cè)趫D像識(shí)別技術(shù)及自動(dòng)移動(dòng)機(jī)器人領(lǐng)域積累了豐富經(jīng)驗(yàn)，已在倉(cāng)儲(chǔ)場(chǎng)景交付超過一萬(wàn)輛AMR（自主移動(dòng)機(jī)器人）/AGV（自動(dòng)導(dǎo)引車）。

如今，他們希望將大模型和AI技術(shù)引入機(jī)器人領(lǐng)域，專注于“具身智能”（Embodied AI），開啟新的技術(shù)探索。

隨著這支團(tuán)隊(duì)將目光從視覺轉(zhuǎn)向具身智能新賽道，他們能否再次引領(lǐng)行業(yè)風(fēng)口，值得期待。

官網(wǎng)：https://robochallenge.ai

GitHub：https://github.com/RoboChallenge/RoboChallengeInference

Hugging Face：https://huggingface.co/RoboChallengeAI