惊艳首秀！OpenAI携手Figure 01，打造快速决策的智能机器人！ 

人工智能领域惊艳眼球！Figure 推出首款与 OpenAI 联手研发的强力机器人 Figure 01，无论对话还是抓放，它都能轻松应对，甚至能清晰地解释自己为何如此行动！
备受瞩目的 Figure 01，究竟运用了何种神秘技术？是否与 Sora 有着千丝万缕的联系？相较以往的机器人技术，他的质变体现在哪些方面？对我们国内的机器人创业者，又寓意着怎样的新思路?
为此，我们特邀了国内大模型及机器人行业的杰出代表——包括监投人、创业者等参与讨论，以下便是他们的精辟见解。

运用大模型+机器人，
OpenAI再次撬动Google格局！
李志飞：出门问问创始人兼CEO
据了解，其实Figure这条路更像走边端PalM-E加RT-1的组合，而非Google推出的全套RT-2方案。
要知道，想要使机器人与人类进行自然语言互动，大致可以分为两个阶段。首先就是机器理解自然语言，将其转变为机器可执行的抽象计划；接着是将该抽象计划转化为能实际操控的底层操作，即将简单命令转换为实际行为。
所以，RT-1主要负责后半程，模型虽无思维能力但能听令行事；PaLM-E能帮助机器人破解复杂命令，正对应前头预演阶段，它有点像是一个VLM视觉语言模型。那么RT-2呢？它集成了前两项，既可用尽大语言模型的知识和思维能力，又能达到如人类般的操控速度—实属VLA视觉语言行动模式。
令人惊讶的是，尽管RT-2存在决策缓慢的问题，难以达到Figure这种每秒 200 次的交互速度，但Figure仍以其独特优势获胜，它既发挥出大语言模型的知识储备和思维能力，又能用极快的底层操控，完成人一样的速度。
比如视频中的那个例子，当有人说“我饿了”，经过几番思量，Figure小心翼翼地拿起苹果，毫不犹豫地向对方递了上去。这份聪明在于，她懂得苹果是她当前唯一能“食用”的物品，即使没有明确指引，她也能以近似人类的速度作出回应。此外，她还利用了大语言模型的长句理解能力，解决了指代关系的模糊问题。