新创 Covariant 推出 RFM-1 生成式 AI 模型，文字语音输入操控工厂机器人

▼

美国加州大学柏克莱分校（UC Berkeley）衍生的 AI 机器人新创公司 Covariant 日前宣布推出 RFM-1 机器人基础模型，除了现阶段已在仓库部署许多机器人之外，希望透过模型为即将到来的数十亿个遍布制造业、食品加工、回收、农业、服务业，甚至家庭机器人提供先进支援，并赋予像人类的思考能力。

机器人通用系统成为讨论话题，人形机器人带动更大需求

越来越多机器人公司讨论“通用”系统，RFM-1 平台遂应运而生。Agility、Figure、1X 和 Apptronik 等人形机器人新创公司突然涌现，更对业界通用系统热烈对话有关键作用。

RFM-1 是 Covariant 旗下 Brain AI 平台部署中所收集大量资料的成果。Covariant 共同创始人兼执行长陈曦（Peter Chen）表示， RFM-1 平台基本上是专门机器人语言的大型语言模型（LLM）。取得客户同意后，正在构建机器人专属的 LLM 资料库。

Covariant 软件主要部署工业机器手臂，执行分拣等众所周知的仓库任务，软件某种程度与硬件无关，但尚未部署人形机器人。

Covariant更偏向通用机器人硬件领域，智慧转折点与硬件转折点结合后，可看到更多机器人应用爆炸性成长。但硬件方面仍有许多不尽完美与成熟处需要克服。

赋与机器人像人类的推理能力，与机器人互动更自然

谈到 RFM-1 对机器人决策的作用时，Covariant 并不回避与人类比较。RFM-1 平台能给机器人像人类的推理能力，是生成式 AI 首次成功让商业机器人更理解语言和实体世界。这类推理能力，能让机器拥有处理现实世界数据的能力，进而执行手头任务的最佳解决方式与决策。

过去传统机器人被程式设计为无限重复地完成一项工作，这使得这种单一用途的机器人在高度结构化的生产线环境中蓬勃发展。但面对更复杂的场景，即使是最微小的偏差，都可能对所执行的任务产生巨大的影响。

对此，机器人必须重新加以程式设计，如果工厂寻求委外，难免会造成资源和时间的巨大浪费。工厂最佳的解决之道不是让现场工作人员学习程式设计，就是另寻与机器人更自然互动的全新方式。但前者一样会耗费成本与时间，而后者正是 Covariant 试图透过 RFM-1 想做到的事情。

在使用上，该平台提供一个类似当前消费性生成式 AI 工具一样的文字输入框，使用者可以透过打字或语音方式下达指令（例如拿起苹果），系统就会透过其训练数据（包括形状、颜色、大小等）来识别它面前最符合描述的物体。RFM-1 接着会生成（模拟）影像结果，以便透过先前的训练来确定最佳行动方案。在一场现场实机展示中，不论是简单的输入或复杂语义的输入，该系统都能做出正确的反应，并让机器人正确地捡起了苹果和袜子。

• Covariant is building ChatGPT for robots

（首图来源：covariant.ai）

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。