原標題：特斯拉Optimus機器人訓練新策略：純視覺方案，挑戰遠超自動駕駛

　　特斯拉在推進其Optimus人形機器人的訓練中，采取了與自動駕駛技術相同的純視覺方案，這一創新舉措引發了業界的廣泛關注。據《商業內幕》透露，特斯拉已在內部宣布，未來Optimus的訓練將更多地依賴于視頻數據，而非傳統的動作捕捉服和虛擬現實頭顯。

　　此前，特斯拉利用動作捕捉服和VR頭顯記錄人類操作員的數據，并通過這些數據遠程操控機器人。然而，特斯拉現在計劃通過錄制員工執行任務的視頻來訓練Optimus，這些視頻將涵蓋從拾取物體到折疊衣物等多種動作。據內部人士透露，特斯拉認為，這一轉變將使團隊能夠更快速地擴大數據收集規模，從而加速機器人的學習進程。

　　特斯拉的這一策略調整，標志著其在機器人領域的重大轉變。長期以來，特斯拉一直堅持通過攝像頭等視覺傳感器來訓練其自動駕駛系統，而Optimus的訓練方式也將與此保持一致。特斯拉負責Optimus硬件研發的總監康斯坦蒂諾斯·拉斯卡里斯曾在社交媒體上表示，他們的機器人正在通過人類視頻直接學習新任務，這一說法得到了馬斯克的確認。

　　然而，這一新策略也面臨著一些挑戰。人類與機器認知研究所的高級研究科學家羅伯特·格里芬指出，雖然遠程操作數據可以使機器人通過與環境的實際互動來學習，但要將視頻數據轉化為現實世界的動作并非易事。他強調，視頻數據缺乏直接交互體驗，這可能對機器人的學習造成一定障礙。

　　盡管如此，特斯拉仍在積極推進這一策略。據知情人士透露，特斯拉在6月底之前仍在遠程操作Optimus，并通過動作捕捉服進行訓練。然而，由于動作捕捉服和機器人本身存在的問題，團隊能夠收集的數據量受到限制。因此，特斯拉決定轉變訓練方式，開始使用內部自制的攝像頭記錄員工動作。這些攝像頭安裝在頭盔和背包上，能夠向各個方向拍攝，為AI模型提供精確的環境定位數據。

　　佛羅里達州立大學機器人實驗室主任克里斯蒂安·胡比茨基表示，多角度拍攝有助于特斯拉采集更精細的細節，并實現機器人的空間精準定位。然而，執行訓練任務的工作人員需要收到具體指令，特別是在手部動作方面需要確保動作盡可能接近人類形態。有些員工可能需要花費數月時間重復執行同一個簡單動作，以確保數據的準確性和可靠性。

　　謝菲爾德大學機器人專家喬納森·艾特肯認為，特斯拉需要想辦法教會Optimus使用可應用于多種任務的動作。他指出，在這種規模的操作中，建立通用動作庫至關重要，否則逐個訓練所有動作將耗費大量時間。特斯拉可能會采用與PhysicalIntelligence公司類似的策略，通過輸入海量示范數據來使機器人學習可轉移技能并靈活應用。

　　盡管特斯拉在機器人訓練方面取得了顯著進展，但這一新策略仍面臨諸多挑戰。俄勒岡州立大學AI與機器人專家艾倫·費恩表示，對于特斯拉來說，訓練Optimus將比開發自動駕駛汽車更加艱巨。駕駛只是單一任務，而機器人需要理解視頻中發生的情況并具備完成任務的技能。有些技能可以通過觀察學習獲得，但有些則需要在模擬器或現實中進行物理實踐。

　　盡管面臨諸多挑戰，但特斯拉仍在積極推進Optimus的訓練工作。截至最近，特斯拉的招聘頁面仍列出了50多個與Optimus相關的職位，這表明該公司仍在擴大其機器人團隊并加速相關技術的研發。未來，隨著技術的不斷進步和數據的不斷積累，Optimus有望在實現更多復雜任務方面取得突破。