Ai2 用虚拟仿真数据构建物理 AI，打破机器人训练瓶颈

虚拟仿真数据正在推动物理 AI 在企业环境中的发展，以艾伦人工智能研究所（Ai2）的 MolmoBot 等项目为代表。

历史上，指导硬件与现实世界交互一直依赖于极其昂贵且需人工收集的演示数据。构建通用操作智能体的技术提供商通常将广泛的真实世界训练视为这些系统的基础。

例如，DROID 等项目包含了来自 13 个机构的 76,000 条遥操作轨迹，大约相当于 350 小时的人力投入。Google DeepMind 的 RT-1 需要人类操作员在 17 个月内收集 130,000 个片段。这种对专有、人工数据收集的依赖推高了研究预算，并将能力集中在少数资源充足的工业实验室中。

Ai2 首席执行官 Ali Farhadi 表示：“我们的使命是构建能推动科学进步、拓展人类发现能力的 AI。机器人技术可以成为基础的科学工具，帮助研究人员更快地前进并探索新问题。为此，我们需要能在现实世界中泛化的系统，以及全球研究社区可以共同构建的工具。展示从仿真到现实的迁移是朝着这个方向迈出的有意义的一步。”

来自艾伦人工智能研究所（Ai2）的研究人员通过 MolmoBot 提供了一种不同的经济模式。这是一个完全基于合成信息训练的开放机器人操作模型套件。通过在名为 MolmoSpaces 的系统中程序化生成轨迹，团队绕过了对人类遥操作的需求。

配套的数据集 MolmoBot-Data 包含 180 万条专家操作轨迹。这个集合是通过结合 MuJoCo 物理引擎与激进的领域随机化（变化物体、视角、光照和动力学）生成的。

Ai2 PRIOR 团队负责人 Ranjay Krishna 说：“大多数方法试图通过添加更多真实世界数据来缩小仿真与现实之间的差距。我们采取了相反的赌注：当你大幅扩展仿真环境、物体和相机条件的多样性时，这个差距会缩小。我们的最新进展将机器人技术的约束从收集人工演示转移到设计更好的虚拟世界，这是一个我们可以解决的问题。”

为物理 AI 生成虚拟仿真数据

使用 100 个 Nvidia A100 GPU，该流水线每 GPU 小时生成大约 1,024 个片段，相当于每个挂钟小时产生超过 130 小时的机器人经验。

与真实世界数据收集相比，这代表了近四倍的数据吞吐量，通过加速部署周期直接影响项目投资回报。

MolmoBot 套件包括三个不同的策略类别，在两个平台上进行评估：Rainbow Robotics RB-Y1 移动操作器和 Franka FR3 桌面机械臂。主要模型基于 Molmo2 视觉-语言骨干构建，处理多个时间步的 RGB 观察和语言指令以决定动作。

Ai2 MolmoBot 的硬件灵活性

对于资源受限的边缘计算环境，研究人员提供了 MolmoBot-SPOC，这是一个参数较少的轻量级 Transformer 策略。MolmoBot-Pi0 使用 PaliGemma 骨干来匹配 Physical Intelligence 的 π0 模型架构，允许直接性能比较。

在物理测试中，这些策略展示了零样本迁移到涉及未见物体和环境的真实世界任务中，无需任何微调。

在桌面拾放评估中，主要 MolmoBot 模型实现了 79.2% 的成功率。这优于 π0.5（一个基于大量真实世界演示数据训练的模型），后者的成功率为 39.2%。对于移动操作，这些策略成功执行了诸如接近、抓取和拉动门等任务。

提供这些多样化的架构允许组织集成强大的物理 AI 系统，而无需被锁定在单一的专有供应商生态系统或广泛的数据收集基础设施中。

整个 MolmoBot 堆栈的开放发布——包括训练数据、生成流水线和模型架构——允许内部审计和适配。任何探索物理 AI 的人都可以利用这些开放工具来仿真和构建强大系统，同时控制成本。

Ai2 首席执行官 Ali Farhadi 补充道：“为了让 AI 真正推动科学进步，进展不能依赖于封闭数据或孤立系统。它需要共享的基础设施，让各地的研究人员可以共同构建、测试和改进。我们相信这就是物理 AI 前进的方式。”