基於快慢系統的機器人學習框架與自監督訓練。

作者丨賴文昕

編輯丨陳彩嫻

AI 科技評論獨家獲悉：近日，新加坡國立大學（NUS）助理教授邵林與前蘋果研究員田野成立了具身智慧企業RoboScience，目前已經完成數千萬的第一輪融資。

據瞭解，主打產品是跨實體通用具身智慧（Cross Embodiment AI），同時也基於快慢系統的機器人學習框架與自監督訓練開發機器人的具身作業系統，其Model-based RL+Manipulation路線也契合了邵林個人的研究經歷。

2009年，邵林開始在南京大學讀本科，在發現最初的地質系不適合自己後，在數學系完成第二個學位，還在大二至大三期間參與了計算機系多媒體 GPU 高效能計算的研究。

2014年本科畢業後，邵林進入斯坦福大學攻讀博士學位，後因對3D視覺感興趣，於2016年加入了幾何計算組，師從Leonidas J. Guibas。

當時 Leonidas 組裡有不少華人學生，除了黃其興（UT Austin計算機系終身教授）、蘇昊（UCSD副教授）、弋力（清華助理教授）外，邵林、嚴夢媛（OpenAI研究員）、王鶴（銀河通用創始人&北大AP）等人都是在 2016 年前後加入幾何計算組。斯坦福具身智慧故事詳情請看：《3D 視覺派：斯坦福具身智慧人物關係圖》

受DeepMind的DQN演算法啟發，邵林意識到強化學習方法能指導智慧體在複雜的遊戲裡完成各種玩法，那下一步就能指導機器人在現實世界中自主決策，便決定從3D視覺轉向機器人研究。

而Leonidas的研究重點仍在3D視覺，於是在2017年初，邵林轉至互動感知與機器人學習實驗室，師從負責人Jeannette Bohg，Leonidas為共同指導。

在加入Jeannette組之前，邵林還在斯坦福機器人實驗室主任Oussama Khatib指導下進行了幾個月的真機專案（Oussama後來也是邵林博士委員會的成員），參與了早期機器人抓取的研究，作為一作於ICRA 2020發表了深度神經網路架構UniGrasp，這後來也成為資料驅動靈巧手抓取的基準性工作之一。

來到Jeannette組後的邵林主攻機器人操作（Manipulation），發表了Concept2Robot等研究，是VLA方向的很早期工作。

2021年，邵林博士畢業，來到新加坡國立大學擔任助理教授，繼續深入鑽研機器人操作，其加入後的第一篇論文是與上海交通大學教授、穹徹智慧創始人盧策吾合作的基於模型的強化學習方法SAM-RL，能完成裝配、使用工具和可變形物體的三種操作任務，此工作還入圍了RSS 2023最佳系統論文獎。

對邵林而言，多年的機器人研究經驗讓他意識到，機器人是一個複雜的系統，需要對其進行系統性的思維，對硬體、資料和演算法、模型等方面進行整體的設計與開發，尤其要關注機器人實際部署過程中的安全閥機制。

最近，邵林帶領團隊發表的D(R,O)跨實體靈巧抓取工作還獲得了機器人頂會CoRL MAPoDeL Workshop的最佳機器人論文。

另一位創始人田野2010年就讀於中國科學技術大學物理系，大三期間曾在量子資訊實驗室擔任研究助理，使用GPU進行量子系統模擬。

2014年，田野以專業第一的成績畢業後，和邵林一樣來到斯坦福深造，不過是在AI Lab師從吳恩達教授研究深度學習與計算機視覺。在斯坦福期間，他參與了基於機器學習的相機分析系統、具有深度學習和機率圖形模型的人員跟蹤系統、自動影片流和分析系統等多項工作。

2017年碩士畢業後，田野加入蘋果總部工作，負責AI平臺與端側深度學習框架，支撐了iPhone、 Apple Watch、MacBook、Airpods、Vision Pro、Apple Intelligence等多平臺 AI 框架的開發、最佳化與落地。

去年，田野結束了長達七年多的蘋果生涯，與邵林一起創立RoboScience。

過去，深度學習在機器人領域的實用性一直面臨諸多挑戰，例如可解釋性不足和資料缺口等問題，OpenAI就曾因資料問題在2020年解散了其機器人團隊。

然而，隨著基礎模型能力、預訓練和推理能力的不斷提升，Foundation Model + Robotics的正規化再次成為熱門。在產業界，OpenAI於去年年初重組了機器人團隊，同時邵林創立的RoboScience也在基於大規模預訓練和推理（Reasoning）推動具身操作的研究。

這是否意味著，繼Reasoning點燃大模型領域的DeepSeek之後，也將在機器人領域引發新的變革？讓我們拭目以待。