Transformer Transformer：给动作，自动生成机器人
Transformer Transformer: A Unified Model for Motion-Conditioned Robot Co-Design
别再只盯着算法了，糟糕的机器人本体设计会让再聪明的策略也失效。斯坦福团队推出的 Transformer Transformer 模型，只需输入一段操作演示，就能自动生成包含连杆、关节、电机及惯性属性的完整机器人，并直接控制其执行任务。该模型基于 RoboTokens 统一表征，通过 Dynamics Self-Guidance 技术，在推理阶段利用自身预测的动力学梯度来优化设计。在 ALOHA 平台上，其生成的抛掷布料专用机器人将追踪误差降低了 73%。这是一个集生成、评估与控制于一体的统一架构，让机器人设计真正实现了从“通用”到“为特定任务定制”的跨越。
你可以收集世界上所有的投掷数据，但如果机器人的形状远非最优，它可能扔的不是球，而是把自己扔出去。
- fxtentacle
看视频时，11:37 [1] 那处让我对这些结果的有效性感到非常不安。CMA-ES 的优化时间是以秒计算的？这只有在不做物理模拟、不做碰撞检测、不做轨迹 rollout 的情况下才成立。（否则你得面对 300+ 次迭代，每次迭代 2000+ 条轨迹，每条轨迹 1000+ 个物理步，也就是数百万到数十亿次模拟步。）
这让我很困惑：难道 30 个 token 就能如此富有表现力，足以替代 6 亿次模拟步吗？
或者另一种可能是，他们只是假设给定的轨迹对每种机器人都同样最优，这在我看来是个巨大的假设。但如果是这种情况，那么这项技术的结果就会极具误导性，因为它会告诉你某个机器人对某个示例动作表现极佳，而你却不知道，只要对这个示例动作稍作微调，换一种机器人可能会让整体情况好得多。
- pk-protect-ai
各位干得漂亮。你们刚刚为机器人的自动进化奠定了基础。
现在我们需要一个唯一目的就是自我进化（繁殖）及其移动平台的模型。对于后者，这个框架就可以派上用场。我们还需要另一个模型，为每一次迭代生成完整的 CAD 规格，以及一个小型自动化工厂，将所有这些在硬件层面实现……
- esjeon
我认为这种自动化设计流程可以让人形机器人的热度降一降。人形机器人的卖点在于“一刀切”——通用型机器人可以轻松适应各种场景。然而，如果定制设计既便宜又经过优化，那就没有理由继续坚持低效的通用型设计了。