Tesla Optimus 迎来新进展：靠端到端神经网络自主分拣积木

还记得两年前特斯拉发布会上，那个套着紧身衣在台上尬舞的假机器人吗？现在它好像真的开始像个工人了。

周六，特斯拉在 X 平台上的 Optimus 官方账号发了一段新视频。视频里的双足人形机器人不仅能自己校准关节，还能完全依靠端到端训练的神经网络，自主把蓝绿两色的方块分拣到对应的盘子里。

视频输入，控制输出

特斯拉在推文里特意强调了一个细节：Optimus 的神经网络是完全端到端训练的，也就是所谓的「视频输入，动作控制输出」。

分拣开始前，机器人先通过关节位置编码器和自带的视觉系统做了一次自我校准。特斯拉表示，这套机制能让它精确知道自己的四肢在空间里的具体位置。

真正有意思的是面对干扰时的反应。测试人员中途走过来，故意把还没抓起来的方块挪走，Optimus 没有死机或者报错，而是停顿了一下，眼睛跟着变动走，顺畅地换了个目标继续抓取。

更细节的是自我纠错。当它把一个积木侧着放进托盘后，并没有直接跳到下一步，而是伸手回去把倒下的积木扶正。

视频最后甚至还秀了一段单腿站立的拉伸动作，顺便给特斯拉的 AI 招聘页面打了波广告，招募运动规划、控制和计算机视觉等方向的工程师。

自己造执行器的代价

这套演示距离 2022 年特斯拉 AI Day 上摇摇晃晃走路的原型机，已经过去了差不多一年，比 5 月份展示的手部精细动作又往前走了一截。

但 Optimus 离真正进厂打工还有不小的距离。前几个月的第二季度财报电话会上，马斯克就公开承认过，Optimus 的生产进度远低于最初的预测。

核心卡点在于供应链。市面上根本买不到现成满足要求的人形机器人执行器，特斯拉只能被迫自己动手从头设计和制造执行器，再想办法拉起量产规模。

为什么重要

我们认为，这次更新最有看点的地方不在于分拣积木这个动作有多难，而在于特斯拉把自动驾驶上的那套端到端纯视觉哲学，硬生生搬到了机器人身上。

业内很多做人形机器人的团队还在走传统的拆解路线：视觉识别算一层，路径规划算一层，动力学控制再算一层。特斯拉直接用视频进、控制出的神经网络来跑，展现了极强的泛化能力，比如积木被突然移走时的自适应以及放歪后的主动扶正。

对行业来说，特斯拉在逼着整个机器人供应链加速成熟。市面上缺执行器，特斯拉就自己造，一旦它的专用执行器跑通规模化量产，整个人形机器人的硬件成本可能会被直接砸下来一大截。

不过，目前普通人和普通开发者暂时还碰不到它，唯一的参与方式大概就是去投简历。从在平整桌面上分拣两三个静态方块，到走进充满乱七八糟障碍物的真实车间，Optimus 看起来还要跨过极其漫长的长尾场景考验。