Tesla Optimus 迎來新進展：靠端到端神經網路自主分揀積木

還記得兩年前特斯拉釋出會上，那個套著緊身衣在臺上尬舞的假機器人嗎？現在它好像真的開始像個工人了。

週六，特斯拉在 X 平臺上的 Optimus 官方賬號發了一段新影片。影片裡的雙足人形機器人不僅能自己校準關節，還能完全依靠端到端訓練的神經網路，自主把藍綠兩色的方塊分揀到對應的盤子裡。

影片輸入，控制輸出

特斯拉在推文裡特意強調了一個細節：Optimus 的神經網路是完全端到端訓練的，也就是所謂的「影片輸入，動作控制輸出」。

分揀開始前，機器人先通過關節位置編碼器和自帶的視覺系統做了一次自我校準。特斯拉表示，這套機制能讓它精確知道自己的四肢在空間裡的具體位置。

真正有意思的是面對干擾時的反應。測試人員中途走過來，故意把還沒抓起來的方塊挪走，Optimus 沒有宕機或者報錯，而是停頓了一下，眼睛跟著變動走，順暢地換了個目標繼續抓取。

更細節的是自我糾錯。當它把一個積木側著放進托盤後，並沒有直接跳到下一步，而是伸手回去把倒下的積木扶正。

影片最後甚至還秀了一段單腿站立的拉伸動作，順便給特斯拉的 AI 招聘頁面打了波廣告，招募運動規劃、控制和計算機視覺等方向的工程師。

自己造執行器的代價

這套演示距離 2022 年特斯拉 AI Day 上搖搖晃晃走路的原型機，已經過去了差不多一年，比 5 月份展示的手部精細動作又往前走了一截。

但 Optimus 離真正進廠打工還有不小的距離。前幾個月的第二季度財報電話會上，馬斯克就公開承認過，Optimus 的生產進度遠低於最初的預測。

核心卡點在於供應鏈。市面上根本買不到現成滿足要求的人形機器人執行器，特斯拉只能被迫自己動手從頭設計和製造執行器，再想辦法拉起量產規模。

為什麼重要

我們認為，這次更新最有看點的地方不在於分揀積木這個動作有多難，而在於特斯拉把自動駕駛上的那套端到端純視覺哲學，硬生生搬到了機器人身上。

業內很多做人形機器人的團隊還在走傳統的拆解路線：視覺識別算一層，路徑規劃算一層，動力學控制再算一層。特斯拉直接用影片進、控制出的神經網路來跑，展現了極強的泛化能力，比如積木被突然移走時的自適應以及放歪後的主動扶正。

對行業來說，特斯拉在逼著整個機器人供應鏈加速成熟。市面上缺執行器，特斯拉就自己造，一旦它的專用執行器跑通規模化量產，整個人形機器人的硬體成本可能會被直接砸下來一大截。

不過，目前普通人和普通開發者暫時還碰不到它，唯一的參與方式大概就是去投簡歷。從在平整桌面上分揀兩三個靜態方塊，到走進充滿亂七八糟障礙物的真實車間，Optimus 看起來還要跨過極其漫長的長尾場景考驗。