數(shù)十年前，人們就夢想并推測人形機器人終將取代各行各業(yè)的人類勞動者，尤其是工廠和裝配線崗位。盡管目前尚未實現(xiàn)完全的機器人自動化，但相關推進工作正緩慢開展，第一代勞動型機器人的訓練已逐步啟動。其中一項實踐就發(fā)生在現(xiàn)代汽車（Hyundai）位于喬治亞州的工廠，波士頓動力（Boston Dynamics）的標志性機器人 Atlas 正在這里學習汽車零部件的分類與排序工作。

早在 2021 年，現(xiàn)代汽車就對波士頓動力的雙足機器人 Atlas 的研發(fā)進行了大額投資。如今這項投資已開始見效 —— 波士頓動力在 2026 年 CES 展上展示了 Atlas 的最新迭代版本，其展現(xiàn)出令人印象深刻的能力：舉起重物、彎腰旋轉，甚至能通過帶觸覺的手指掃描并分析物體。目前，Atlas 已在現(xiàn)代汽車工廠的一個獨立區(qū)域啟動在職培訓，準備從人類工人手中接手部分工作任務。

Atlas 機器人專注基礎任務訓練

當前版本的 Atlas 相比此前在 YouTube 上展示跳舞、體操動作的早期型號，先進程度大幅提升。正如 CES 展上所呈現(xiàn)的，Atlas 搭載了由谷歌 DeepMind 開發(fā)、基于 Gemini 的人工智能，且由英偉達硬件提供算力支持。不同于以往控制其動作的算法程序，現(xiàn)在的 Atlas 能夠學習并響應外部刺激。但關鍵在于 “學習”—— 盡管已十分先進，Atlas 仍無法直接投入工廠即刻上崗，它需要徹底掌握一項任務后，才能可靠、穩(wěn)定地執(zhí)行。

這也是現(xiàn)代汽車將 Atlas 部署在喬治亞州工廠獨立區(qū)域的原因：讓它們先訓練分類車頂行李架、為裝配工序排序零部件等基礎任務。Atlas 需要至少數(shù)年的練習，積累足夠的訓練數(shù)據(jù)后，才能進入真實裝配線工作。

“我們不希望給機器人預設一套固定任務，而是希望它們能像人類一樣理解物理世界。” 谷歌 DeepMind 機器人部門高級總監(jiān) Caroline Parada 在 CES 展上表示，“它們應該能從經(jīng)驗中學習，能適應新場景，并隨時間推移不斷進步。無論是組裝新的汽車零部件，還是系鞋帶，機器人都應像人類一樣，通過少數(shù)示例快速學習，再通過少量練習迅速提升。”