核心观点 - 特斯拉将自动驾驶纯视觉技术方案迁移至人形机器人Optimus训练 放弃动作捕捉服和远程操作 转向通过录制人类视频数据训练机器人 [2][5][6] 技术策略调整 - 训练方式从动作捕捉服和VR头显转变为通过5个内部自制摄像头多角度录制员工执行任务的视频 [2][6] - 新方法旨在扩大数据收集规模 提升训练效率 [2] - 摄像头安装在头盔和背包上 提供精确环境定位数据 可捕捉关节和手指等精细细节 [6] 行业对比 - 远程操作和动作捕捉是机器人行业标准做法 例如波士顿动力Atlas机器人采用此类技术 [3] - 特斯拉策略打破常规 未有其他公司在同等规模上尝试纯视频训练方案 [8] 数据规模与挑战 - 机器人训练需求至少是汽车自动驾驶训练需求的10倍 [8] - 需建立通用动作库以避免逐个训练动作的耗时问题 [7] - 纯视频训练需解决将视频数据转化为现实动作的难题 缺乏直接交互体验 [3] 技术实现细节 - 员工需重复执行简单动作数月以确保动作接近人类形态 [6] - 可能采用海量示范数据输入策略 使机器人学习可转移技能而非机械记忆单项任务 [7] - 视频数据可用于增强此前通过远程操作收集的数据集 [6] 高管表态与团队动态 - 硬件总监确认机器人正通过人类视频直接学习新任务 [5] - 马斯克表示Optimus未来可通过观看YouTube视频学习任务 [5] - 技术转型期间曾暂停招聘 但截至8月底仍列出50多个相关职位 [5] 技术难度评估 - 机器人训练比自动驾驶更艰巨 因需掌握多任务而非单一驾驶技能 [8] - 部分技能需通过模拟器或物理实践补充 仅靠观察学习存在局限 [8]