Optimus 依赖纯视觉感知即可完成各类复杂任务，这得益于其先进的端到端神经网络技术。以下教程将带您深入理解其核心原理与真实表现。

一、核心技术：端到端神经网络

9月24日，Tesla Optimus 通过社交平台发布视频，展示其人形机器人 Optimus 的最新进展。

• “Optimus（擎天柱）现在能够自主对物体进行分类，其神经网络训练采用完全端到端方式，即从视频输入直接获取信息，并输出控制指令。”
• 端到端是一种神经网络训练方法，指的是直接从输入数据映射到输出结果，无需经过人工设计的特征提取或中间步骤。
• 端到端神经网络能够自动学习数据中的特征与规律，从而提升模型性能与泛化能力。

小提示： 端到端训练让机器人可以像人类一样“观看视频学习动作”，无需人工编写繁琐的指令规则。

二、自校准能力：仅靠视觉与关节编码器

视频显示，Optimus 现在能够自动校准其手臂和腿部，仅借助视觉与关节位置编码器，即可精准定位自身肢体位置。

• 经过精确自校准后，Optimus 能更高效地学习各类任务。
• Tesla Optimus 表示，其神经网络能够实现完全本地运行，无需依赖网络，仅使用视觉作为感知输入。

常见问题： 为什么不需要联网？
答：因为神经网络模型已提前部署在机器人本地芯片上，所有计算在设备内部完成，既保证了实时性，又提升了隐私安全性。

三、任务演示：自主分类与抗干扰

Optimus 能够完全自主地按颜色对色块进行排序，同时还能应对外界干扰并进行自主纠错。

• 精准的校准能力使 Optimus 更高效地学习各种任务，并且仅依赖视觉，其神经网络完全实现了机载（on-board）运行。
• 这样一来，Optimus 可以完全自主地将物体按颜色分类。
• 即便有人为干扰，Optimus 也能准确按颜色将物体分类。
• Optimus 还展示了自主纠正（将歪倒的物体摆正）的行为能力。
• 经过训练后，它还能执行新任务，例如将已分类好的物体打乱。

常见问题： 如果色块颜色相近，Optimus 会出错吗？
答：视频中未展示极端情况，但端到端网络通过大量训练数据能够区分常见颜色差异。实际应用中若遇到混淆场景，可通过增加训练样本或调整传感器灵敏度来优化。

四、行业展望与人形机器人发展

当前，人形机器人已成为行业关注的热点，作为移动机器人的重要分支，在12月由CMR产业联盟举办的“2023中国移动机器人（AGV/AMR）产业发展年会”上，将设立“足式/人形机器人专场”，届时，来自足式/人形机器人产业链的代表企业将齐聚一堂，共同探讨足式/人形机器人最新技术及发展趋势，敬请期待！

编辑：黄飞