克雷西 發(fā)自 凹非寺

| 公眾號 QbitAI

特斯拉擎天柱機(jī)器人的幕后AI天團(tuán)，現(xiàn)身招人了！

起因是馬斯克在X上秀了一波擎天柱的最新走姿， 引起了近3千萬網(wǎng)友的圍觀。

馬斯克曬的視頻當(dāng)中，擎天柱的腳步輕松自如，膝蓋、手臂的動作看上去都很像真人：

以防人們看不出擎天柱的巨大進(jìn)步，有網(wǎng)友專門翻出早期的視頻來了波對比，瀏覽量比馬斯克本人的還高：

特斯拉副總裁 Milan Kovac介紹，這次擎天柱走路的背后采用了 純RL模擬訓(xùn)練方案。

馬斯克則表示，進(jìn)步確實(shí)很快，今年將會出現(xiàn)一大批擎天柱機(jī)器人。

還有網(wǎng)友評價說，感知器把信息從原子世界帶到比特世界，執(zhí)行器又把信息從數(shù)字空間帶回物理空間。

擎天柱團(tuán)隊(duì)成員也沒閑著，趁著這波熱度，轉(zhuǎn)發(fā)了老板的推文并借機(jī)呼吁人們加入。

一起來認(rèn)識一下幾位成員~

“擎天柱AI天團(tuán)”在線招人

Ashish Kumar是擎天柱的AI負(fù)責(zé)人。

他是UC伯克利博士，導(dǎo)師是被李飛飛尊稱為“學(xué)術(shù)祖父”的 Jitendra Malik教授，因在CV領(lǐng)域的研究而出名。

2015年，Ashish本科畢業(yè)于印度一家高校，之后到微軟位于印度的實(shí)驗(yàn)室做了兩年研究員，研究方向是資源高效的機(jī)器學(xué)習(xí)算法。

2017年，Ashish從職場重返校園，開始到UC伯克利攻讀博士，2023年7月他以ML科學(xué)家的身份加入特斯拉，一年多之后便成為擎天柱的AI負(fù)責(zé)人。

高級經(jīng)理 Julian Ibarz，2022年從谷歌離職加入特斯拉，此前在谷歌工作了近14年。

Julian本科和碩士均在法國圖盧茲的一家高校就讀，碩士期間的研究方向?yàn)閳D像處理與圖形計(jì)算，成績排名第一。

2009年，Julian碩士畢業(yè)并到西門子公司工作了兩年，之后加入谷歌擔(dān)任高級軟件工程師，直到離職進(jìn)入特斯拉。

另外兩位則是剛剛博士畢業(yè)不久的新成員—— Russell Mendonca和 Murtaza Dalal。

△左：Russell，右：Murtaza

兩人均來自卡耐基梅隆大學(xué)，并且是同一屆，但Russell畢業(yè)時間稍早，為去年9月，Murtaza則是今年1月畢業(yè)。

Russell的導(dǎo)師是 Deepak Pathak助理教授，Deepak曾在機(jī)器學(xué)習(xí)大牛、吳恩達(dá)第一屆博士生Pieter Abbeel手下從事博士后研究。

Russell畢業(yè)后，立即就加入了特斯拉。

Murtaza的導(dǎo)師則是 Ruslan Salakhutdinov教授，Ruslan是Hinton的博士生，還擔(dān)任過蘋果AI研究主管，月之暗面創(chuàng)始人楊植麟讀博期間的導(dǎo)師之一也是Ruslan。

Murtaza加入特斯拉的消息是剛剛由其本人官宣的 （甚至領(lǐng)英資料還沒來得及更新），此前Murtaza曾先后在英偉達(dá)和蘋果實(shí)習(xí)，進(jìn)行機(jī)器人相關(guān)研究。

同時，Murtaza也和Russell的導(dǎo)師Deepak有較緊密的合作。

再往前看，兩人是UC伯克利的本科同學(xué)，并且都曾在伯克利AI實(shí)驗(yàn)室17萬引大佬 Sergey Levine的手下從事研究。

馬斯克：明年擎天柱去火星

就在這個月，SpaceX 23周年時，馬斯克放衛(wèi)星稱，明年年底發(fā)射星艦時，將會把擎天柱一起送到火星。

如果著陸順利成功，可能在2029年或2031年開始向火星運(yùn)送真人。

而網(wǎng)友看到了擎天柱最新的表現(xiàn)，也稱其為火星地形的重建者。

在一周之后的特斯拉全體員工大會上，馬斯克還宣布了擎天柱的量產(chǎn)計(jì)劃。

馬斯克表示，擎天柱今年將進(jìn)入試生產(chǎn)階段，已經(jīng)預(yù)訂了可以生產(chǎn)1-1.2萬臺機(jī)器人的零件，今年的目標(biāo)是生產(chǎn)5000臺，明年的目標(biāo)則是5萬臺。

首批擎天柱將會在特斯拉工廠內(nèi)部使用，進(jìn)行測試和應(yīng)用驗(yàn)證，對外銷售則計(jì)劃在明年下半年。

此前，在2024第四季度財(cái)報(bào)電話會議上，馬斯克還表示，人形機(jī)器人的用途和復(fù)雜程度可能比汽車高1000倍，訓(xùn)練復(fù)雜度可能是汽車的10倍。

但馬斯克認(rèn)為，隨著時間的推移，訓(xùn)練成本正在大幅下降，從長遠(yuǎn)來看，Optimus有可能給特斯拉帶來超過10萬億美元的收入。

參考鏈接：