会议要点总结
1. Fable 5.2具身智能能力表现
- 官方演示任务完成情况:Anthropic官方演示视频显示Claude可控制机器人完成拧瓶盖、解魔方、画画等高难度任务,完成质量优于Astra 6或GPT-6,虽视频有加速但任务完成质量显著提升。
- 与Astra早期实验对比:Astra早期实验中,低精度操作(如放入碗中)成功率超90%,高精度操作(如放入凹槽)成功率不足10%,耗时几十分钟;Fable 5.2已能完成转动魔方、拧瓶盖等高精度操作,拧瓶盖耗时约几分钟至10分钟,体现大模型能力提升带动具身智能能力同步提升。
- 任务能力核心意义:以解魔方为例,任务需大模型逻辑思考并操控机器手完成,印证了大模型的逻辑思考及转化现实物理任务的能力,能力上限提升超市场预期。
2. Fable 5.2泛化能力来源与架构定位
- 泛化能力来源:本质来自大模型预训练过程,通过图片、文字学习解魔方等信息形成通识性动作认知;推测Anthropic在预训练中加入具身智能数据,才涌现较强现实任务解决能力。
- 演示效果客观看待:Fable目前在RoboData榜单仅仿真测试,未放出真机数据,官方演示可能存在微调或效果放大,但实际泛化能力仍较高,较Astra大幅提升。
- 机器人大脑三层架构定位:Fable 5.2已触达S1甚至S0层,表现优于9月Astra;但尚无定论证明大语言模型可替代专业具身智能公司在S1、S0层的功能。
3. 产业落地现状与行业共识
- 落地核心瓶颈:
- 时延问题:精细操作耗时仍无法满足规模化量产期待,产业界与学术界尚未定论是否随大模型scaling解决。
- 仿真与现实差距:Fable仿真测试成功率达60%以上,但存在Sim2Real落地差距。
- 当前产业最优方案:大语言模型负责S2层,具身智能模型负责S1、S0层分工合作模式,实验效果优于纯大语言模型直接控制机器人。
- 能力阶段判断:通用大语言模型完成现实物理任务能力处于0-30分阶段,VLA或世界动作模型已至60-70分,通用大语言模型上限仍需持续跟踪。
4. 市场投资者观点分歧
- 乐观派:认为通用大模型可直接打穿三层架构,替代专业具身智能公司。
- 中立/保守派:认为大语言模型与具身智能模型应分工合作。
- 整体市场态度:几乎所有投资者认可大语言模型推动具身智能行业,整体偏乐观,仅极少数观点认为无推动作用。
5. 重点关注公司动态
- Anthropic:预计下周正式上市,未来模型在机器人领域的应用及推动力量值得高度关注。
Q&A总结
Q: Fable 5.2具身智能任务进步体现?
A:官方演示Claude控制机器人完成拧瓶盖、解魔方等高难度任务,完成质量优于Astra 6或GPT-6,能力提升显著。
Q: 解魔方任务验证意义?
A:需逻辑思考并操控机器手完成,印证Fable 5.2的逻辑思考及转化现实任务能力,能力上限明显提升。
Q: Fable 5.2与Astra任务难度精度差异?
A:Astra早期低精度任务成功率超90%,高精度任务不足10%,耗时几十分钟;Fable 5.2能完成高精度操作,拧瓶盖耗时几分钟至10分钟。
Q: Fable 5.2泛化能力来源及与VLA模型区别?
A:泛化能力来自预训练过程,通过图片、文字学习动作信息;推测预训练加入具身智能数据;仿真测试成功率达60%以上,较Astra大幅提升。
Q: Fable 5.2在S2、S1、S0层表现?
A:触达S1甚至S0层,表现优于Astra;但尚无定论能否替代专业具身智能模型在S1、S0层。
Q: Fable 5.2产业落地及规模化量产问题?
A:
- 时延问题:精细操作耗时仍无法满足量产期待,是否随scaling解决尚无定论。
- 仿真与现实差距:仿真成功率达60%以上,但存在Sim2Real差距。
- 当前最优方案:大语言模型负责S2,具身智能模型负责S1、S0分工合作。
- 能力水平:Fable处于0-30分阶段,VLA或世界动作模型已至60-70分,通用大语言模型上限仍需持续跟踪。
Q: 投资者对大语言模型推动具身智能行业观点?
A:
- 整体态度:几乎所有投资者认可推动作用,整体偏乐观。
- 乐观派:认为通用大模型可直接打穿三层架构。
- 保守派:认为应分工合作,大语言模型负责S2,具身智能模型负责S1、S0。