美國加州大學柏克萊分校（UC Berkeley）衍生的 AI 機器人新創公司 Covariant 日前宣布推出 RFM-1 機器人基礎模型，除了現階段已在倉庫部署許多機器人之外，希望透過模型為即將到來的數十億個遍佈製造業、食品加工、回收、農業、服務業，甚至家庭機器人提供先進支援，並賦予像人類的思考能力。 

機器人通用系統成為討論話題，人形機器人帶動更大需求

越來越多機器人公司討論「通用」系統，RFM-1 平台遂應運而生。Agility、Figure、1X 和 Apptronik 等人形機器人新創公司突然湧現，更對業界通用系統熱烈對話有關鍵作用。

RFM-1 是 Covariant 旗下 Brain AI 平台部署中所收集大量資料的成果。Covariant 共同創始人兼執行長陳曦（Peter Chen）表示， RFM-1 平台基本上是專門機器人語言的大型語言模型（LLM）。取得客戶同意後，正在構建機器人專屬的 LLM 資料庫。

Covariant 軟體主要部署工業機器手臂，執行分揀等眾所周知的倉庫任務，軟體某種程度與硬體無關，但尚未部署人形機器人。

Covariant 更偏向通用機器人硬體領域，智慧轉折點與硬體轉折點結合後，可看到更多機器人應用爆炸性成長。但硬體方面仍有許多不盡完美與成熟處需要克服。

賦與機器人像人類的推理能力，與機器人互動更自然

談到 RFM-1 對機器人決策的作用時，Covariant 並不迴避與人類比較。RFM-1 平台能給機器人像人類的推理能力，是生成式 AI 首次成功讓商業機器人更理解語言和實體世界。這類推理能力，能讓機器擁有處理現實世界數據的能力，進而執行手頭任務的最佳解決方式與決策。

過去傳統機器人被程式設計為無限重複地完成一項工作，這使得這種單一用途的機器人在高度結構化的生產線環境中蓬勃發展。但面對更複雜的場景，即使是最微小的偏差，都可能對所執行的任務產生巨大的影響。

對此，機器人必須重新加以程式設計，如果工廠尋求委外，難免會造成資源和時間的巨大浪費。工廠最佳的解決之道不是讓現場工作人員學習程式設計，就是另尋與機器人更自然互動的全新方式。但前者一樣會耗費成本與時間，而後者正是 Covariant 試圖透過 RFM-1 想做到的事情。

在使用上，該平台提供一個類似當前消費性生成式 AI 工具一樣的文字輸入框，使用者可以透過打字或語音方式下達指令（例如拿起蘋果），系統就會透過其訓練數據（包括形狀、顏色、大小等）來識別它面前最符合描述的物體。RFM-1 接著會生成（模擬）影像結果，以便透過先前的訓練來確定最佳行動方案。在一場現場實機展示中，不論是簡單的輸入或複雜語義的輸入，該系統都能做出正確的反應，並讓機器人正確地撿起了蘋果和襪子。

（首圖來源：）