不只让机器人学会做事，更让机器人学会一起做事丨对话芝诺机器人植伟铭

视频丨两个机器人协作整理床铺（来源：Zeno AI）

DeepTech：先从一个最基础的问题开始，芝诺怎么定义自己？Collaborative Intelligence（协作智能）、Physical AI foundation model（物理 AI 基础模型），还是别的什么？

DeepTech：Zeno-1 明确区分了“个体能力”与“协作能力”：两个分别具备任务所需技能的机器人，放在一起仍然可能失败。能否通过一个具体实验，解释这种失败是怎样发生的？

视频丨三个机器人收集一床被子（来源：Zeno AI）

植伟铭：第一，灵巧性、记忆和协作在真实物理行为里本身就是耦合的。灵巧性决定机器人现在能怎么抓、怎么移动；协作决定在当前伙伴状态下应该选择哪个动作；记忆又决定机器人如何理解当前状态，因为两个看起来很相似的场景，可能因为之前的交互历史不同而需要完全不同的动作。Zeno-1 的 persistent interaction memory（持续交互记忆）正是在保留这些对后续决策仍然重要的交互信息。

DeepTech：Zeno-1 采用去中心化架构：同一个模型独立运行在每台机器人上，没有中央控制器，也不需要访问其他机器人的内部状态。今年公开的 CHORUS 也采用了推理阶段无显式通信的去中心化路线。不同方案在研究目标和能力边界上有哪些差异？

图丨 Zeno-1 在延迟条件下仍保持协调，而基于同步演示训练的策略则会迅速失效。（来源：Zeno AI）

DeepTech：您早期的研究涉及机器人感知、运动规划和模仿学习。为什么后来会转向多机器人协作？

1.https://www.zenobot.ai/research/zeno-1-collaborative-intelligence