OpenAI曾于2021年夏天宣布解散其机器人团队，原因是缺乏足够的数据来训练机器人使用人工智能进行移动和推理。但三位来自OpenAI的早期研究科学家创立的初创公司Covariant，声称已经解决了这一难题。

Covariant AI系统的特点:

• 结合推理与物理能力:Covariant开发的AI系统融合了大型语言模型的推理技能和先进机器人的物理灵巧性。

• 新模型RFM-1:推出了RFM-1模型，能够处理多种输入类型，包括文本、图像、视频、机器人指令和测量数据，以执行任务。

• 多模态输入:RFM-1能够接受和理解五种不同类型的输入，使得机器人可以更全面地理解任务需求。

• 自主执行任务:例如，向模型展示装满运动器材的箱子图片，并给出指令，机器人能够识别并抓取指定物品。

• 反馈与交互:如果模型预测无法正确抓取物品，它可以主动请求建议，如询问使用吸盘改善抓握。

• 适应性:机器人能够使用训练数据来适应环境，而不是依赖于特定任务的复杂代码。

• 通用AI平台:Covariant开发了一个与Covariant Brain兼容的机器人AI平台，赋予机器人视觉识别、思考、行动和学习的能力。

Covariant AI系统的意义:

自主学习:机器人可以像人类一样通过学习来适应新任务和环境。

简化编程:工地经理可以用人类语言下达指令，机器人能够理解和执行，减少了对专业编程的依赖。

广泛应用:机器人可以在各种场景下有效工作，提高了自动化的灵活性和效率。

Covariant的AI系统代表了机器人学习和自动化技术的重大进步，它使得机器人能够更加智能和自适应地完成复杂的任务，同时简化了与人类的交互过程。这不仅为工业自动化带来了新的可能性，也为未来机器人技术的发展指明了方向。