官方还放出了20倍速下的姿态在小小的“工位”上，拣啊拣啊拣：

  这次放出的视频亮点之一在于Optimus在厂子里完结这项作业，是彻底自主的，全程没有人为的干涉。

  而且在Optimus的视角之下，它还能够把放歪了的电池从头捡起来放置，主打一个主动纠错：

  它的手不只要触觉感应，自由度（DoF）也达到了11个，而同行大多数都只要5-6个自由度。

  首先在神经网络方面，从视频中的字幕中能够得知，特斯拉给Optimus布置的是一个端到端的神经网络来练习分拣电池的使命。

  也正因如此，Optimus所用到的数据仅仅是来自于2D摄像头和手部的触觉、力度传感器，并直接生成关节操控序列。

  特斯拉工程师Milan Kovac进一步泄漏，这个神经网络彻底是在机器人的嵌入式FSD核算机上运转，而且由机载电池供电：

  在练习数据方面，咱们我们能够看到是人类戴着VR眼镜和手套，经过长途操作的方法来收集：

  将软件设置为第一人称视频流输入和准确操控流输出，一起坚持极低的推迟是很重要的。

  不只如此，从视频中Optimus们正在履行的使命来看也是多种多样，有分拣电池的，有叠衣服的，还有收拾物品的。

  Milan Kovac表明特斯拉在其中一家工厂现已布置了几个机器人，它们每天正在实在的作业站承受测验并不断改进。

  总而言之，Optimus单是从视觉和人类演示来进行练习来看，这一点上是和特斯拉轿车的逻辑是有点相似了。

  在视频的最终，官方还曝出Optimus另一个才能上的提高能够走更远的路了：

  而它的练习方法和特斯拉Optimus天壤之别，是彻底在模仿环境中进行，然后零样本迁移到实在国际中，无需微调，直接运转。

  详细背面的技术则是团队新推出的DrEureka，它是以之前五指机器人转笔背面的技术Eureka为根底。

  DrEureka是一个LLM智能体，能够编写代码来练习机器人在模仿中的技术，并编写更多的代码来弥合困难的模仿与实际之间的距离。

  而相较于特斯拉Optimus和英伟达机器狗的练习方法，Jim Fan也做了个魂灵总结：

  长途操作是处理类人机器人问题的必要但不充沛的条件。从根本上说，它无法扩展。