马斯克的人形机器人——特斯拉Optimus进化了，价格还“比车更低”。
现在，成群结队的Optimus学会了像人一样缓慢前行：
视频中它们还路过Cybertruck的生产间，满满的赛博朋克味道。
而且Optimus们可不是简单的在走路而已，而是边走边发现并记忆周遭的环境：
接下来，是更为细节的能力展示。
例如特斯拉展示了Optimus电机转矩控制的能力，是能做到控制力道不打碎鸡蛋的那种：
手活儿也是过关的，各种物体拿捏自如：
这就是在今天结束的特斯拉股东日，Optimus展现的最新能力。
不难发现，相比最早的发布，特斯拉人形机器人在能力上确实有了进步。
而且跟前一阵特斯拉AI Day中也有所不同，不再是PPT般的宣传片质感。
但雷同之处也是较为明显：都没有出现在现场！
不过马斯克却很是淡定，在现场直接表态：
那么他的这份自信，到底源自哪里？
特斯拉这次发布的视频没有对Optimus做任何技术上的解析。
但马斯克透露，特斯拉已经打通了FSD和机器人的底层模块，实现了一定程度的算法复用。
那么底层的FSD算法技术究竟是什么呢？又有哪些可以应用于机器人？
特斯拉的FSD算法指的是其全自动驾驶（Full Self-Driving）系统所采用的算法。
采用它是为了实现车辆的自主导航和自动驾驶功能，让车辆能够在各种交通环境下进行感知、决策和控制。
FSD算法主要依赖于神经网络和计算机视觉技术。
其核心是神经网络模型：通过对实时传感器（如相机、激光雷达等）获取的数据进行处理和分析，并从中提取有关道路、车辆、行人和障碍物等信息，可以实现车辆的环境感知和物体识别。
FSD算法还能够生成车辆的控制指令，包括加速、制动、转向等。
特斯拉利用大规模的数据集训练模型，可以提高算法在复杂环境下的性能和鲁棒性。
正如我们刚才提到的，特斯拉这次称已经打通了FSD和机器人的底层模块，并认为自动驾驶的本质其实就是机器人。
而FSD算法在机器人的感知、决策和控制方面也可以起到重要作用。
和特斯拉环境感知主要依赖视觉相似的，机器人同样也是如此。
在感知层面，特斯拉的一个重要技术是Occupancy Network (占据网络)，用于对3D空间中一些长尾障碍物的检测，来估测障碍物的位置大小，甚至可以估计物体的运动情况。
FSD算法利用传感器数据进行环境感知，这些传感器也可以帮助机器人感知周围环境，识别物体、人和障碍物等。
FSD算法在处理传感器数据时，具备对道路、车辆和行人等物体进行识别的能力，可以帮助机器人在执行任务时识别和定位物体。
在自动驾驶中，FSD算法可以根据感知到的环境信息进行路径规划和决策。
类似地，这种路径规划和决策的方法也可以应用于机器人，帮助机器人在复杂的环境中选择最佳路径和执行适当的决策。
在去年Tesla AI Day上，特斯拉就公布了一种在线矢量地图构建模型Lanes Network，可以得到车道线的拓扑结构，帮助自动驾驶汽车实现变道。
然而，由于机器人和自动驾驶领域的差异，可能需要对FSD算法进行适应和改进，以满足机器人特定的需求和任务。
这一切能够实现，都要基于特斯拉强大的技术软件基础（就是特斯拉超算中心里的东西）。
虽然在技术上Optimus已经有所突破，但网友还是期待它能够实现这样的效果：
不过也有一位斯坦福博士发文表示：
虽然从效果上来看，Optimus的表现并没有像波士顿动力跳、转、翻那般惊艳，但似乎马老板的醉翁之意并不在于此。
毕竟早在AI Day的时候，他便直言不讳地表态过“它显然不是在做跑酷运动”（嘲讽意味也是很到位了）。
当时Optimus展示环节便安排在了自动驾驶环节之后，这次也是如此，至于为何这样安排，马斯克之前也有所提及：
这次马斯克对此又做了些许补充，他认为：
不过对于Optimus的“进度时间表”，不少人还是有争议的。
因为马斯克曾在去年夸下海口说今年将会量产，但从目前的进程上来看，还是有待商榷。
外媒Electrke估计，Optimus距离有用的产品应该还有3年时间的路要走。
但从今年的活动中来看，马斯克对于Optimus的态度依旧是乐观且坚持，他首次这样表态：
除此之外，马斯克还大胆地预测说：
那么对于马斯克的预测，你怎么看？
参考链接：[1]https://twitter.com/tesla_optimus/status/1658576897490530305[2]https://twitter.com/drjimfan/status/1658595224896311297[3]https://electrek.co/2023/05/16/tesla-bot-sideshow-new-footage-robots/[4]https://www.youtube.com/watch?v=N-_ZBfKXfr0
“
