
物理AI的底座,卡住的往往不是模型
被朋友安利了清雁科技这套物理AI基础设施与基础模型,说值得试试看到底好不好用。我一开始没太当回事。物理AI这个词今年喊得太响,但大部分所谓基础设施,拆开看就是仿真环境加数据标注工具的打包。
他另一句话打动了我,他们做的是几何物理驱动的通用物体表征。翻译成人话,就是让模型知道这是个杯子,也知道这杯子多沉、重心在哪、推一下往哪边倒。
我做影像AI出身,对表征这件事有点执念。影像模型最难的一步,是让模型理解一个东西在三维空间里到底是什么形状、什么材质,分割精度倒在其次。所以我拿了自己最熟的东西去试。
过程是这样。他们给我开了一个测试环境,不是网页点两下就能玩的那种,得先看文档、配环境、跑示例。第一步就卡住了。示例里给的是一套标准刚体,我手上的数据是CT重建出来的不规则骨结构,表面有噪声,边界不闭合。直接喂进去,物体表征那一步出来的是一团糊的壳。
后来跟他们的工程师聊,才知道预处理这步省不掉。那套几何表征要求输入是水密网格,也就是模型必须是一个封闭的、没有破洞的表面。我的数据得先做一遍网格修复。
这一步花了我大概一个下午。修完再跑,出来的东西确实不一样。它输出的是一个形状,同时带了一套物理属性,质量分布、可碰撞边界。我拿一个虚拟夹爪去推,倒下的方向和我预想的接近。这个体验有点意思,因为我以前在影像那边,模型输出一个三维结构就结束了,没人关心它倒不倒。
惊喜的是可验证学习那块。简单说,训练出来的每一步操作,系统能自己判断对错,不用人一条条看。对做产品的人来说这价值很大,医疗和机器人这两个行当,最贵的是让人去标注和复核,算力反而便宜。苹果那个HALO,在六个陌生环境跑了三百六十次任务,平均成功率九成一,靠的就是大量仿真数据自己验自己。这条路子是对的。
但我得说清楚它不适合谁。
如果你手上没有真实的物理场景和数据,这套东西对你基本没有价值。 它不是注册完就能生成一段视频的模型,它要你有物体、有任务、有明确的成功和失败判定。我试的时候,卡住我的是得先想清楚什么叫做对了,跟模型能力关系不大。
还有几个问题。文档偏薄,很多概念得靠问人;仿真精度和速度是矛盾的,精度调高跑一次要等很久,调低了结论不可信,之前有团队说的仿得不准、算得太贵,我在这个环境里体会到了;生态还在早期,能对接的硬件和格式有限。
费用我没法给结论,我用的是测试环境,没走到商务那一步。上个月帮一个影像团队搭GPU云算力,也是类似的路数,先用按需的机器跑通,别急着上量。
下一步我打算把手上的一个手术器械模型完整走一遍,从扫描到表征到简单的抓取策略,看它在细小、光滑、非刚性的物体上还能不能撑住。刚体好办,软组织和器械才是真考验。
物界前沿