标题和作者

文章标题为《OpenAI重返机器人赛道！四大核心岗位开招》，作者为闻乐。该文主要报道了OpenAI在经历一段时间的机器人业务停摆后，再次大规模招聘机器人工程师，旨在重启实体机器人研发的消息。闻乐作为科技媒体记者，长期关注人工智能前沿动态及具身智能领域的发展。

摘要

本文报道了OpenAI重启机器人研发并大规模招聘核心工程师的消息。此前，OpenAI在2020年曾因机器人训练数据稀缺、迭代速度慢而关停团队，但近年来，随着Google DeepMind、特斯拉Optimus、Figure AI等竞争对手在机器人领域的快速推进，OpenAI意识到仅靠互联网数据难以实现通用人工智能（AGI），因此决定重返赛道。本文具体介绍了OpenAI招聘的电气、仿真环境、执行器设计及控制系统软件四大岗位，以及如何通过整合硬件研发与机器学习来实现机器人落地。目前，OpenAI已汇聚了包括林星宇、何泰然、张鹏川等在内的多位顶尖华人研究员，展现出强大的研发实力。

术语解释：
本节涉及的术语包括“具身智能”，指将人工智能与物理实体结合，使AI能够像人类一样通过身体感知和操作物理世界；“强化学习”，一种机器学习方法，让智能体通过与环境交互试错来学习最优策略；“遥操作”，一种远程控制技术，允许操作员通过机器人的传感器实时控制其动作；“仿真环境”，通过计算机模拟真实物理世界，用于训练机器人在安全且低成本的情况下进行试错学习。

主要主题和概念

主题一：OpenAI机器人业务的复兴

  • What：OpenAI重启了被搁置的机器人项目，并大规模招聘了电气工程师、仿真环境工程师、执行器设计工程师和控制系统软件工程师四大核心岗位，意图打造真正的实体机器人。
  • Why：2020年关闭团队时，OpenAI认为机器人训练数据稀缺且迭代慢，而互联网数据更丰富。但现在，竞争对手如特斯拉Optimus、Figure AI等已抢跑量产，且OpenAI认为人工智能必须进入物理世界才能实现AGI目标。
  • How：通过组建强大的研发团队，将世界模拟技术与机器人领域结合，坚持硬件与软件深度协同的研发思路，并投入高薪（部分岗位折合人民币超200万年薪）吸引人才。

主题二：Dactyl项目的里程碑意义

  • What：OpenAI在2017至2019年间推出的机械手项目Dactyl，使用强化学习训练五指仿生机械手完成积木翻转和单手解魔方等高难度任务。
  • Why：该项目定义了“仿真训练→真机落地”的主流技术路线，其采用的强化学习与自动域随机化技术，为后来Google DeepMind、特斯拉等企业的机器人训练思路提供了标杆。
  • How：利用高自由度的Shadow Hand硬件，在仿真环境中通过海量数据训练，再将模型迁移至真机，即便面对外界干扰也能保持稳定作业。

主题三：核心研发团队的精英化

  • What：OpenAI机器人团队重点布局遥操作数据采集、机器人学习和家庭场景操作任务，目前三条核心研发线上均有华人顶尖学者的身影。
  • Why：为了攻克机器人学习、仿真基准构建及世界模型迁移等关键技术难题，需要引入具备深厚学术背景和实战经验的研究人员。
  • How：积极招募并吸纳了来自北大、卡内基梅隆、伯克利、斯坦福、清华、MIT等知名高校及实验室的博士，包括开发GELLO框架的林星宇、研发Omni H2O技术的何泰然以及参与SAM、Llama项目的张鹏川。

术语解释：
本节涉及的关键概念包括“GELLO”，一种低成本的人形机器人遥操作框架；“HumanoidBench”，一个人形机器人的评测基准，用于衡量机器人在各种任务中的表现；“Omni H2O”，一种探索人形机器人全身协调操作能力的技术；“BEHAVIOR”和“BEHAVIOR-1K”，斯坦福视觉与学习实验室研发的用于家庭活动仿真和具身智能评测的数据集和项目。

重要引文

论点：OpenAI必须重返机器人赛道，以应对竞争对手的抢跑并实现人工智能进入物理世界的AGI愿景。
论据：竞争对手如Google DeepMind致力于机器人基础模型研发，特斯拉Optimus已备好产线，Figure AI获得巨额融资且通过长时间零故障测试。此外，2020年OpenAI关闭团队的主要原因是机器人数据稀缺。
论证：OpenAI在2020年关闭团队时，认为互联网数据比机器人数据更丰富。然而，随着大模型路线的成功和竞争对手在物理世界最大AI入口上的突破，OpenAI意识到单纯依靠语言模型无法实现终极目标，因此必须通过招聘四大核心岗位，结合强化学习与硬件研发，重新布局机器人业务。

术语解释：
本节涉及的术语有“AGI”（通用人工智能），“Shadow Hand”（一种高自由度的五指仿生机械手），“强化学习”（通过试错机制让AI学习最优策略），“自动域随机化”（一种仿真技术，通过随机化环境参数增加数据的多样性，提高模型的泛化能力）。

总结

本文最引人注目的部分是OpenAI重返机器人赛道的决心及其高昂的招聘诚意。文章不仅揭示了OpenAI已通过四大核心岗位的招聘（电气、仿真、执行器、控制软件）全链路布局实体机器人，还详细展示了其强大的团队阵容。特别是团队中汇聚了来自全球顶尖高校（如伯克利、卡内基梅隆、MIT）的华人学者，他们在遥操作、世界模型、家庭场景评测等关键领域均有建树。这种“硅谷抢人大战”的态势，标志着具身智能赛道正式进入白热化竞争阶段，OpenAI正试图通过“硬件+软件”的深度融合，打破2020年的瓶颈，向个人机器人走入千家万户的长远目标迈进。