返回文章列表
机器人与物理 AI

Claude开始连接物理世界:Anthropic发布MHS硬件标准

阅读约 3 分钟

导语

Anthropic正在把Claude从数字工具调用,进一步带向真实设备控制。公司发布了模型硬件标准(Model Hardware Standard,MHS)研究预览版,目标是为机械臂、显微镜、相机及实验室仪器提供一套面向智能体的通用连接方式。

如果说MCP解决的是模型如何调用软件、数据库和在线工具,那么MHS试图回答的是另一个问题:当设备来自不同厂商、接口各不相同时,智能体如何理解它们,并在安全范围内执行操作?

核心要点

  • 统一设备接口。 MHS为硬件提供标准化驱动和机器可读描述,让智能体能够发现设备、读取状态、调用功能,并获得物理属性与安全限制等信息。
  • 从固定身体转向分布式具身。 Claude不必绑定某一种机器人。只要摄像头、机械臂或精密仪器接入这套标准,就可能成为任务流程中的一个可调用节点。
  • 已有实验展示。 在接入MHS后,Claude可以控制Hugging Face LeRobot生态中的SO-ARM101机械臂,并自行测量工作区、完成校准,再调用底层控制器执行动作。相关演示不依赖预先训练的机器人策略、遥操作或人类示范。
  • 面向科研自动化。 在显微镜场景中,Claude读取相机和显微镜状态,生成追踪程序并调整设备,使仪器能够跟随移动中的实验对象。MHS也源于Anthropic与HHMI Janelia研究园区的合作,早期应用涉及脑成像系统中的激光器、电动调焦器和相机协同。

意义与限制

实验室自动化长期受制于“胶水代码”:研究人员需要分别理解不同设备的软件、驱动和数据格式,集成工作可能耗费数周甚至数月。MHS把设备能力、当前状态、可执行动作和安全边界整理成智能体可理解的描述,有望减少重复集成,让科学家把更多时间放在实验设计和结果分析上。

但这并不意味着Claude已经获得了可自由支配的物理身体。设备接入、驱动质量、实时反馈、误操作防护和责任边界,都会影响系统能否在真实环境中稳定运行。物理世界中的碰撞、污染、样品损坏或仪器故障,也比软件调用更难回滚。

目前MHS仍只向部分科研机构和硬件厂商开放。Anthropic计划先在真实场景中完善标准、安全评估和使用规范,再考虑正式开源。它真正的价值,或许不在于让Claude直接“控制一台机器人”,而在于建立一个连接智能体与多种设备的基础层。如果这条路线成熟,具身智能的竞争重点可能不仅是机器人本体,也包括谁能让更多硬件被智能体可靠地理解和调用。

来源:量子位

评论

正在确认登录状态……

正在加载评论……

相关文章

CCTest · Blog
StreamPI:让单帧视觉语言动作模型具备持续时序理解
机器人与物理 AI
cctest.ai
机器人与物理 AI

StreamPI:让单帧视觉语言动作模型具备持续时序理解

StreamPI在不增加模型参数的前提下,为以单帧输入为主的视觉语言动作模型引入流式时序建模。通过指令锚定注意力与随机间隔训练,它试图让机器人更好地利用历史观察,并适应真实部署中的异步视觉输入。

阅读全文
CCTest · Blog
GigaBrain-0.7:用三系统架构推动具身模型跨机器人泛化
机器人与物理 AI
cctest.ai
机器人与物理 AI

GigaBrain-0.7:用三系统架构推动具身模型跨机器人泛化

GigaBrain-0.7试图把理解、预测与行动统一到一个具身基础模型中,并通过三系统架构引入面向行动前模拟和评估的世界模型。论文称,该模型在超过3.7万小时异构具身数据上预训练,面向多种机器人展现出更强的任务适应性。

阅读全文