官方还放出了20倍速下的样子在小小的“工位”上，拣啊拣啊拣：

　　这次放出的视频亮点之一在于Optimus在厂子里完成这项工作，是完全自主的，全程没有人为的干预。

　　并且在Optimus的视角之下，它还可以把放歪了的电池重新捡起来放置，主打一个自动纠错：

　　它的手不仅有触觉感应，自由度（DoF）也达到了11个，而同行基本上都只有5-6个自由度。

　　首先在神经网络方面，从视频中的字幕中可以得知，特斯拉给Optimus部署的是一个端到端的神经网络来训练分拣电池的任务。

　　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，并直接生成关节控制序列。

　　特斯拉工程师Milan Kovac进一步透露，这个神经网络完全是在机器人的嵌入式FSD计算机上运行，并且由机载电池供电：

　　在训练数据方面，我们可以看到是人类戴着VR眼镜和手套，通过远程操作的方式来采集：

　　将软件设置为第一人称视频流输入和精确控制流输出，同时保持极低的延迟是非常重要的。

　　不仅如此，从视频中Optimus们正在执行的任务来看也是多种多样，有分拣电池的，有叠衣服的，还有整理物品的。

　　Milan Kovac表示特斯拉在其中一家工厂已经部署了几个机器人，它们每天正在真实的工作站接受测试并不断改进。

　　总而言之，Optimus单是从视觉和人类示范来进行训练来看，这一点上是和特斯拉汽车的逻辑是有点类似了。

　　在视频的最后，官方还曝出Optimus另一个能力上的提升可以走更远的路了：

　　而它的训练方法和特斯拉Optimus截然不同，是完全在模拟环境中进行，然后零样本迁移到真实世界中，无需微调，直接运行。

　　具体背后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后的技术Eureka为基础。

　　DrEureka是一个LLM智能体，可以编写代码来训练机器人在模拟中的技能，并编写更多的代码来弥合困难的模拟与现实之间的差距。

　　而相较于特斯拉Optimus和英伟达机器狗的训练方式，Jim Fan也做了个灵魂总结：

　　远程操作是解决类人机器人问题的必要但不充分的条件。从根本上说，它无法扩展。