TwelveLabs 发布 Pegasus 1.6：从第一人称视频提取机器人训练数据，AI 学会「看视频学操作」

想象一下这样的场景：你戴着智能眼镜录制了一段自己组装家具的视频，AI 看完后就学会了这个技能——这不是科幻情节，而是 TwelveLabs 最新发布的 Pegasus 1.6 要实现的功能。

一分钟速览

• Pegasus 1.6：TwelveLabs 最新发布的视频理解模型
• 第一人称视频：专门优化从第一人称视角视频中提取训练数据
• 机器人训练：为机器人提供从视频中学习的 capability
• 企业应用：适用于包装、组装等具体工作流程
• AI 学习新范式：从「看」到「做」，AI 正在学会观察人类操作

深度分析

什么是 TwelveLabs？

TwelveLabs 是一家专注于视频理解的 AI 公司，其模型能够「看懂」视频内容。与只能处理文本或图像的模型不同，TwelveLabs 的模型可以理解视频中的动作、场景、物体关系等复杂信息。

Pegasus 1.6 的新能力

根据 VentureBeat 的报道，Pegasus 1.6 的最大亮点是优化了第一人称视频的理解能力。这意味着：

• 视角转换：AI 可以从「人的视角」理解操作过程
• 动作提取：识别视频中的具体动作和步骤
• 训练数据生成：将视频转化为机器人可学习的训练数据

为什么第一人称视角很重要？

传统的机器人训练数据通常来自第三人称视角（旁观者视角），但第一人称视角更接近机器人实际操作时的「视角」。通过第一人称视频训练，机器人可以更好地理解：

• 操作顺序：先做什么，后做什么
• 力度控制：用多大力气抓取、旋转
• 空间关系：物体之间的相对位置

应用场景

TwelveLabs 建议企业从一个具体的工作流程开始，比如：

• 包装产品：学习如何正确包装特定产品
• 组装零件：学习组装特定部件的步骤
• 质量检查：学习如何检查产品质量

数据支撑

• 1.6：Pegasus 模型的最新版本号
• 第一人称：专门优化的视频视角
• 3 个场景：包装、组装、质检等核心应用

产品链接

• TwelveLabs 官网
• VentureBeat 报道

趋势洞察

AI 正在从「被动学习」转向「主动观察」。通过观看人类的操作视频，AI 可以更快地学习新技能，这将大大降低机器人训练的成本和时间。未来，我们可能会看到更多「看视频学操作」的 AI 应用。

结语

TwelveLabs 的 Pegasus 1.6 展示了视频理解技术的巨大潜力。当 AI 能够「看」懂人类的操作，它就能更好地「做」出正确的动作——这是机器人技术的重要一步。