宇树风波后,具身智能还值得相信吗?顶级机器人学者Sergey Levine指明方向
宇树风波后,具身智能还值得相信吗?顶级机器人学者Sergey Levine指明方向Physical Intelligence联合创始人Sergey Levine指出,机器人尚未进入稳定缩放阶段,应以先验知识、有效决策循环和多样化数据提升泛化与可靠性,并在找到真正可规模化的技术后扩大投入。
来自主题: AI资讯
8881 点击 2026-10-05 23:29
搜索
Physical Intelligence联合创始人Sergey Levine指出,机器人尚未进入稳定缩放阶段,应以先验知识、有效决策循环和多样化数据提升泛化与可靠性,并在找到真正可规模化的技术后扩大投入。
我们知道,训练大模型本就极具挑战,而随着模型规模的扩大与应用领域的拓展,难度也在不断增加,所需的数据更是海量。大型语言模型(LLM)主要依赖大量文本数据,视觉语言模型(VLM)则需要同时包含文本与图像的数据,而在机器人领域,视觉 - 语言 - 行动模型(VLA)则要求大量真实世界中机器人执行任务的数据。
为什么语言模型能从预测下一个词中学到很多,而视频模型却从预测下一帧中学到很少?
强化学习提升了 LLM 各方面的能力,而强化学习本身也在进化。