Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本
ycombinator · x · 2026-07-27
Chelsea Finn 在 YC Startup School 的分享核心是：机器人强化学习的瓶颈不只是算法，而是物理 rollout 成本。她估算，1 million 条 1 分钟轨迹大约要 700 个 robot-days，这让机器人领域的 scaling 逻辑和 LLM 完全不同。
要点包括：
- 记忆仍是机器人 foundation model 的关键缺口。当前很多 SOTA 系统几乎没有记忆，而直接堆视频历史又过于昂贵。
- π 的做法是把短期视频记忆和过去 10–15 分钟的长期文本摘要结合起来，从而完成了一个全自主的多步骤厨房清洁任务。
- 她还认为，通用机器人模型可能已经开始超过专用流水线：把 demos、rollouts、人类视频和网页数据混合起来，再配合更丰富的提示和元数据。
所属事件:Chelsea Finn 指出机器人 RL 瓶颈为物理成本(2 条相关)→
「具身」频道最新
- 决策模型 Jev 接入 OM1,在 NVIDIA Isaac Sim 中驱动 Go2 机器人导航 — paigeinsf · 2026-09-23
- 特斯拉 Optimus 宣传：首个通用型人形机器人，将改变世界 — XFreeze · 2026-09-23
- 小鹏 IRON 新演示:9 麦克风阵列+唇动识别实现全双工对话 — ChrisGPT · 2026-09-23
- Uber×Waymo 扩展:奥斯汀用户可在高速路段体验无人车 — ATTlKA · 2026-09-23
- M5 Ultra 本地跑大模型实测:预填充快 4 倍,但功耗翻倍 — DigitalguyCH · 2026-09-23
- Figure CEO:人形机器人分四阶段,最终需数百亿美元投入 — adcock_brett · 2026-09-23