具身操作综述提出五层数据金字塔
liuziwei7 · x · 2026-07-28
具身操作的数据金字塔
这篇综述提出了一个面向具身基础模型的五层数据金字塔，核心观点是：具身 AI 不能像视觉/语言模型那样直接吃互联网图文数据，因为它需要把感知、物理状态和动作绑定在一起的数据。
五层数据分别是：
- 真实机器人数据：和现实物理最对齐，但最难规模化
- UMI 风格数据：更结构化的操作演示
- 自我视角/第三视角数据：覆盖更广，但物理真实性较弱
- 仿真数据：可扩展、可复用，但存在 sim2real 鸿沟
- 通用视觉-语言数据：最便宜、最多，但对机器人对齐最弱
文章还从数据配方角度分析了近期具身基础模型，讨论不同数据源如何影响感知、推理、规划、动作生成和世界预测能力，并总结了触觉数据、数据采集和数据混配等开放问题。
「具身」频道最新
- 特斯拉新 Roadster 冷气推进拆解:SpaceX 储罐+Optimus 阀门 — XFreeze · 2026-10-16
- 博主批 Figure 终结者式演示作秀:人形机器人离实用还远 — FuSheng_0306 · 2026-10-16
- Snap 眼镜+Gemini 4 Argon:拍乐高堆即设计全息拼搭教程 — stspanho · 2026-10-16
- Waymo 官宣进军多伦多,自动驾驶出租再下一城 — ChrisArchitect · 2026-10-16
- 特斯拉 Optimus 年内发布概率升至 12%,飞行 Roadster 发布后跳涨 5% — Polymarket · 2026-10-16
- 卖机器人智能的公司比卖机器人本体还多：Dexmate Vega 成学界通用平台 — lukas_m_ziegler · 2026-10-16