Chelsea Finn：机器人瓶颈是回放成本和记忆缺失
chris_j_paxton · x · 2026-07-28
机器人基础模型的瓶颈不是只要堆数据
这条引用总结了 Chelsea Finn 在 YC Startup School 里的两个关键判断：
- 强化学习在机器人上受制于真实世界回放成本。如果要做 100 万条、每条 1 分钟的轨迹，大约要 700 个机器人日，说明机器人上的 PPO/GRPO 式后训练，和 LLM 的离线训练完全不是一个量级。
- 记忆仍是核心缺口。很多 SOTA 机器人系统几乎没有记忆；如果直接把视频历史拉长成本会爆炸，比如 4 个摄像头、50Hz、10 秒历史就约等于 50 万 token。
文中提到的方案是把短期视频记忆和长期文本摘要结合，用来保留前 10–15 分钟的关键信息，从而支持更长链路的自主厨房任务。
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
- 课程学习可防止强化学习智能体靠随机碰运气 — ShawnHymel · 2026-07-28
- Anduril 首架俄亥俄产 YFQ-44A 已下线 — ID_R_McGregor · 2026-07-28
- AI 辅助安防演练中，15 名隐蔽人员四分钟内被识别 — Dave_Maynor · 2026-07-28
- World Labs 认为机器人学习更需要仿真而非语言模型扩张 — a16z · 2026-07-28
- a16z 发文：物理 AI 的下一个十倍增长在于工程系统 — a16z · 2026-07-28
- U-BOT 小型工具机器人改用双轴承优化装配 — _Stocko_ · 2026-07-28