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
- 宇树 H2 人形机器人摔倒如不倒翁,顽强爬起萌翻网友 — CyberRobooo · 2026-09-23
- 高通押注 AI Agent 优先：发布骁龙 8 Elite Gen 6 及多款 Agent 设备 — jiqizhixin · 2026-09-23
- GPT-6 实测 LIBERO 机械臂任务：能开灶台，抓不住摩卡壶 — YuXiang_IRVL · 2026-09-23
- OpenRoboto Shift 发布:众包第一视角视频训练人形机器人大脑 — markjeffrey · 2026-09-23
- Bittensor 社区推 OpenRoboto,做去中心化版 Figure 机器人数据网络 — markjeffrey · 2026-09-23
- 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