李飞飞谈空间智能：AI 只靠「看」不够，还需触觉与模拟
APPSO · wechat · 2026-08-01
文章探讨了 AI 从单纯的图像识别向“空间智能”和具身智能演进的技术路线。
- 视觉的局限与幻觉：多模态模型在未提供图片时，常依靠文字线索“瞎猜”图像内容（即“幻景推理”）。但在物理世界中，精确的位置和距离无法靠语言常识蒙混过关。
- 世界模型的三层架构：WorldLabs 将世界模型拆分为渲染器（生成像素）、模拟器（几何与物理属性）和规划器（决策动作）。仅靠视频生成不代表能在真实物理中干活。
- 仿真到现实的鸿沟：逐际动力、智元等厂商利用仿真平台让机器人低成本试错，但虚拟参数难以覆盖所有现实意外。
- 触觉的不可替代性：李飞飞参与的 T-Rex 机器人研究表明，视觉适合慢速全局判断，而触觉必须以高频运作，在接触瞬间提供即时反馈（如感知滑动、控制力度），从而显著提升精细操作成功率。
「具身」频道最新
- 独立开发者的 AI PASSPORT 固件几天下载破 1200 次 — ezshine · 2026-10-16
- 1X 开设加州工厂，批量量产 NEO 人形机器人 — emmanuelvivier · 2026-10-16
- Waymo 无人驾驶出租车对圣安东尼奥等三城全面开放 — emmanuelvivier · 2026-10-16
- 视觉预训练模型做触觉预测有多难?机器人研究者激辩跨模态迁移 — KyleMorgenstein · 2026-10-16
- Ropedia 预告 Super Week:5 天连发 6 项具身智能成果 — liuziwei7 · 2026-10-16
- 博主探访香港 Auki 办公室:超市其实是机器人训练场 — LoganGrasby · 2026-10-16