VLA 读书会：世界模型需与动作共训练
agihouse_org · x · 2026-08-28
AGI House 与 Radical Ventures 举办了一场关于 Vision-Language-Action (VLA) 模型的深度讨论，由 RT-2 合著者 Vincent Vanhoucke 领导。核心观点包括：
- 世界模型与动作预测必须共训练：仅训练动作数据会遗漏大量物理规律信息；仅训练视频则学习到的是松散且“取巧”的物理理解。共训练能强制模型关注场景中真正重要的因素，显著提升下游性能。DreamZero 暗示了这一点但缺少消融实验验证。
- 物理约束在规模扩大时会降低性能：“苦涩的教训”同样适用于机器人学。过于精确地编码先验知识（如摩擦系数）反而会限制模型在扩展时的表现。
「具身」频道最新
- 预测 2036 年 Optimus 机器人产量将达十亿台 — tetsuoai · 2026-08-28
- 登 Science 封面：BeyondMimic 赋能人形机器人空翻 — kevin_zakka · 2026-08-28
- Microduck 机器人 BAM 结构探讨：增加执行器可行性分析 — _Stocko_ · 2026-08-28
- Waymo 体验对比：皮质醇水平远低于 Uber — beffjezos · 2026-08-28
- Claude 学会操作实验室设备：激光校准成功率飙至 99.3% — chrismattmann · 2026-08-28
- 机器人开悟指南：松开那个抓取器 — eigenhector · 2026-08-28