Physical AI 的学习 99% 来自 1% 长尾数据,而它最难被找到
Sethwinterroth · x · 2026-09-08
Adrian MacNeil 提出:Physical AI 的学习成效 99% 来自 1% 的数据——即长尾场景:掉落的包裹、没预料到的光照、千次运行后才出现的失败。难点在于这些数据事后根本找不到,因为没人为未预见的场景定义过事件类型,元数据也无法描述摄像头实际看到了什么。
保留这些时刻有两个理由:
- 必须知道它们在真实车队中实际发生的频率,而非 demo 里的频率;
- 需要它们构建训练与评测数据集,否则模型在长尾上不会进步。
他指出 Physical AI 开发闭环(采集→triage 失败→找边界案例→训练→评估→部署)中,长期缺失的正是这一环。
「具身」频道最新
- 马斯克转推 CyberCab 乘坐体验:希望欧洲尽快放开 — elonmusk · 2026-09-08
- Opendoor 创始人 Eric Wu 再创业,NavigateAI 用 AI 眼镜指导建筑工人 — saranormous · 2026-09-08
- GPT-6 Astra 操控真机器人画画,越画越像金门大桥 — alexeyguzey · 2026-09-08
- 美国警方担忧 Meta 智能眼镜被用于秘密记录执法过程 — bookofjoe · 2026-09-08
- 实测 GPT-6 Astra 做 3D 手部姿态估计:推理强但每帧 3 分钟 — chris_j_paxton · 2026-09-08
- 拥有过 10 部 Kindle,他称 Xteink x3 是最便携的阅读器 — Technovangelist · 2026-09-08