杜一伦谈机器人泛化：用能量模型评估候选动作而非直接预测
du_yilun · x · 2026-09-09
杜一伦分享其研究视角文章《Generalization by Construction》，讨论如何让机器人超越「收集更多演示数据」来提升泛化：
- 机器人可借助推理解决从未被显式训练过的任务——用学到的世界模型在行动前规划动作与目标。
- 以把杯子放到拥挤桌面为例：与其直接预测放置位置，不如学习评估候选放置是否稳定、可达，这些判断依赖比完整「场景→放置」映射更简单、更可复用的关系。
- 推理阶段用这些关系比较并精化候选方案；能量模型（EBM）为这种搜索提供了天然的学习框架。
所属事件:杜亦伦提出推理驱动的机器人泛化新思路(3 条相关)→
「具身」频道最新
- Bedrock Robotics 融资 6 亿美元,改装挖掘机已在商业工地全自动驾驶接单 — Sethwinterroth · 2026-10-27
- AW-0 机器人模型实测:RoboTwin 50 项任务成功率 80.8% 远超基线 — trevordarrell · 2026-10-27
- AW-0 用代码流改变世界模型预测:同一指令下精准选中目标物体 — trevordarrell · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27
- AW-0 世界动作模型发布：一个生成式模型同时管规划、预测与控制 — trevordarrell · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27