机器人灵巧操作的关键不是「全具身」,而是「对的双手」
chris_j_paxton · x · 2026-09-16
机器人研究者 Chris Paxton 评论 Reward AI 的多具身自主操作演示,提出不同看法。
背景:被引用推文盛赞 Reward AI(Zipeng Fu 等)的演示——多个具身形态高速自主操作,认为其本质是「全具身模型」在模型层做抽象,实现操作级精度;以往跨具身靠动作重定向,而 Reward AI 在策略层完成,推测其让同一策略从人类数据中学出与具身无关的动作表示(表示未公开)。
Paxton 的观点:现在谈「全具身」为时过早——它仍然只有一种具身,核心其实是「手」;关键是把合适的手放到合适的位置,而非模型级的具身抽象。
「具身」频道最新
- Uber 创始人 Kalanick：特斯拉是物理 AI 时代的「这个时代的谷歌」 — rohanpaul_ai · 2026-09-16
- 斯洛文尼亚副总理公开路段试乘特斯拉 FSD:不疲倦不瞌睡 — elonmusk · 2026-09-16
- DRS-VPT:单模型前馈实现图像到点云直接重定位 — kwangmoo_yi · 2026-09-16
- 仿生机器鸟 Robobirth 展示模拟自然飞行的机器人技术 — TinfoilTricorn · 2026-09-16
- StarVLA 提出表征中心训练:16 块 GPU 训 VLA,头部迁移提升 14 个百分点 — jiqizhixin · 2026-09-16
- 李飞飞 World Labs 发布 Atlas：文图视频 3D 原生一体的世界模型 — YunzhuLiYZ · 2026-09-16