Sitzmann 澄清：野外未知物体的动力学建模仍需学习系统
vincesitzmann · x · 2026-09-20
针对 Wiggle and Go 论文作者的回应，MIT 的 Vincent Sitzmann 澄清自己在 ECCV 上的原意：如果已知绳子会固定在机器人上、且能做一系列假设，传统系统辨识和物理仿真当然可以做得很好。
他的观点是：对于未知、真实环境中的物体，唯一可能泛化的系统只有学习类系统——无论是视频世界模型还是智能体试错系统——并且任何专用模型在野外泛化上都会更差。
所属事件:机器人晃一次绳子即可学会其动力学特性，引发专家多轮讨论(3 条相关)→
「具身」频道最新
- 蚂蚁灵波 LingBot-Map 入选 ECCV 2026 Oral：单 RGB 相机 20 FPS 实时流式 3D 重建 — jiqizhixin · 2026-09-20
- Alex Kendall 将头牌出席旧金山 Long Horizon Physical AI 峰会 — alexgkendall · 2026-09-20
- 开发者用 Claude 控制机械臂后宣布：机器人太简单了，回去写 GPU kernel — KuterDinel · 2026-09-20
- Neuralink 发布访谈「与心灵对话」，7 分钟谈脑机接口 — Competitive_Travel16 · 2026-09-20
- AetherAI 发布 CausalWM：因果思维链登顶 TriWorldBench — 机器之心 · 2026-09-20
- GPT-6 Astra 操 $150 机械臂画金门大桥，积木抓取成功率 95% — 机器之心 · 2026-09-20