人类视频成机器人预训练底座:有效经验=小时数×每小时信息密度
rohanpaul_ai · x · 2026-09-22
Maxinsights 提出 Physical AI 数据缩放的新框架:人类第一视角视频已成为机器人操作技能的重要预训练素材,但只有在把人类经验「翻译」到机器人自身身体结构与运动方式后再训练,效果才显著更好。
核心观点是有效经验 ≈ 小时数 × 每小时信息量,主张沿两个耦合轴扩 Scaling:
- Experience Scale(经验规模):录了多少小时的人类活动;
- Experience Density(经验密度):每段录像能揭示多少物体状态、手部/身体运动、接触力、几何、时序与工具使用等物理信息。
引用的 Dyna-2(预训练于超 200 万小时人类第一视角视频)显示,模型随人类经验跨四个数量级单调提升,且能跨越身体差异(h embodiment gap)迁移到机器人数据——说明问题已不是「人类经验能否缩放物理智能」,而是百万小时之后该缩放什么。同样的时长,重复的桌面抓取与跨状态双臂操作,学习价值可差一个数量级。
所属事件:MaxInsights 物理AI数据集达200万小时，剑指千万小时(5 条相关)→
「具身」频道最新
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- CoRL 联合主席忆 2021 展区仅三张桌，对比 2026 规模感概行业巨变 — Ed__Johns · 2026-11-12
- keerthanpg:机器人学家仍不接受苦涩教训,CoRL 现场五阶段哀伤 — keerthanpg · 2026-11-12
- SynthICL：纯合成数据训练，单演示泛化 16 项真实操作任务 — Ed__Johns · 2026-11-12
- 8 小时、$94 API 费用：Claude 给机器狗装上激光雷达和大脑 — chrismatthieu · 2026-11-12
- 优必选向永达汽车售 400 台 U1 Pro 仿生人形机器人，约值 6800 万元 — CyberRobooo · 2026-11-12