Maxinsights 深度报告:Physical AI 数据缩放定律,百万小时之后拼信息密度
rohanpaul_ai · x · 2026-09-22
Maxinsights 发布《Beyond 1M Hours: The Data Scaling Laws of Physical AI》研究报告,系统性论证机器人数据的下一条 frontier。
要点:
- 机器人一直缺少文本/图像那样的互联网级数据底座:高质量机器人演示昂贵、绑定特定本体、受物理机器人运行速度限制,数据(而非模型或算力)是 Physical AI 的核心瓶颈;
- Dyna-2(Dyna Robotics)用超 100 万小时人类第一视角视频预训练,效果跨四个数量级单调提升,且预训练人类数据越多,在未见过的机器人数据上表现越好——缩放能跨越 embodiment gap;Genesis AI 的 GENE-26.5 则从另一个方向突破;
- 提出双轴缩放框架:Experience Scale(多少小时)与 Experience Density(每小时包含多少可学习的物理信息:物体状态、手/身体运动、接触、几何、时序、工具使用);
- 相同时长的数据,学习价值可差一个数量级:重复桌面抓取 vs. 跨状态双臂操作+工具使用;「一千万小时级别上,这是语料库与档案库的差别」。
所属事件:Maxinsights 发布 Physical AI 数据缩放定律报告(2 条相关)→
「具身」频道最新
- 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 · 2026-09-22
- Snap Specs 卖 2195 美元撞上 1999 美元折叠 iPhone，时机堪忧 — adariostrange · 2026-09-22
- 华为 MateBook Fold 实测：13 寸笔记本展开成 18 寸 3.3K OLED — anthara_ai · 2026-09-22
- 让两大前沿模型操纵真实机器人玩夺旗，Gemini 以 70% 胜率碾压对手 — chris_j_paxton · 2026-09-22
- 网友畅想 Ray-Ban 眼镜接入 Meta Muse：或成消费级 AI 最佳应用 — ChrisUniverse · 2026-09-22
- 约翰霍普金斯将在 IROS 2026 办可扩展触觉灵巧操作工作坊 — _krishna_murthy · 2026-09-22