Sergey Levine 深谈机器人:身体已够好,缺的是决策与数据飞轮

机器之心 · wechat · 2026-10-05

Figure 公开机器人数据平台 Index 四个月:108 国用户上传超 1600 万条真人任务视频,Figure 已付 1500 万美元,未来 12 个月拟投入超 10 亿美元。物理智能联合创始人 Sergey Levine 在播客中给出机器人行业缺什么的回答:

身体先于大脑成熟:Boston Dynamics 展示的是精密硬件与传统控制,如今硬件已「足够好」,真正的挑战是建立有效的决策循环——控制系统只管身体,AI 要理解身体以外的世界。
先验知识至关重要:早年 Google「机械臂农场」证明白板式从零学习能学会抓取,却难以成为更复杂技能的垫脚石;应把机器人亲身体验与观察等来源的先验知识结合,否则等于让人从没见过家具就开始组装宜家家具。
数据顺序可能反直觉:先用大量真实具身数据建立对物理世界的基础理解,模型反而更善于吸收模拟数据与互联网视频——与「先 YouTube 后机器人」的流行路线相反。
可靠性是生死线:LLM 可以反复试错仍有价值,机器人必须自主完成任务才有意义;强化学习是把成功率从 95% 打到 100% 的关键,但尚未解决。
生态与中国:中国人形机器人上半年出货超 4 万台、占全球 97%,但全行业具身数据仅约 10 万小时;Levine 认为行业整体需从工厂自动化思维转向学习式生态,数据必须共享,任何单一机构都无法独建基础模型。
尚未到 Scaling 阶段:机器人还没进入 GPT-4 式稳定放大期,关键是先找到真正值得规模化的正确技术与数据,王兴兴估计机器人「ChatGPT 时刻」还需两到五年甚至更久。

「具身」频道最新