一张流程图热议:规模化机器人路线几乎全押苦涩教训
KyleMorgenstein · x · 2026-11-10
Shubham Singh 分享了一张机器人规模化路线图,主张除少数环节外几乎全按苦涩教训(Bitter Lesson)设计,并称 Sutton 的理论「基本解决了机器人」:
- Setup:人类设定目标、限制与兜底策略
- Sim 侧:LLM 生成任务对、检查与奖励;每个任务训练一个 RL 专家;再蒸馏成通用策略;真实数据回灌修正仿真物理
- Real world:真实机器人上做 RL(任务+重置);用 VLM+人工抽检训练 learned judge 打分
人类仅保留在安全回路和训练 judge 两处。Kyle Morgenstein 转发并赞同这条 pipeline 是规模化机器人的解法。
「具身」频道最新
- 开发者用开放模型逆向工程，为 Surface Pro 构建定制 Linux 内核接近完成 — vincent_koc · 2026-11-10
- CoRL 2026 双工作坊聚焦预训练策略可适配性，10 月 4 日截稿 — huihan_liu · 2026-11-10
- Robbyant 发布 LingBot-Touch,让机器手拥有类人触觉感知 — CyberRobooo · 2026-11-10
- Dyna Robotics 实测 RL 对比 IK:轮式机器人全身动作误差更低更自然 — chris_j_paxton · 2026-11-10
- AI 研究者体验 Tesla Cybercab:对自动驾驶出租车印象相当正面 — chris_j_paxton · 2026-11-10
- 两篇 CoRL 论文把 VLA 推理提速 2.4× 和 4.7×,实现机械臂实时控制 — songhan_mit · 2026-11-10