汽车工厂机器人

\n

核心：预设计并计算轨迹，随后只是重放轨迹，实际上是不断 “重放”

\n

问题：

\n

\n

如果想要足够通用，则需要像人，才能实现 “通用机器人”（Task generalists），能够形成 perception-action loop（感知 - 动作循环）。

\n

实际上是形成了一个神经网络：

\n

输入：本体状态、控制信息、环境信息\n输出：下一步的关节控制

\n

VLA（Vision Language Action Model）

\n

神经网络：

\n

\n

思维活动：

\n

\n

人脑：

\n

\n

观点：没有具身智能，就没有 AGI。

\n

\n

具身智能最大的问题：缺少真实数据，不能满足 Scaling Law 所需的数据量。

\n

和智能驾驶不一样，在真实世界中快速采集到所需数据是几乎不可能的。

\n

神经网络还有一个问题，就是泛化性，因为在真实世界中数据的分布可能会与训练集的分布不一致。

\n

可能的解决方法：合成数据。

\n

优点：

\n