Album
时长:
70分钟
播放:
1.21万
发布:
4天前
主播...
简介...
https://xiaoyuzhoufm.com
今年机器人模型领域最重要的突破,就是模型的通用性大幅提升,开始了泛化能力的探索,与此同时,这个行业依然面临着长尾问题、数据采集、缺乏统一维护平台等挑战,这期节目我们就来聊聊,业内将如何面对这些挑战?中国和美国的机器人发展路径又有何区别?
本期节目我们邀请了中国具身智能公司自变量机器人的CTO王昊,在这期节目上线时,他们刚开源了大规模真实数据训练的端到端具身基础模型WALL-OSS;以及来自美国具身智能公司Physical Intelligence的研究员柯丽一鸣(Kay Ke),她是π₀、π₀.₅论文作者。
在节目中,嘉宾们表示目前具身智能模型已达到了GPT-2的水平,在最近2到3年将优先在半结构化场景应用,那么我们距离全场景的通用机器人又还有多远?机器人公司又该如何平衡商业化与研发的节奏?
【主播】
泓君,硅谷101创始人,播客主理人
【嘉宾】
王昊,自变量机器人CTO
柯丽一鸣(Kay Ke),Physical Intelligence研究员,π₀、π₀.₅论文作者
【硅谷101科技峰会】
《硅谷101》的年度科技大会又回来了,这是我们将有趣的技术干货与故事带到线下的第二年,用最好的内容让大家亲身感受前沿科技的酷炫和温度一直是硅谷101的目标。硅谷10月5日,期待与各位见面,从这里驶向未来!
欢迎点击前往购票地址,输入粉丝专属折扣码“VALLEY101FANS”,享85折优惠。
【蚂蚁外滩大会】
硅谷101播客主理人泓君将主持9月11日~12日在上海举行的蚂蚁外滩大会,聊聊AI时代的全球趋势和创新最前沿,感兴趣的朋友欢迎点击领取硅谷101粉丝专属参会凭证。
【你将听到】
行业突破与泛化能力
05:36 2025年关键进展:模型通用性提升,开始泛化能力探索
07:38 何为模型泛化能力:从熟悉环境到陌生环境的能力一致性
11:44 泛化核心难点:长尾问题、数据采集与缺乏标准评测体系
16:04 如何评判具身智能模型能力:对比任务学习数据量与现实应用表现
数据挑战与硬件瓶颈
17:17 其他两大难点:数据质量与数量平衡、硬件维护缺乏统一平台
20:03 为何需要至少100万小时的数据,才能构成优秀的大模型?
23:06 人类VS机器人学习机制对比:人类的进化已包含了“预训练”
27:14 合成数据在机器人领域的应用:降低数据收集成本,但难以模拟现实物理交互
模型架构与技术路径
31:35 具身智能开源模型WALL-OSS发布:上万小时真实数据,补足当前开源模型的欠缺能力
35:36 WALL-OSS模型开源动机与优势:降低研究门槛,加速生态创新
38:03 架构之争:端到端统一训练VS分层系统设计,模型技术路径尚未统一
40:58 从VLA(视觉语言模型)出世后,具身智能模型路线开始走向趋同化
44:10 具身模型已达到GPT-2的水平,将在1~2年时间达到GPT-3水平
45:31 中美机器人技术路径区别:美国自上而下、先做大模型,中国从现实需求出发、双轨并行
52:31 抓到耗子的都是好猫:算法与操控的难度平衡
54:12 模型高频控制的意义:对未来情况做决策,但更高频率无意义
58:13 视觉难以对未来做精确的预测和建模,但能弥补触觉缺失与力的反馈
01:00:20 传感器比想象更成熟,但机器人还是依赖视觉作为主要训练参数
商业化与落地前景
01:01:31 家用机器人预测:2~3年内进入半结构化场景,5~10年全场景使用
01:05:29 如何平衡商业化与研发:尽可能服务于开放式场景,提高公司组织能力
01:08:43 现实部署的机器人量越大、场景越多样,数据反馈和模型迭代效果将越好
【节目中提到的相关公司和术语】
* Physical Intelligence (PI):美国具身智能公司,推出了π₀、π₀.₅模型
* 自变量机器人:中国具身智能公司,开源了端到端具身基础模型WALL-OSS
* RT-2:Robotics Transformer 2,谷歌DeepMind推出的新一代AI学习模型
* Genie3:谷歌世界模型的第3代,是DeepMind首个支持“实时交互”的世界模型
* VLA:Vision-Language-Action,视觉-语言-动作模型架构
* Covariant Robotics:一家专注于机器人大脑软件开发的硅谷公司
* 长程任务:Long-Horizon Task,包含一系列连续步骤、需要机器人进行多步推理、规划并执行,最终才能完成的复杂任务
【监制】
泓君
【后期】
AMEI
【运营】
王梓沁、孙泽平
【BGM】
Ever Forward - Francis Wells
Mixed Emotions - Arthur Benson
Supine - Peter Sandberg
【在这里找到我们】
公众号:硅谷101
收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
其他平台:YouTube|Bilibili 搜索「硅谷101播客」
联系我们:[email protected]
Special Guests: 柯丽一鸣 and 王昊.
评价...

空空如也

小宇宙热门评论...
只基于内容辣评无他
4天前 浙江
8
感觉柯丽一鸣不想得罪王昊 分歧点都不敢对呛 没有火药味 一两年的 gpt3 时刻 5 年遍地开花 我看柯丽一鸣的表情是🙂😐
维德程心
4天前 广东
3
25:14 男嘉宾回答这个问题比女嘉宾系统多了,从问题出发一步步
冷酷异境与世界尽头
4天前 广东
2
来了
dc_EGhN
4天前 美国
2
如果真的具备基本的通用能力,机器人的使用场景会非常广泛。 求个票,人在湾区🙋
叫我喔喔哒
3天前 美国
2
但还是想问有些突发状况咋办?比如我家猫突然把玩具扔在地上后能判断清理/绕开/推开吗?另外希望机器人未来可以通过观察人类行为学会新技能~比如看我叠衣服几次,就自己掌握叠短袖/西服/裤子/内衣的方法,那就真的解放生产力了lol
想跑UTMB的阿毅
4天前 北京
2
好奇上个版本为啥删了🥸
Mr_Charles
2天前 上海
1
昨天在外滩大会C9听了Jane主持的panel,太优雅了
MaiLC
4天前 美国
1
20:24 这个观点很有趣。单看一个人一生有大约一百万小时数据,但是我想到,现在的一个人可能是整个人类两百多万年进化史数据的浓缩点。所以机器人要真正实现人的智能,是不是也需要这样庞大的时间迭代数据🤔
维德程心
4天前 广东
1
53:48 一样的观点,做通用模型不需要复杂硬件,通用硬件(那怕是一个小方块)只有能和通用模型match,就能有无穷的力量
Baca
3天前 美国
1
人在湾区 先求票…好奇如果用云端大模型做机器人推理 这个数据传输的latency得多大 机器人能连贯完成动作吗?
杜宇恒
4天前 上海
1
沙发
Broncin
3天前 广东
0
线上有直播吗
hhhh8
3天前 海南
0
淡化虽然真的很难 但确实是未来。 同求票🙏
Henrytheone
3天前 北京
0
嘉宾工作单位里的链接错误 Physical Intelligence
亦云云云云
3天前 浙江
0
1:09:34 听到这里有一个问题,就是为啥都要做机器人🤖,不能是做机器嘛,我的意思是比如说洗碗,为啥一定要洗碗机器人,不能是更加智能的洗碗机嘛🤔,而且感觉单一场景运用的难度大大减低,也可以尽快的进行商业化,然后从单品出发拓展产品,最后组合,成为嘉宾们设想的那种全能的机器人!或者说现在很多公司都在跑这种全能的机器人,也许五年之后,统筹协作的能力提升了,但是对于单一场景的数据量不够,这个时候是不是就可以进行合作,甚至于收购,或者利用自己在精细领域的优势,结合他们落后的开源模型,也可以做出来一个全能机器人!
想跑UTMB的阿毅
4天前 北京
0
Ke 由金融转机器人还是蛮神奇的。听完发现机器人行业还是任重而道远啊
HD397805t
4天前 美国
0
求个票 🤗
nx_4Wl3
4天前 福建
0
所以活动真的在硅谷啊???
simmy_xmc22
4天前 上海
0
期待
leecshom
4天前 北京
0
哦哦原来女主播已经有宝宝了...
维德程心
4天前 广东
0
43:27 主要是AI本身通用性太强大了。以前搞CV的、搞NLP的也不觉得互相有关联,AI把构成智能最本质的专业联系到了一起
jerryotmoon
3天前 美国
0
链接点进去是8月22号的startup活动?😂
EarsOnMe

加入我们的 Discord

与播客爱好者一起交流

立即加入

扫描微信二维码

添加微信好友,获取更多播客资讯

微信二维码

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的节目添加进来吧