时长：
101分钟
播放：
1.99万
发布：
3个月前
主播...
简介...
今天又是一集机器人专场。嘉宾是光轮智能创始人兼CEO谢晨，他曾在英伟达、Cruise及蔚来汽车担任自动驾驶仿真负责人。我们的话题非常具体，即:仿真与合成数据。
今天的具身智能尚且没有找到scaling law的有效配方，其中，数据是一个关键卡点。我们106集的嘉宾银河通用创始人王鹤就提到，真实数据在他们的训练数据比重仅仅1%，合成数据挑起大梁。
今天这集节目，我与谢晨聊了聊仿真与合成数据的实操细节。
02:00 开始的快问快答
02:48 高频词汇解析：Sim2Real（从仿真到现实）、Sim2Real的gap、合成数据
04:31 从Cruise到英伟达到蔚来，怎么做合成数据和仿真？
14:11 制作合成数据的具体流程？合成数据与真实数据的配比？
16:17 在合成数据上，智能驾驶和具身智能的区别（智能驾驶是视觉的游戏，具身智能的物理交互最关键）
32:41 物理的Real2Sim（真实到仿真）工作流是怎样的？怎么评估成功的仿真？关键技术节点？
46:18 Physical Intelligence（π）对仿真与合成数据的两难态度
48:55 辣评Meta 300亿美金收购Scale AI和极其aggressive的Alexandr Wang
53:57 合成数据目前面临的瓶颈
55:25 全球具身智能产业链Mapping：
硬件公司（宇树）
基座模型公司（π、Skild、英伟达和DeepMind）
在垂域落地的软硬结合公司（Figure，特斯拉Optimas、The Bot Company）
以仿真为中心做端到端落地的公司（光轮）
（“特斯拉Optimas的管理文化和π完全不一样”）
01:09:22 美国存在具身模型层的创业机会，中国在我看来字节、小米、理想更适合做“大脑”
01:15:33 老黄在内部说：NV is a simulation company
01:21:25 终局的模型应该是是跨宇宙、跨世界、跨本体（提升跨宇宙的能力，本质是提升泛化性）
01:23:28 具身智能的产业还在GPT-1阶段，还没找到scaling law的配方
01:28:21 我创业刚开始，从具身的本科开始学起
01:37:37 最后的快问快答
【机器人专场】
逐篇讲解机器人基座模型和VLA经典论文——“人就是最智能的VLA”
和王鹤聊，具身智能的学术边缘史和资本轰炸后的人为乱象
今天的具身智能尚且没有找到scaling law的有效配方，其中，数据是一个关键卡点。我们106集的嘉宾银河通用创始人王鹤就提到，真实数据在他们的训练数据比重仅仅1%，合成数据挑起大梁。
今天这集节目，我与谢晨聊了聊仿真与合成数据的实操细节。
02:00 开始的快问快答
02:48 高频词汇解析：Sim2Real（从仿真到现实）、Sim2Real的gap、合成数据
04:31 从Cruise到英伟达到蔚来，怎么做合成数据和仿真？
14:11 制作合成数据的具体流程？合成数据与真实数据的配比？
16:17 在合成数据上，智能驾驶和具身智能的区别（智能驾驶是视觉的游戏，具身智能的物理交互最关键）
32:41 物理的Real2Sim（真实到仿真）工作流是怎样的？怎么评估成功的仿真？关键技术节点？
46:18 Physical Intelligence（π）对仿真与合成数据的两难态度
48:55 辣评Meta 300亿美金收购Scale AI和极其aggressive的Alexandr Wang
53:57 合成数据目前面临的瓶颈
55:25 全球具身智能产业链Mapping：
硬件公司（宇树）
基座模型公司（π、Skild、英伟达和DeepMind）
在垂域落地的软硬结合公司（Figure，特斯拉Optimas、The Bot Company）
以仿真为中心做端到端落地的公司（光轮）
（“特斯拉Optimas的管理文化和π完全不一样”）
01:09:22 美国存在具身模型层的创业机会，中国在我看来字节、小米、理想更适合做“大脑”
01:15:33 老黄在内部说：NV is a simulation company
01:21:25 终局的模型应该是是跨宇宙、跨世界、跨本体（提升跨宇宙的能力，本质是提升泛化性）
01:23:28 具身智能的产业还在GPT-1阶段，还没找到scaling law的配方
01:28:21 我创业刚开始，从具身的本科开始学起
01:37:37 最后的快问快答
【机器人专场】
逐篇讲解机器人基座模型和VLA经典论文——“人就是最智能的VLA”
和王鹤聊，具身智能的学术边缘史和资本轰炸后的人为乱象
评价...
空空如也
小宇宙热门评论...
蔡炳贞
3个月前
广东
39
这期内容质量极高！要求嘉宾以后返场！
Alaiax
3个月前
北京
22
超有意思，高密度的知识点！第一次有人把 Physical Intelligence 的‘两难’说明白，π 既想要仿真低成本扩数据，又怕过度优化假场景导致真机翻车. 听完彻底理解他们为什么坚持‘真机闭环 1% 不可省’——仿真不是替代现实，而是用统计方法把现实‘放大’！
WjMh
3个月前
上海
17
49:00 多找一些像这样敢说真话的嘉宾
万万不可啊
3个月前
北京
17
讲得挺好，就是感觉表达有点太吹嘘
上杉_nPMt
3个月前
广东
14
谢晨对小扎买scale AI的理由说得很通透啊，我信服了！
Baca
3个月前
美国
8
板凳…诚心问下主播还有第二季度的大模型季报嘛
Sutty
3个月前
美国
7
48:58 Scale AI是一个很有意思的例子，Scale AI值300亿，光轮最后价值会是多少？毕竟模态更多了。
天空之境_
3个月前
河南
5
具身智能发展最难的就是物理真实、场景丰富、专家标注、数据效用性验证?如果未来的形态会是机器人走进不同场景、千家万户，当然也可能是人进入物理真实的仿真世界去交互? 很宏伟的市场，很优秀趣创业公司！
Sutty
3个月前
美国
4
57:00 很有意思的划分，讲的挺透的
老王王王
3个月前
广东
4
31:51 自动驾驶交互比具身复杂多了，自动驾驶更强调博弈能力，没有直接接触就不算交互吗？强行，让行，礼让，逼迫，都是交互。
Momo1472
3个月前
上海
4
嘉宾的表达能力很强
小孟Lemon
3个月前
北京
3
好质量关于合成数据仿真方面的访谈！
笑笑生门外野猫
3个月前
广东
3
快问快答环节真的敷衍无聊但自己觉得很聪明。
姥姥王
3个月前
上海
3
1:34:05 你们最大的竞争对手就是整数智能，林博士是行业顶级专家，目前公司经过数轮融资已逐渐确立中国的scale ai的定位，是国内极其稀缺的数据企业，估值也已经探到30亿美金！
两小无猜_jmVG
3个月前
重庆
2
嘉宾很实在，希望多多听到这些内容。
Deemo2025
3个月前
北京
2
很好，知识很密集。给听众我提供了很多做事的思路
糖糖Sugar
3个月前
上海
2
嘉宾解说的很详细，干货满满。
frankie没力气
2个月前
瑞士
1
嘉宾不太懂robotics, 讲的仿真的挑战都是学术界的cliche。最核心的问题避而不谈: 仿真器的物理模型真实与否？contact solver 准确只意味着仿真结果满足仿真器的物理模型，而完全不提是否是求解器能预测真实世界
zqy_LSgi
1个月前
上海
1
这不就是个大忽悠，，，
包包bb
1个月前
浙江
1
比较吹 也比较干
