作者 ｜ 郭海惟邮箱 ｜ guohaiwei@pingwest.com
当十几台G1在舞台“下腰”打醉拳的时间，，，，，你会以为宇树似乎真的已经把演出这件事情卷到头了。。。。 。。。。
真的很难想象，，，，，羊年还能有什么比马年更能震撼人心的演出。。。。 。。。。哪怕是让机械人在舞台上跳芭蕾（一个比后空翻难无数倍的行动），，，，，岂非就能给通俗人比今天更强的视觉震撼了吗 ？？？ ？ ？？生怕也很难说。。。。 。。。。
若是说今天具身保存一个“结构性”的矛盾，，，，，或许有就是“日益增添的姿态控制能力与硬件水平”和“落地场景不平衡、不充分”的生长之间的矛盾。。。。 。。。。前者带来了人民对具身日益增添的期待，，，，，此后者则让人民感应疑心。。。。 。。。。
关于许多人来说，，，，，机械人的“手艺树”似乎点错了——它显着该帮我们家务，，，，，却取代我们诗词歌赋、载歌载舞。。。。 。。。。
而这种手艺树错配背后，，，，，着实有第二个“结构性”的矛盾：即“日益增添的AI智能诉求”与“智能泛化能力不平衡、不充分”的生长之间的矛盾。。。。 。。。。前者让行业的所有从业者都对AGI的明天充满灼烁信心，，，，，此后者则让从业者感应现金流的贫穷。。。。 。。。。
而所谓一切场景与智能的问题，，，，，其收都是数据与智能的关系。。。。 。。。。
在具身领域尤其云云。。。。 。。。。
而具身的数据问题又可以分成两种：
一个是数据规模带来智能难以scaling；；；；； ；一个是现有智能情形下，，，，，样本的学习和泛化能力。。。。 。。。。
多位具身行业资深人士曾对硅星人体现，，，，，具身数据问题属于“可解”的，，，，，但解决计划实质或许率都会是“线性”的，，，，，可能会随着投入的增添获得更多的加速，，，，，但“指数型”爆炸的可能性不高。。。。 。。。。
究其缘故原由，，，，，若是想要通过仿真数据实现高度的通用泛化，，，，，生产超高质量仿真数据背后的难度，，，，，可能反而高于具身大脑泛化的难度，，，，，有点“鸡生蛋、蛋生鸡”悖论的味道。。。。 。。。。而互联网数据理论上可行，，，，，但不敷精准，，，，，“画马难画骨”，，，，，对齐难度大。。。。 。。。。
现在行业里普遍构想的一个手艺循环是：
数据收罗→数据训练模子→模子进入场景→场景天生数据→更好的数据→更强的模子→更多的场景和数据
这样逐步可以把数据转起来，，，，，等数据多了，，，，，具身就可以进入GPT时刻了，，，，，只管现实历程可能很缓慢。。。。 。。。。但即便云云，，，，，许多模子依然会卡死在第三步，，，，，导致数据飞轮迟迟无法转起来。。。。 。。。。导致一些现实的手艺循环着实是：
数据收罗→数据训练模子→泛化能力卡死在sim to real上→期待更多的数据
不过最近两个月来，，，，，最先陆续有更多的团队加入少样本甚至零样本的泛化能力的蹊径探索上来，，，，，通过差别的路径去解决的智能突破和泛化能力的问题，，，，，堪比具身的马年学术春晚：
χ0是香港科技大学团队在2月10日正式宣布的手艺效果。。。。 。。。。
此前这个团队在12月份的时间一经拿χ0做了24个小时的“家务直播”，，，，，主要是抓取、叠、挂衣服，，，，，展现了很强盛的柔性物体处置惩罚能力。。。。 。。。。
凭证厥后宣布的手艺报告显示，，，，，χ0可以在很少样本（20小时人类视频）、低算力（8张A100）的情形下做出很好的泛化能力。。。。 。。。。并且凭证他们自己的说法，，，，，相比于π0.5，，，，，χ0的乐成率能提升250%。。。。 。。。。
正如如这篇论文的问题，，，，，“通过化解漫衍纷歧致性，，，，，实现资源受限下的鲁棒操控”。。。。 。。。。
χ0展现的是柔性物体能力，，，，，但着实想要解决的是模子学习的鲁棒性难题。。。。 。。。。而它的解决计划着实就是通过解决在差别� ？？？ ？ ？？榈氖萋芏云胛侍狻！！�。 。。。。
好比，，，，，已往训练出来的模子内参数漫衍和情形反响的漫衍是差别的，，，，，就会导致智能的鲁棒性受损。。。。 。。。。而他们就希望在各个环节上找到这些漫衍差别，，，，，然后对齐它——他们最后选择从训练漫衍（Ptrain）、模子漫衍（Qmodel）以及安排漫衍（Ptest）三个角度出发，，，，，从而让流程的各个差别阶段都能实现高效对齐。。。。 。。。。
https://arxiv.org/pdf/2602.09021
LingBot-VA是蚂蚁灵波在1月30日官宣的手艺效果，，，，，官方将它称为具身天下模子，，，，，首创了自回归视频-行动天下建� ？？？ ？ ？？蚣堋！！�。 。。。。也是第一个将天下模子直接控制真机操作的研究效果。。。。 。。。。
而在此之前，，，，，蚂蚁灵波还宣布了LingBot-World开源视频天生天下模子，，，，，做到了快要 10 分钟的无损稳固天生。。。。 。。。。
与χ0一样，，，，，LingBot-VA展现了更好的鲁棒性：
在 LIBERO 和 RoboTwin 等主流基准测试中，，，，，划分以 98.5% 和 92%+ 的乐成率大幅领先π0.5等现有模子。。。。 。。。。在针对具身控制中常见的“长时漂移”难题，，，，，重大使命乐成率凌驾 98%。。。。 。。。。
同时也能实现较少样本下的泛化能力：
一个场景仅需 30~50 条演示数据即可完成适配。。。。 。。。。
但与χ0差别的是，，，，，LingBot-VA团队一最先就选择了一个在语义层面具备较高鲁棒性的自回归天下模子战略。。。。 。。。。他们的逻辑有点像在模子内置了一个展望未来的大脑。。。。 。。。。实质就是用一段视频去展望下一段视频的状态。。。。 。。。。而当模子知道下一段视频流中的状态时，，，，，便可以反推并解码成详细的执行行动。。。。 。。。。
这样一来，，，，，由于视频与行动之间保存明确的时间和逻辑关系，，，，，便自然就组成了很明确的物理现实天下中的因果关系。。。。 。。。。以是这个手艺效果被命名为：“面向机械人控制的因果天下建模”。。。。 。。。。
这套计划绕过了VLA常泛起的表征纠缠问题，，，，，将行动、视频展望、场景执行情形，，，，，直接形成了相互映射的关系。。。。 。。。。并且在视频天生模子中，，，，，自然会具备一定的天下模子知识，，，，，因此获得了更好的执行效果。。。。 。。。。
https://github.com/Robbyant/lingbot-va/blob/main/LingBot_VA_paper.pdf
DreamZero是英伟达团队在2月份宣布的手艺论文，，，，，定位天下行动模子（WAM）。。。。 。。。。
DreamZero比LingBot-VA晚发了十天左右，，，，，但思绪上与LingBot-VA同为天下模子落地真机的蹊径，，，，，因此在一些手艺思绪上也很相似。。。。 。。。。并且Lingbo-VAt搭配LingBot-World一起宣布，，，，，而与DreamZero同期宣布的尚有DreamDojo的通用机械人天下模子。。。。 。。。。
这两个团队在手艺审美和产品宣布的逻辑节奏上云云相似，，，，，可以说现在在天下模子的探索上，，，，，划分都是工具半球的先行者，，，，，也相当水平上确认了这条手艺蹊径的可行性。。。。 。。。。
他们都强调天下模子在运动控制中的作用，，，，，强调通过天下模子展望而非简朴堆砌数据的主要性，，，，，以及受益于天下模子的手艺蹊径，，，，，DreamZero也泛起了较好的泛化性。。。。 。。。。
官方体现，，，，，DreamZero甚至在一些模子历来没有见过的场景中，，，，，DreamZero也已经可以实现0样本泛化。。。。 。。。。而为了着重强调这一点，，，，，他们甚至把自己的手艺报告直接叫做，，，，，“天下行动模子就是0样本泛化的战略”（World Action Models are Zero-shot Policies ）
最焦点区别在于，，，，，LingBot接纳了自回归为主干的战略，，，，，而DreamZero则接纳了以扩散模子直接作为主干的战略。。。。 。。。。别的，，，，，作为各自模子未来的基础设施，，，，，DreamDojo的焦点是闭源的，，，，，而LingBot-World则是完全开源的。。。。 。。。。
https://dreamzero0.github.io/
1
押注“非线性”增添的物理天下
已往的具身手艺蹊径正在受到越来越多的挑战。。。。 。。。。
一方面，，，，，如本文开头所说，，，，，LLM乐成的路径依赖让具身工业恒久患有数据饥渴症。。。。 。。。。而数据规模短时间难以爆发式增添，，，，，就导致具身的智能缺乏像LLM那样指数级增添的手段；；；；； ；
另一方面，，，，，着实以VLA为代表的手艺蹊径，，，，，自己也在面临更多的质疑。。。。 。。。。越来越多人最先质疑VLA是否可以很好的完成行动操控，，，，，是否有能力更好地泛化并突破Sim to real gap的魔咒。。。。 。。。。
而面临这种困局，，，，，差别的人想到的解决计划是差别的，，，，，也很难在短期告竣共识。。。。 。。。。
以χ0这类研究更像是通过一直升级已往的架构能力，，，，，从而在原有的路径上解决问题；；；；； ；而LingBot-VA、DreamZero这样的产品，，，，，则是追求一种革命性的范式立异。。。。 。。。。
今天一个行业内逐步清晰的共识是：若是具身大脑的能力要挣脱数据血虚和泛化瓶颈的地心引力，，，，，从而复刻LLM的传奇，，，，，那就必需有一些新的手艺立异。。。。 。。。。要么，，，，，我们在数据层面上大幅突破；；；；； ；要么在架构上另辟蹊径。。。。 。。。。
而像VA、DreamZero这样的事情显然是后者，，，，，而他们能给PT视讯(中国区)官网启事是：
若是要在具身复刻LLM的scaling law事业，，，，，它未必是要通过平移scaling law的方法实现的，，，，，也可能是借一个更好的架构来获得原本在LLM就已经具备的知识能力。。。。 。。。。
蚂蚁灵波首席科学家沈宇军在接受采访时体现：
LingBot-VA和LingBot-World的思索着实是“一套手艺系统的差别着重”，，，，，双方会耦合地很是深，，，，，底层的数据引擎、代码框架和优化要领，，，，，都高度共通。。。。 。。。。
以是，，，，，沈宇军的思绪可能就是要绕过具身的scaling瓶颈，，，，，重新去审阅和依托新的大模子能力，，，，，建设新的具身底层的智能基础设施。。。。 。。。。
从这个角度来说，，，，，蚂蚁灵波和英伟达可谓具身天下模子中“拓荒者”的角色，，，，，未来也不扫除会有更多的像英伟达和蚂蚁这样的超等玩家加入。。。。 。。。。但随着中美AI希望生态的差别，，，，，未来英伟达会逐渐形成自己的生态，，，，，而蚂蚁灵波则会起劲引领全球的开源天下模子生态。。。。 。。。。
但他们的目的都是一致的：
具身纷歧定就必需要按部就班，，，，，物理AI也值得一次爆炸式增添的实验。。。。 。。。。
点个“爱心”，，，，，再走河北国盛食物加工有限公司吧