2026年物理人工智能:定义,VLA模型,数据和构建工作流程
2026年物理人工智能意味着什么,以及如何构建它:传感器,机器人数据,VLA政策,计算,模拟和任务级评估
实际指南目前的物理人工智能堆
更新于2026年7月26日 · 杰里·胡安
直接答案
物理人工智能,在一个句子中
物理人工智能是通过机器人等体现系统感知,计划和行动的人工智能.实际上,它是一个堆
**范围和证据:**本页面拥有2026年模型景观和构建工作流程;无时的定义仍然存在于基础指南中.能力和基准要求应确定文件或库,版本,实施方式和协议.在纸上报告的结果不是RCSV测量结果.
T1 ) - [比较VLA模型]
T2 ) - 计划机器人数据收集
T4 )
物理人工智能是什么?
物理人工智能指通过机器人体现,在物理世界中运作和与物理世界互动的人工智能系统.与数字人工智能不同,它在纯计算环境中处理文字,图像或代码的物理人工智能必须处理实物,表面和力量的持续,噪音和无情的物理.
区别是重要的,因为物理世界引入了数字人工智能从来没有遇到的挑战.语言模型可以在毫秒内重新尝试一代.一个落下玻璃的机器人臂不能撤销重力.行动的后果是直接的,不可逆转的,并由物理而不是软件抽象控制.
根本问题
语言模型理解"抓"这个词是文本中的统计模式.它们可以描述抓,编写代码来规划抓,甚至推断抓是合适的. 它们不能把"抓"的概念转化为精确的动力命令序列,
物理人工智能通过在实体数据上训练解决了实际机器人在实际环境中执行实际任务的记录.模型不仅学习"抓"的意思是什么,而且它看起来像是关节角度,力量和视觉观测的轨迹.
物理人工智能与经典机器人技术
经典机器人通过明确编程来解决操纵:一名工程师写出准确的代码,说明如何移动手臂,何时打开抓住器,以及如何处理每个对象.这在结构化环境中 (汽车组装线,半导体制造) 适用于固定任务,其中相同的运动在相同的部件上重复数百万次. 由于每种变化都需要额外的代码,它在变化的环境中失败.
物理人工智能逆转了这种方法.而不是用明确的规则编程机器人,你通过示范向机器人展示该做什么, 训练有素的政策将其概括为没有明确显示的变化,因为神经网络学习任务的基础结构而不是记住特定的轨迹. 一个经典的选择和地点程序知道一个特定的 mug 的坐标. 基于200个不同的示威活动训练的物理人工智能政策可以在未见过的位置上抓住杯子.
交易是可预测性.一个经典的程序总是为相同输入产生相同的输出.一个神经网络政策每次都可能产生略有不同的轨迹,当控制器是一个学习模型而不是可解释的代码时,调试故障模式变得更困难.对于安全关键应用,这种不可预测性仍然是一个重要的部署障碍.
纳维迪亚的"物理人工智能"框架
作为市场类别,NVIDIA在普及"物理人工智能"这个术语方面发挥了重要作用,将其与生成人工智能一起定位为下一个主要平台转变. 他们的框架以三个支柱为中心:模拟 (Omniverse/Isaac Sim用于生成合成训练数据),基础模型 (人形机器人GR00T项目) 和计算基础设施 (Jetson Thor用于机器人推断). 这种框架是商业动机的.NVIDIA销售了训练这些模型的GPU,但它确切地捕捉到了大规模学习,模拟和体现机器人融合,这将在2026年定义该领域.
由于它强调了物理人工智能不仅仅是研究概念,而是一种具有特定计算要求,数据管道和部署限制的工程学科,从根本上不同于培训聊天机器人或图像生成器.
关键的物理AI里程碑 (20232026)
自2023年以来,物理人工智能的进步速度大幅加速.
其他技术:
RT-2是第一个大规模视觉语言行动 (VLA) 模型.谷歌训练了一个550亿参数模型,可以直接拍摄摄摄像头图像和自然语言指令 ("取空
技术机制是惊人的简单:把机器人操作视为文字代币.一个7DOF的联合位置变成了一个
RT-2的局限性是规模:它需要谷歌的专有RT-X机器人机队和大量的计算来训练.谷歌以外的人无法复制或调整它.55B参数数计数也使实时推断对机器人实验室可以合理承担的任何硬件都不切实际.
开放VLA (斯坦福/伯克利,2024年6月)
开放VLA民主化了VLA概念.一个7.5亿参数的开源模型,基于Open X-Embodiment数据集训练,OpenVLA证明了VLA架构在大学实验室和初创公司实际上可以调整的规模上工作.单个A100GPU可以在24小时内对特定机器人和任务进行OpenVLA调整. 这将VLA从谷歌独家的研究结果转化为更广泛的机器人社区的实际工具.
开放VLA的双视觉编码器设计 (SigLIP用于语义特征和DinoV2用于空间特征) 成为后续VLA架构的模板.SigLIP编码器理解对象是什么;DinoV2编码器理解它们在哪里以及它们如何导向. 这种补充对应解决了单个编码器设计的一个弱点,当编码器被优化为语义分类时,空间精度受到影响.
在发布6个月内,OpenVLA已经被全球研究小组在12多个不同的机器人平台上调整了.它成为VLA研究的实际基线,类似于十年前ResNet成为计算机视觉的基线.
(物理智能,2024年10月)
物理智能的 π0 ("pi-zero") 作为行动生成机制引入了流量匹配,取代了RT-2和OpenVLA所使用的分离代币预测. 流量匹配产生了流
物理智能公司筹集了400万美元以上的资金来构建一个通用机器人基础模型,投注一个单一的政策最终可以控制任何机器人在任何任务上. 该公司招聘来自谷歌深度思维,伯克利大学,斯坦福大学和CMU的顶级研究人员表明该领域最优秀的人才将一般用途机器人政策视为下一个主要研究界限.
斯莫尔维拉 (HuggingFace,2025年3月)
斯莫尔维拉证明VLA模型不需要数十亿参数.在450万参数时,SmolVLA在单个消费者GPU上运行时匹配或超过标准基准的OpenVLA性能.SmolVLA使用一个分块的行动预测头 (受ACT启发) 而不是单步代币预测,产生更平滑和更高效的行动序列. 模型完全开源,在 HuggingFace 上可使用训练代码,权重和评估脚本.
斯莫尔维拉的效率突破来自两个设计选择:使用紧
对于物理人工智能研究界来说,SmolVLA的重要性是可访问性.一个拥有单个消费者GPU的研究生现在可以在几个小时内在机器人上调整VLA模型.这在18个月前是不可能的.
子 (图 AI,2026年初)
图像AI的Helix是专门为人形机器人设计的第一个VLA.之前的VLA主要在桌面操纵臂上进行测试,但Helix在单个模型中集成了全身控制,协调运动,手臂操纵和手技巧. 详细信息仍然有限 (Helix不是开源),但Figure的BMW部署显示了多步制造任务,需要步行到车站,挑选零件和执行组装操作.
更广泛的里程碑模式
通过共同观察这些里程碑,一个明确的模式出现了:该领域同时沿着两个轴进行了进步.第一轴是能力
| Year | Milestone | Parameters | Open Source | Min Fine-Tune Hardware |
|---|---|---|---|---|
| 2023 | RT-2 | 55B | No | N/A (closed) |
| 2024 | OpenVLA | 7.5B | Yes | 2x A100 |
| 2024 | Octo | 93M | Yes | 1x RTX 3090 |
| 2024 | π0 | ~3B | No | N/A (closed) |
| 2025 | SmolVLA | 450M | Yes | 1x RTX 4090 |
| 2026 | Helix | Undisclosed | No | N/A (closed) |
物理人工智能核心的数据问题
无论是什么架构,每个物理人工智能模型都受到其训练数据的限制.这是该领域的基本瓶
为什么物理人工智能需要比LLM更多的数据
语言模型在互联网上训练了数十亿人数量生成的文本代币.物理人工智能没有相等数据来源.每一个机器人示范都必须由一个通过任务物理控制机器人的人物操作员收集.整个开放X-Embodiment数据集 (最大的公共机器人数据集) 包含大约200万轨迹. 数据差距大约是1000倍到1,000,000倍,取决于你如何计算.
这种差距解释了为什么物理人工智能通用化落后于语言人工智能通用化.一个LLM可以写一首诗关于一个他从未明确看到的话题,因为他已经看到数百万相关文本.一个机器人政策不能折叠一个毛巾,因为它只遇到了几百毛巾在训练中.
质量与数量:专家电操作数据
早期尝试扩展机器人数据集的重点是量度,通过低成本方法 (视频剪辑,人群源远程操作) 快速收集数千个示范.结果令人失望.训练基于噪音,不一致的数据的政策学会了噪音,不一致的行为.
专业化技术的发展趋势是以质量为首的方法:高质量硬件的专业运营商收集的示范较少,会产生更好的政策,而不是较大质量的数据集. 200 项专业化示范的数据集,具有一致的理解策略,流
跨体体传输:一个数据集能训练任何机器人吗?
开放X-Embodiment项目 (Google DeepMind, 2023) 证明,训练基于多种机器人类型的数据,与训练基于单个机器人的数据相比,提高了通用化.训练基于22种不同的机器人的数据的RT-2模型在每个机器人上比训练基于单独的机器人数据的模型更好.
虽然在6DOF臂和30DOF人体之间存在形态差距,但在目前的模型中,传输语义理解 (什么要抓住,何处放置),但在非常不同的机器人体中,传输运动策略 (如何移动关节) 很难. 2026年最实用的方法是预先训练跨体体数据进行语义定位,然后对目标机器人数据进行微调,用于机动控制.
数据格式标准化工作对于使跨体体转移成为实用性的至关重要.RLDS格式 (由Open X-Embodiment使用) 和LeRobot格式 (由HuggingFace使用) 提供了共同的方案,可正常化不同机器人之间的行动空间. 没有这种标准化,每个数据集都需要定制预处理,以兼容VLA训练
对于收集新数据的团队,从一开始就建议以标准化格式记录.RCSV的数据管道输出了RLDS和LeRobot格式,确保您的示范贡献了越来越多的跨体体训练数据生态系统,并保持与未来模型兼容.
俄罗斯国家安全委员会 (RCSV) 的作用:规模结构化专家示范
美国广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州广州 (广州) 广州广州广州广州广州广州广州广州广州广州广州 (广州广州广州广州) 广州广州广州 (广州广州广州广州广州广州广州广州广州 (广州) 一个典型的数据收集活动每项任务每次制作100
物理人工智能研究的硬件要求
构建物理人工智能系统需要三个层次的特定硬件:计算用于训练,机器人平台用于数据收集,传感器用于感知.
计算:你真正需要的东西
| Task | Minimum Hardware | Recommended | Cloud Cost (est.) |
|---|---|---|---|
| Fine-tune SmolVLA (450M) | 1x RTX 4090 (24 GB) | 1x A100 (80 GB) | $2–4/hr |
| Fine-tune OpenVLA (7.5B) | 2x A100 (80 GB) | 4x A100 (80 GB) | $8–16/hr |
| Train ACT policy from scratch | 1x RTX 3090 (24 GB) | 1x A100 (40 GB) | $1–2/hr |
| Train Diffusion Policy | 1x A100 (40 GB) | 2x A100 (80 GB) | $4–8/hr |
| Full VLA pre-training (7B+) | 8x H100 (80 GB) | 32x H100 | $200–800/hr |
| Real-time VLA inference | 1x RTX 4070 (12 GB) | NVIDIA Jetson Orin | N/A (onboard) |
关键见解:可以通过精细调制现有VLA模型 (一天只能使用A100),但从零开始预先训练新的基础模型需要只有大型实验室才能承担的资源.这就是为什么OpenVLA和SmolVLA等开源模型如此重要.
机器人武器:DOF要求和编码器分辨率
物理人工智能研究需要具有足够的自由度 (DOF) 和编码分辨率的机器人臂来执行你想学习的操纵任务.操纵研究的最低实用配置是6DOF (3用于位置,3用于方向) 加上抓住器.对于精巧的任务,7+DOF是最好允许零空间运动和冗余.
| Robot Arm | DOF | 负载 | Price | Best For |
|---|---|---|---|---|
| OpenArm 1 | 6+1 (gripper) | 1.5 kg | $4,500 | Tabletop manipulation, education, data collection |
| DK1 (bimanual) | 2x 6+1 | 1.5 kg per arm | $12,000 | Bimanual tasks, ALOHA-style data collection |
| Franka Emika Panda | 7+1 | 3 kg | ~$30,000 | Research benchmark standard, torque sensing |
| ViperX 300 | 6+1 | 0.75 kg | $6,500 | Budget research arm, ALOHA-2 platform |
| Kinova Gen3 | 7+1 | 4 kg | ~$35,000 | Assistive robotics, mobile manipulation |
编码器分辨率很重要,因为模仿学习政策对记录的联合位置的精度很敏感.建议使用14位分辨率或以上的绝对编码器.OpenArm 1使用14位磁编码器,以达到这个门
复制性同样重要.如果机器人无法以毫米以下的精度返回记录的位置,记录的示范和政策命令的行动之间的相应性会崩
传感器:感知堆
完全的物理人工智能数据收集设置需要多种传感器方式:
- RGB摄像头 (最低3): 一个手腕安装,两个第三人视角. 720p 最小,30 拍摄时.英特尔 皇冠 D435 或类似.预算:每台摄像头200
400美元. - **深度传感:**至少有一个RGBD摄像头用于点云生成. 对于抓住规划和场景重建有用. 通常与RGB摄像头之一结合 (RealSense提供两者).
- **触摸感知:**对于接触丰富的任务 (插入,组装,变形物体),触摸反
显著提高了政策性能. Paxini Gen3触摸手套 提供22+DOF的强力反 ,以进行精巧的数据收集. - **自主感知:**机器人的编码器的联合位置,速度和扭矩读数.这通常由机器人的控制API提供在100
1000Hz. - ** 动力/扭矩传感器:** 手腕上有6轴F/T传感器,可提供对接触任务的关键数据. ATI Nano25或OnRobot HEX是常见的选择 ($3,000
$8,000).
数据收集基础设施成本分类
| Component | Budget Option | Recommended Option |
|---|---|---|
| Robot arm | OpenArm 1 ($4,500) | DK1 bimanual ($12,000) |
| Cameras (3x) | Logitech C920 ($60 ea.) | Intel RealSense D435 ($350 ea.) |
| Compute (recording) | Laptop with USB3 ($0, existing) | Dedicated workstation ($2,000) |
| 遥操作 input | SpaceMouse Compact ($200) | Paxini Gen3 gloves (contact RCSV) |
| F/T sensor | None | OnRobot HEX ($4,000) |
| Mounting / workspace | Table + clamps ($200) | T-slot frame ($800) |
| Total | ~$5,200 | ~$20,000 |
对于需要数据但不想建立和维护数据收集基础设施的团队,RCSV的 [数据收集服务]
在RCSV的物理人工智能研究工作流程
下面的工作流程代表了使用RCSV基础设施的典型物理AI研究周期:
典型的物理人工智能研究项目遵循五步,从任务定义到反复评估.
步骤1:定义任务,收集专家示范
研究人员定义了操纵任务 (例如"从桌子上拿起杯子,把它放在架上").一个RCSV操作员或研究人员使用[OpenArm 1]
典型的收集率:简单的选择和放置任务时每小时20
步骤2:将数据格式化为RLDS/LeRobot兼容的数据集
转换的过程将操作空间正常化,对相机的时间表进行排列,并生成每个训练框架所需的元数据文件.
数据预处理包括几个关键步骤,这些步骤对下游政策的性能产生了显著影响:行动空间正常化 (将所有行动维度扩展到[-1, 1]),图像改大和增大,异常过
第三步:培养一个政策
根据你的目标,选择一个训练方法:
- **ACT (动作与变压器共享):**最适合从小数据集 (50
100个演示). 训练在2 8小时内在一个GPU上.适合具有有限变化的特定任务.请参阅我们的 ACT指南. - **
散政策:** 对于多模式行动分布 (多个有效战略的任务) 比 ACT更好. 需要稍微更多的数据 (100 200个演示) 和计算. - **VLA细调 (OpenVLA或SmolVLA):**最适合语言条件任务或当你想要零射击通用化变化时.需要200多个演示和至少一个A100GPU.查看我们的 VLA模型比较.
步骤4:在机器人上进行评估
部署训练有素的政策在真实机器人上并运行评估试验.标准的评估协议运行了20多个试验,随机初始条件 (对象位置,方向).成功率,完成时间和失败模式记录.典型的第一次回复成功率:40
步骤5:重复失败案例
评估阶段显示了系统性故障模式:机器人在特定的方向下降物体,在物体接近工作空间边界时失败,或在某些配置中产生碰撞轨迹.最有效的改进策略是针对性数据收集
这种反复收集-反复训练循环通常在确定任务的2
2026年物理人工智能应用
物理人工智能不是未来的技术
制造和装配
制造业是第一个物理人工智能实现生产部署的领域.主要优势:制造任务是重复性的,这意味着一个中度的数据集 (200
物流和仓库
采集各种物体从垃圾桶和货架中是物理人工智能的自然适合,因为物体的多样性使手动编程解决方案不实用.如Covariant (现在是亚马逊机器人的一部分) 和Dexterity等公司已经部署了用于仓库采集的VLA类型模型,处理数千个不同的SKU. 挑战是规模可靠性: 95%的选项成功率意味着每20个选项中1个失败,
实验室自动化
生物,化学和材料科学的研究实验室正在采用物理人工智能来重复实验程序
实验室设置中的物理AI的主要优势是适应性.传统的实验室自动化系统 (如液体处理机器人) 编程用于特定实验室设备上的特定协议.基于物理AI的系统可以通过收集50
食品服务和农业
食品处理对物理人工智能带来了独特的挑战:可变化的物体 (
触觉感知在食品处理中尤其重要,视觉外观并不可靠地表明成熟,坚定或脆弱. 物理人工智能系统结合视觉和触觉输入,使用像 [Paxini Gen3触觉手套] (
物理人工智能正在发展的方向
世界模式:学习物理,而不是仅仅是行动
在物理人工智能下一个界限是世界模型
谷歌的Genie 2,NVIDIA的Cosmos以及一些学术项目 (UniSim,DayDreamer) 正在朝着这一方向发展.在大型视频数据集上训练的世界模型显示了对象动态预测的有前途的结果,但产生准确的接触预测仍然未解决. 随着更多数据,预测和实际结果之间的差距会缩小,这再次加强了大规模物理互动数据集的重要性.
缩小差距
模拟一直是物理人工智能的吸引力,因为它提供无限的自由数据.问题是模拟与真实之间的差距:在实际机器人上部署时,模拟训练的政策经常失败,因为模拟无法完美捕捉摩擦,变形,照明和传感器噪音. 最近的域随机化 (随机化模拟参数覆盖现实世界变化) 和光现实
2026年实践方法是混合训练:预先训练对基本传感机动技能的模拟数据,然后对目标任务进行少量的现实数据 (50
由于其高质量接触物理准确性,NVIDIA的Isaac Sim和Isaac Lab已成为物理人工智能研究的标准模拟平台,提供了GPU加速物理,光现实化
对于考虑模拟到现实方法的团队来说,关键的投资是建立一个精确的模拟模型, 具体的机器人和任务环境. 构建高效度模拟 (CAD建模,物理参数识别,视觉域随机化) 的成本通常在工程时间内为10,000
现实 AGI:长视线
物理人工智能通常被引用为人工智能 (AGI) 的先决条件. 论点是,无法与物理世界互动的智能不能在现实中实验,构建,测试和反复进行. 无论你是否同意这一观点,实际轨迹都很清楚:物理人工智能系统逐年变得更加普遍,更有能力,更自主. "可以折叠一个特定的毛巾"和"可以折叠任何毛巾"之间的差距正在缩小. "可以折叠一个毛巾"和"可以做饭"之间的差距仍然很大,但显然不再是不可弥合的.
对于现实 AGI 的关键开放问题包括:长视野规划 (无误积累的连锁数十个子任务),常识的物理推理 (知道如果倾斜,一杯水会流出,即使政策从来没有看到一杯),以及安全的探索 (学习新行为,而不打破东西或伤害人们). 目前的物理人工智能系统都没有全面解决这些问题,但每个都是具有可测量的年比年进步的积极研究领域.
规模问题
物理人工智能研究中的主导问题是,规模化法则是不是? 经验观察认为,基于更多数据训练的更大模型持续改善了? 应用于机器人技术,就像它们对语言和视觉一样.RT-2和 π0的早期证据表明是的:具有更多样的训练数据的更大模型更好地对新任务和环境进行概括. 但数据收集瓶
对于今天构建物理人工智能系统的实践者来说,这意味着实用性:现在投资高质量的数据收集基础设施,因为数据是限制因素,无论模型架构是哪个.
开始:你的第一个物理人工智能项目
对于新进入物理人工智能的团队来说,最有效的起点是单任务模仿学习项目. 这将问题扩展到几个星期而不是几个月内实现的东西,同时教导每个物理人工智能项目适用于的核心技能 (数据收集,培训,评估).
建议的第一项项目
- **选择简单的操作任务:**使用单个对象类型 (例如"拿起杯子,放在
车上") 避免多步骤的任务,可变形的对象和您的第一项精确插入. - **收集100个示例:**使用一个 SpaceMouse 或领导跟随手臂.这需要3
5小时来完成一个简单的任务.记录至少2个摄像头视图加上联合位置. - 训练ACT政策: ACT是小型数据集最宽容的算法.在单个GPU上调整需要2
8小时.使用LeRobot框架 进行最简单的设置体验. - ** 通过20次试验进行评估:** 随机定位和方向.记录每次试验的成功/失败.第一次试验成功率为50~70%是正常的,令人鼓舞的.
- 重复: 收集30
50次的示范,针对失败案例. 重新训练. 预计在一次重复之后,75 90%的成功.
举个例子:最小物理人工智能训练脚本
# Train an ACT policy on your demonstrations using LeRobot
# Assumes data is already collected and formatted
# pip install lerobot
from lerobot.scripts.train import train
from lerobot.common.policies.act.configuration_act import ACTConfig
# Configure ACT for your robot
config = ACTConfig(
chunk_size=50, # Predict 50 future actions
n_obs_steps=1, # Use 1 observation frame
input_shapes={
"observation.images.top": [3, 480, 640],
"observation.images.wrist": [3, 480, 640],
"observation.state": [7],
},
output_shapes={"action": [7]},
)
# Launch training (or use CLI):
# python lerobot/scripts/train.py \
# --policy.type=act \
# --dataset.repo_id=your_org/mug_pick_place \
# --training.num_epochs=2000 \
# --training.batch_size=8
首个项目成本和时间表
| Component | DIY | With RCSV Services |
|---|---|---|
| Robot hardware | OpenArm 1: $4,500 (purchase) | |
| or $800/mo (lease) | Included in data service | |
| Data collection (100 demos) | 3–5 hours operator time | $2,500 (pilot campaign) |
| Training compute | ~$10 cloud GPU or own hardware | ~$10 cloud GPU |
| Timeline | 2–4 weeks (including setup) | 1–2 weeks |
| Total cost | $4,500–5,500 | $2,500–3,300 |
**开始从RCSV的物理人工智能:**无论你需要机器人硬件,专家示范数据,或培训管道的指导,RCSV为物理人工智能研究提供端到端支持.从 [2,500美元的数据收集试点] (
关键的提取
- 物理人工智能是现实的,可以在结构化环境中进行特定,精确的操纵任务.它还不是人类工作者的一般用途替代品.
- 数据是瓶
,而不是模型. 开源VLA模型 (OpenVLA,SmolVLA) 对于大多数应用程序来说是足够好的. 限制因素始终是任务特定示范数据的数量和质量. - 开始小. 一个单项项目,包括100个示范,一个机器人手臂和ACT政策,是学习物理人工智能工作流程和评估技术是否适合您的使用情况的最佳方式.
- **数据质量比数量高.**从训练有素的运营商的专家演示总是超过更大的可变质量的数据集.
- 该领域正在迅速发展. 12个月前最先进的模型 (OpenVLA) 现在超过了16倍小的模型 (SmolVLA).标准化的数据格式确保随着模型的改进,您的示范仍然具有价值.
- 硬件成本大幅下降. 一个完整的物理人工智能研究设置 (机器人+摄像头+计算) 成本为5,000美元~20,000美元,
- **跨体现是未来.**标准化格式 (RLDS,LeRobot) 的数据收集,有助于建立一个日益增长的共享数据生态系统,使所有参与者都受益.
相关阅读
相关: VLA模型相比 · 动作