详细内容或原文请订阅后点击阅览
2025 年硅谷人形峰会要点
数据、部署和物理人工智能的真正路径类人峰会非常清楚地表明了一件事：类人机器人技术的进步不受雄心的限制，而是受到数据、可靠性和部署现实的限制。在演讲、演示和走廊对话中，出现了一个一致的主题。业界不再问类人机器人是否可行，而是如何训练它们、评估它们并安全地大规模部署它们。以下是最突出的内容。
来源:Robotiq数据、部署和物理 AI 的真正路径
人形机器人峰会非常清楚地表明了一件事：人形机器人技术的进步不受雄心的限制，而是受到数据、可靠性和部署现实的限制。
在演讲、演示和走廊谈话中，出现了一个一致的主题。业界不再问类人机器人是否可行，而是如何训练它们、评估它们并安全地大规模部署它们。
这是最突出的。
真正的瓶颈：数据
每个人都同意高质量的数据是物理人工智能的基础。细微差别不在于是否收集某种类型的数据；而在于是否收集特定类型的数据。团队想要尽可能多的东西。不同之处在于它们如何在整个数据范围内分配资源，因为每一层都有自己的成本、难度和回报。
大多数团队描述了某种版本的“数据金字塔”：
1. 真实机器人部署
这是黄金标准。执行真实任务的真实机器人会生成最可传输的数据。问题？
它无法缩放。
部署成本高昂、速度缓慢，并且受到硬件可用性的限制。即使是最先进的团队也只能通过这种方式收集有限的数据。
2. 远程操作
Teleop 正在成为一个关键的中间立场。 看到的一些创新是使用数字远程操作以及现实世界的远程操作。
我们与几家从事这一层工作的初创公司进行了交谈：
Teleop 数据比完全部署更具可扩展性，但仍然占用资源。
3.以人为中心的数据（视频、动作捕捉）
这是最丰富的……也是最不可转让的。
人类视频数据集广泛可用，但将其转化为可靠的机器人行为仍然具有挑战性。
正在形成的共识？
大多数团队首先在大规模人类数据上训练模型，然后使用 teleop 和实际部署数据进行微调。这是解决困难的扩展问题的务实方法。