对话 ICRA WBCD 卫冕冠军陈翔宇：刚赢下比赛，就有工厂盯上了我们的机器人

具身智能落地，从一次直面真实产线的比赛开始

作者丨高景辉

编辑丨马晓宁

具身智能“落地”的速度，似乎越来越快了。

今年以来，从 Figure 到智元的两次公开直播可以看到，人形机器人厂商们渐渐地不再“闷头测试”，而是把机器人“进厂打工”的真实情况公之于众，让技术直面工业场景真正的考验。

而在象征学术最前沿的各大顶会上，这种重视落地的导向更为强烈。不久前刚落幕的 ICRA WBCD（全球双臂机器人技能挑战赛）中，更是把真实的产线“平移”到了大会现场，让来自全球的 40 支队伍挑战产业落地的真实痛点。

以柔性物体操作任务为例，这一赛道高度还原服装厂的真实工序，机器人需要把一沓褶皱、材质、光线各异的衣服拾起衣角、平整展开、套上印花机，对速度、成功率、纠错能力均有要求，与一些 Demo 里简单的“叠衣服”难度完全不在一个量级。

但正因为更难，最终突出重围的选手也显得更加可贵。今年 WBCD 柔性操作赛道的冠军，是来自香港科技大学（广州）的HCLab实验室，这支队伍的队长陈翔宇，同样也拿下了上一届 WBCD 双臂操作比赛的冠军。

为什么他能连续两次取得优胜？在赛场之外，具身智能离落地又还有多远？带着这些疑问，AI科技评论与陈翔宇展开了一次深度对话，看看行业的一线工作者如何回答他们遇到的“真问题”。

01

高难度赛题，还原真实工业场景

▎AI科技评论：先聊聊比赛本身吧。这是你第二次参加 WBCD 了，相比上次，这次有哪些明显是不同？

陈翔宇：这次比赛有个明显的特点是三地联动。第一届比赛主要在亚特兰大，欧洲、国内的很多同学因为签证问题没法参与，所以这次设置了维也纳、硅谷和上海三个赛区，让全球的从业者都尽可能参与。

除了赛区规模的扩大，更核心的差异体现在大家的数据准备和技术成熟度上。第一届在亚特兰大现场时，因为是首次开赛，大家的设备调试和数据准备都非常仓促，行业里也普遍缺乏这种高压实机竞赛的经验。在现场极其有限的时间里，纯来自模型自主操作的方案很难直接跑通，所以在场队伍基本都是用遥操作顶着完成的任务。

而到了第二届，整个社区都吸取了去年的经验，技术链路清晰了很多。主办方和赞助商提前放出了 UMI 数据，这让我们和不少队伍能够在赛前就提前使用 UMI 数据做模型的预训练。

有了坚实的预训练模型垫底，到了这届比赛现场，我们就不需要重头去死磕基础的抓取和运动规律。系统搭建好后，我们只需要现场采集少样本的真机示教数据进行微调，就能在极短时间内对新环境实现非常惊艳的自适应效果。可以说，从去年的“全员遥操作”演进到今年的“少样本端到端自主控制”，这是具身智能技术在比赛中落地最直观的跨越。

▎AI科技评论：去年的比赛经验能不能复用到今年？

陈翔宇：有一部分可以复用。去年我们积累的经验主要是怎么更方便高效地采集数据集，怎么快速搭建工程系统，毕竟比赛场景下所有设备都是全新的，大家之前都没接触过。第二届我们就有了更丰富的数采经验，知道怎么快速搭建系统，跑通从数据采集、模型训练到推理的完整闭环，这是最关键的。

▎AI科技评论：这次比赛分为哪些赛道？

陈翔宇：一开始只有三个赛道：柔性物体操作、打包、生物实验赛道。这次比赛规模比较大，联动了维也纳、硅谷、上海三个赛区，覆盖了国内上下游企业，上游比如松灵、方舟、宇树这类做硬件的厂商。宇树中途看到活动后加入合作，新增了第四个人形机器人移动操作赛道，最终一共四个赛道。本次比赛共有 150 多支来自国内外不同机构和院校的队伍报名，最终筛选出 40 支左右进入三地决赛。

▎AI科技评论：这次比赛有分组吗？比如全自主组、遥操作组、半自主组。

陈翔宇：没有分组。这次比赛自由度比较高，没有严格的边界，核心是符合工业产业的实际需求，只要能满足场景需求，用什么方式都可以，算是一种结果导向。比赛的评判标准也不是用了模型就得分高，因为任务太难了，就算是用遥操作也很难完成，所以不区分遥操作和模型组。而且有些选手一开始打算用遥操作，中途发现可行的自主方案就临时切换，分组也不利于比赛灵活开展。

▎AI科技评论：刚刚你提到任务很难，具体难在什么地方？

陈翔宇：比如我们参加的柔性物体操作赛道，真实调研过服装厂的场景：工人需要把一沓不同褶皱、不同光线、不同温度、不同材质的衣服，放到印花机上印花。这个过程要识别衣服，拾起衣角，像人一样抓住两边衣角平整地套到印花机上，过程中还要纠错调整平整度，印花完再连续处理下一件，比赛中完全还原真实工业场景。

▎AI科技评论：柔性操作需要末端触觉数据吗？

陈翔宇：比赛没有强制要求，方案完全开放，甚至可以用灵巧手，只要能解决问题就行。我自己做这个方向，之前也考虑过加入触觉。但团队最终达成的共识是：回归本质，用最简单、最低成本的方法解决最实际的工业场景。

从工业落地视角来看，做这个“减法”是必然的选择：

纯视觉方案已足够解决问题，盲目加入触觉会引入不确定性，比如触觉模型推理较慢，会拉长延迟导致机械臂顿挫；多模态高维数据还会引入微观物理噪声，干扰现有 VLA 模型的稳健收敛。工业落地必须直面极致的成本与耐用性考验：目前主流视触觉传感器一个就要 2,000 多元，双臂改装成本高昂，对追求商业 ROI 的服装厂来说太奢侈了。且触觉传感器多处于实验室阶段，高强度全天候运转下的耐用性有待考证，维护成本不可控。具身智能的终局是拼谁能用最低的硬件代价实现最高的泛化。我们摒弃炫技、回归本质，事实证明这个思路是正确的。

▎AI科技评论：这次比赛的硬件平台是不是统一的？

陈翔宇：不完全统一。维也纳和硅谷的柔性赛道统一用方舟无限的机械臂；上海赛区因为设备调配的问题，队伍可以选择松灵、i2rt 等不同的机械臂，而且上海赛区选手可以自带机械臂参赛，维也纳和硅谷都是队伍到现场才发放设备。考虑到硬件差异，目前都是分赛区排名。

▎AI科技评论：机械臂差异对比赛的影响体现在哪些方面？

陈翔宇：在部分任务上影响很大。柔性赛道还好，主要差异在机械臂的负载、臂展：比如臂展不够就够不到远处的物体，需要调整操作策略和位姿；每个机械臂的电机参数不同，运行时的发热情况也不一样，有的机械臂长时间运行会因为过热暂停，有的可以持续工作。

▎AI科技评论：夹爪可以用自己的吗？还是统一提供？

陈翔宇：夹爪可以用自己的，也可以针对设备做合理改造。

▎AI科技评论：改造的具体界限是什么？有明确标准吗？

陈翔宇：没有太明确的界限，根据现场情况调整。目前大家的改造都在正常范围内，像钩子这类是不允许的；现场实际的改造基本都是用胶加固夹爪，提升抓取稳定性，这类改造赛前都会和各组沟通，大家认可后才会执行。比赛过程中如果有选手提出异议，主办方也会再协调。因为现场突发情况很多，比如设备损坏、没有配件之类的问题，都需要灵活处理。

▎AI科技评论：比赛主要考察哪些维度的模型能力？如何考出区分度？

陈翔宇：主要是通过“操作方式的得分系数加成”来拉开区分度。比赛非常鼓励选手使用模型自主策略去完成全部任务，因此不同操作模式对应的评分系数有很大不同：现场遥操作系数最低；远程遥操作的操作者看不到现场实体，只能通过摄像头画面操作，系数高一些；纯模型自主操作系数最高，有非常显著的系数加成。

▎AI科技评论：有没有设计得比较好的评分机制？

陈翔宇：除了区分不同操作策略的系数，还会结合任务完成时间综合评估。比赛规定有效任务执行时间是 10 分钟，总时长限制 30 分钟，给队伍留出现场调试、处理问题的空间。 比如遥操作方案基础分低，但执行流畅、速度快；模型自主方案系数高，但执行慢。综合评估下来，每个赛区的评分标准保持一致，不管用什么策略，都按任务完成的成熟度打分，可以保证相对公平高效。

02

真正的较量，在数据层面就已展开

▎AI科技评论：你们队伍是怎么组建的？有哪些成员，分别负责什么方向？

陈翔宇：这次比赛的队伍主要是我们实验室的同学，还有一些之前合作过的伙伴，基本以港科大广州的学生为主，还有英伟达中国机器人团队成员，AAAI 最佳论文奖得主，以及 RoboMaster 队伍的成员。

陈翔宇（左下）和他的团队

▎AI科技评论：你们的队伍组建了多长时间？准备了多久？

陈翔宇：我们报名比赛之后就开始准备，但实际进入准备阶段是今年 5 月中下旬，因为各类设备都没到齐。我们 6 月 4 号上午比赛，6 月 3 号下午规则才最终确定，时间非常紧张。

▎AI科技评论：你们一开始对自己的定位是什么？最终结果有没有超出你们的预期？

陈翔宇：结果完全符合预期。我们实验室的研究方向和比赛赛题高度相关，港科广长期聚焦真实工业场景，大家不倾向于刷榜单、做 Demo，平时和具身智能领域的企业合作较多，很了解实际工业场景的问题。这次的任务和我们日常做的方向相关性很强，技术栈也匹配，所以结果在预期之内。当然过程中也出现了很多不可控的变量，我们都一一克服了。

▎AI科技评论：这次比赛有不少数据赞助商，有用他们的 UMI 数据吗？

陈翔宇：我们的数据分两部分。比赛官方有简智、鹿明、艾欧智能等赞助商提供的数据，但我们实际用得不多，我们使用了自研的UMI设备采集了一部分做预训练，更多是自己采集数据。UMI 数据在比赛里是可选项，不是必须项。对我们队伍来说，UMI 数据主要用来做测试和预训练，现场阶段都是直接用机械臂采集数据。

▎AI科技评论：整体大概需要多少小时的数据量？

陈翔宇：UMI 数据大概100 多小时，我们自己用机械臂采集的动觉示教数据大概10 到 20 个小时，轨迹大概 1000 多条。现场就是这个数据规模，用这些数据训练模型，再配合策略，最终效果还不错。

▎AI科技评论：今年开始大家都在聊 Ego 数据，UMI 提的人少了。你怎么看这两种数据路线的选择？UMI 是不是有局限性？

陈翔宇：我觉得这是两种不同场景的选择：Ego 数据更偏向数据厂商的需求，采集后可以适配灵巧手、二指夹爪等不同末端，具备跨本体的泛化性，但局限性是纯视觉估算，存在精度不足的问题。

UMI 数据更适合已经确定末端构型的场景，比如确定用夹爪还是灵巧手，偏向精细工业作业场景，因为本体视角的观测和位姿、夹爪 / 灵巧手的关节示数都是编码器读取的，精度一致，更适配工业场景。 目前来看，UMI 和 Ego 是针对不同场景的方案，两个方向也都在持续探索。

我个人更倾向未来的方向是 Ego 数据：从第一性原理来说，人只有第一视角，用第一视角采集数据更符合人的自然直觉；未来如果要搭建数采工厂、招募人员批量采数据，头戴相机的采集方式也更自然。UMI 更像是中间过渡状态。

▎AI科技评论：UMI 数据在泛化性上是不是也有问题？

陈翔宇：对。UMI 数据更适配同构型的夹爪结构，采集端和使用端的机械臂末端结构一致。Ego 数据是通过识别人手手指距离转换位姿，精度上有差异。两者适用于不同场景。

▎AI科技评论：数据手套这种方案，是不是很容易损坏，报废频率很高？

陈翔宇：对。数据手套是个不错的解决方案，比纯视觉观测手势更精准，能更好地读取手部弯曲状态。现在市面上的灵巧手自由度差异很大，有 6 自由度的，也有 21、22 自由度的，手套和 Ego 方案类似，能相对精准地捕捉手势信息，迁移适配到不同自由度的灵巧手上。

但问题是人手和灵巧手的关节构型有差异，精细操作任务上还是会有偏差。而且目前的柔性材料只能说将将够用，达不到工业级反复使用的标准，也没有对应的行业标准，实际使用下来大概两到三周就会损坏。现在国内厂商的方案都是走低价路线，几千到一万块一副，坏了就直接换，只能靠多备几套来解决损耗问题。

▎AI科技评论：这样成本不会很高吗？

陈翔宇：现在具身智能还处于早期阶段，还没到考量成本的时候，核心是先拉通从采集到模型训练的完整 Pipeline。等需求明确、数据采集的定义清晰，能够批量采集的时候，才是压缩成本、上规模的阶段。

▎AI科技评论：这次比赛准备时间比较短，你们怎么保证数据质量？

陈翔宇：首先我们发现单一数据来源很难提升模型的质量和鲁棒性，所以前期会采集多来源的数据，比如遥操作数据、UMI 数据，用来做预训练。到了赛场，因为现场环境和实验室不同，我们不光采集正确操作的数据，也会采集错误操作的数据，把纠错能力交给模型自己学习。 所以比赛里我们的模型具备自动纠错能力和未知场景泛化能力。所以我们能知道怎么在短时间内相对高效地采集数据，配合模型训练技巧，让模型在少样本场景下，在垂直领域里有不错的表现。

▎AI科技评论：你们用的是 VLA 模型吗？其他队伍有没有用世界模型之类的？

陈翔宇：对，我们用 VLA。世界模型确实有队伍用，但我们赛道用得不多，生物赛道有一些队伍用了世界模型。

我个人觉得，世界模型的理念和愿景非常好，但它目前在具身操作领域的技术成熟度还处于比较早期的研究探索阶段。可能因为这个技术方向太新了，它从数据集构建、模型训练到推理部署的全流程优化技巧，行业内还没有形成标准范式。

我们自己在实际测试时，也可能是我们调参的经验不足，暂时还没有发现它在当前任务下比 VLA 展现出更显著的优势。 相比之下，VLA 模型经过一年多的沉淀和演进，整个学术界和工业界都积累了非常成熟的调优技巧。在这次高压的现场竞赛中，从工程落地的确定性出发，VLA 是更稳妥也更容易发挥出性能极限的选择。世界模型要真正释放出它所勾勒的核心优势，可能还需要给学术界和产业界更多的时间去沉淀和攻克工程细节。

▎AI科技评论：我看到有些方案用模块化的小模型，你怎么看这种路线？

陈翔宇：相比之下模块化方案更适合小场景。因为模块化方案是感知、规划、决策、执行解耦的，不同模块之间的响应有延迟，很影响比赛执行的效率；而且某个模块报错就可能导致整个系统宕机。所以我们选择了端到端方案，直接输出控制指令，延迟更低。我们之前测试过模块化设计，响应很慢，光感知环节就要几分钟，所以最终没有采用。

03

透过一次比赛，

看到具身智能落地的可能性

▎AI科技评论：现场比赛开始后，规则有没有一些临时的调整？

陈翔宇：维也纳赛区我们的流程都很正常，10 分钟执行时间，30 多分钟就全部完成了。上海赛区随后出现了一些新情况：因为初版规则一开始没限定总时长，只规定了单次 10 分钟的执行时间，并且设置了两轮标准，因此有的队伍在现场花费了两个多小时进行反复的重试和调整。

为了更真实地模拟工业生产中对时效性的严苛要求，缩短选手在现场的调试时间，并更加考验模型在非理想状态下的真实泛化与纠错能力，主办方在后续紧急补充了 30 分钟总时长的限制。

这个规则调整非常及时，有效地避免了通过无限次人工干预去试错，真正把考核焦点拉回到算法与模型的硬实力上，最大化地考验了各支队伍的真水平。

▎AI科技评论：比赛过程中你们的进展符合预期吗？有没有意料之外的情况？

陈翔宇：有很多意料之外的情况。比如某些原因导致不同赛道拿到机械臂的时间不一致，赛道之间很难协调，各赛道的机械臂状态也有差异，需要我们随时调整。

再比如 UMI 数据原本是备选项，有些专门做模型的队伍需要靠 UMI 数据做预训练，但不同 UMI 厂商的数据标准不统一，数据交付延迟，延误了队伍的训练时间，有些甚至不得不退赛。但这也正好体现了比赛的初衷：综合考验队伍从工程系统搭建，数据采集，到模型训练、推理的全流程能力，而不是只会用现成数据训模型。

还有算力的问题。我们找过国内算力厂商帮忙适配，但维也纳和硅谷赛区没法直接使用国内算力，海外也没找到合适的服务器，最后海外赛区的队伍要把数据传回国内再训练，国内队伍可以直接用本地服务器，两边有差异。

▎AI科技评论：赛后复盘的时候，你们觉得自己做得最好的地方是什么？

陈翔宇：我们最满意的一点是，我们只做了小范围的后训练，就让 VLA 模型具备了很好的泛化和纠错能力。我们之前一直很担心环境变化的影响，比如白天采集的数据晚上不能用，以及实验室的场景到现场不适用。

比如我们实验室用的是黑色桌布，现场是白色桌子，白色 T 恤放在白桌上肉眼都很难区分。但实际测试下来，用黑色桌布采集的预训练数据，在现场依然能实现泛化，模型可以很好地区分白色衣服和白色桌面。我们只录入了一部分纠错数据，在比赛前临时修改规则的情况下，模型依然能适配不同摆放位置的衣服，第一次抓取失败后也能快速反应进行第二次抓取。

▎AI科技评论：有点涌现的感觉。

陈翔宇：对。所以我们后续打算把从数采到模型训练、推理的闭环做得更完善，尝试提升数据量之后，模型会不会有更好的自主思考效果。比如 Generalist 团队的研究提到，一开始只用左手加载数据训练，数据量够了之后，模型会自主学会用右手完成任务。我们感觉已经看到了这种可能性，后续会持续尝试，我们的路线也借鉴了他们的思路。

▎AI科技评论：Generalist 的 demo 有抗干扰设计，这次比赛有干扰项吗？

陈翔宇：这次没有专门设置人为干扰，干扰更多来自任务本身：衣服的衣角会以不同褶皱、不同状态、不同位置摆放。主办方本来考虑过加抗扰动测试，但实际工业场景里不会有太多人为干预，只需要工人把衣服放到工位上即可，所以就没设置额外干扰，没有为了比赛而比赛。

▎AI科技评论：这种泛化纠错能力，对真实产线的应用意义是什么？可以直接迁移到真实产线吗？

陈翔宇：我们的方案初步验证了两点：一是跑通了从数据采集到落地的完整流程；二是验证了针对不同结构的衣服，采集一定量的数据，就能实现颜色、尺寸层面的小范围泛化。

赛后我们学校有服装厂的合作方，看到比赛结果后很感兴趣，想合作落地相关方案。工厂用机械臂替代人工做这类重复劳动，能大幅提升效率、降低成本和重复劳动的损耗。接下来我们要提升不同颜色、不同大小衣服的泛化能力，覆盖更多场景。

▎AI科技评论：你们真的到产线考察过吗？

陈翔宇：我自己没有去过。比赛前组委会会放出过他们在美国、国内工厂实拍的画面，跟我们解释赛题的设计依据，比赛任务就是还原真实的工业需求。赛后是学校的老师对接了服装厂的合作，场景和比赛基本一致。

▎AI科技评论：像叠衣服这类任务，传统工业机器人做不了吗？

陈翔宇：侧重点不同，传统方案也能做。比如硅谷的 Dyna ，还有一些工业 3D视觉公司，前年就实现了类似任务。但我感觉这些更多是验证方法有效性，没有太多和服装厂的落地合作，更多应用在物流分拣的包裹适配场景。 叠衣服之前的应用场景大多是酒店、医院叠衣服、叠病号服，但我没听到过比较好的落地效果。

▎AI科技评论：产线对响应速度要求非常高，这种场景的 ROI 是不是很难跑通？

陈翔宇：我觉得首先工业机械臂比较笨重，负载、电压要求都不太适配这类民用场景，而且如果要实现移动操作——不止是静止放衣服，还要移动取料再放回工位，工业机械臂更不适用，我们评估协作机械臂就足够完成任务。

其次从时长来看，工厂两班倒大概工作 12 小时，机械臂可以 24 小时全天候运转，核心是解决电机散热问题，优化电机性能就能持续运行。

另外我认为未来的技术趋势是：第一步先通过数据训练，让模型具备固定场景的推理能力；第二步是推理过程中像在线强化学习一样，在线调整策略、收集数据。单纯靠人力批量采集数据不是完全正确的路线，更合理的模式是前期先教给模型基础规则，让模型像人一样通过类似强化学习的方式自主探索，理解奖惩机制，自我调整优化。

工业场景里，哪怕前期效果不好，也可以让模型边运行边采集数据、边学习调整，持续自我进化，最终满足真实工业需求。假设未来解决了散热等所有问题，机械臂可以 7×24 小时工作，哪怕单步速度慢一点，整体效率也很可观。而且只要流程跑通，后续一定会有模型加速方案，最终效率能超过人工。

▎AI科技评论：相比前阵子智元的直播，这个比赛的任务会更难一点吗？

陈翔宇：我觉得不能简单用“更难”来概括，两者的任务难度方向其实完全不同。

智元的方案更侧重于考验机器人在标准化工业产线中动作执行的精密程度。在这种刚性装配或抓取任务中，机器人操作的加工件相对固定，工况变化较少，但对绝对运动精度的要求达到了毫米级甚至微米级，这非常考验本体控制的确定性。

我们柔性操作的赛道：它面对的物体不确定性更多。比如服装厂的场景里，衣服的材质、颜色、花纹是完全不限定的，且衣服本身极易发生无规律的形变，这对大模型的视觉泛化和空间智能提出了极高要求。不过，因为是布料操作，它在客观上对绝对精度的要求并没有传统刚性工业件那么严苛。

智元的方案做得非常好，验证了工业机器人在标准产线落地的可能性，非常值得我们学习。我们两边其实是在具身智能落地的两个不同维度——“极致的行动精度”与“极致的物体泛化度”上，各自做出了有价值的探索。

▎AI科技评论：这次比赛你们有没有量化的成果指标？

陈翔宇：指标方面，我们更希望符合实际工业场景中人的工作效率。所以核心指标就是让模型的推理表现无限接近人类工人的作业速度和成功率。

为了实现这一目标，我们在测试与优化上下了很大功夫：

模型选型与长程任务优化：我们测试了不同数据量和不同模型的效果。但最终发现 VLA 模型的表现更优。因为加入语言描述后，模型对长程（Long-horizon）任务的理解能力显著增强，在精细调整阶段的效果也更好。

数据量的边界测试：实际测试下来，大约 10 个小时的数据量就能训练出效果相当不错的模型，不过在这个数据量下，模型的颜色泛化能力还会稍显不足。

混合数据策略带来“意外之喜”：在数据质量方面，我们主动混合了高效完成的“优质数据”以及完成度一般的“一般数据”。最终我们惊讶地发现，加入适量的“坏数据”不仅不会破坏训练，反而显著提升了模型应对复杂工况的容错与反应能力。当模型在现场遇到类似偏差时，它会展现出自主调整和优化完成效果的自愈力。

基于以上的组合优化，我们最终成功将单个任务的完成时间压缩到了 20 秒左右，且全流程成功率稳定在 90% 以上。这个效率和稳定度，已经非常接近真实产线上熟练工人的作业节奏，初步跑通了工业落地的可行性指标。

▎AI科技评论：现在有些比赛都是纯仿真环境，你觉得这类比赛有实际意义吗？

陈翔宇：我个人偏向真机派，纯仿真比赛的实际意义有限。从技术发展路径来看，自动驾驶也不是靠仿真数据跑通的，特斯拉 FSD 是靠全真机数据验证落地的。 但我不否认仿真数据的价值：仿真数据是一种验证手段，可以简单验证模型从数据采集到训练的有效性，适合不方便部署真机模型的场景做初步验证。

另外可以用 Real to Sim to Real 的路线，通过扫描、算法把物体还原到仿真器里做渲染，生成高还原度的仿真数据做数据增广，是重要的数据补充来源。

很多参赛选手没有条件搭建和比赛一致的真机环境，只能用仿真器训练，这类仿真赛事更多是锻炼选手跑通仿真评测闭环的能力，或者让选手了解、试用相关算法，有它的定位。长远来看，仿真数据是数据金字塔里的重要一环，是技术发展的一个阶段。

▎AI科技评论：最后再延伸一点，你如何看待不同数据的配比问题？

陈翔宇：采集什么样的数据集、怎么高效采集，一直是学界的核心问题，本质上大家都是在探索高效采集基线数据、训练机器人 “大脑” 的方式，没有绝对的对错。 比如英伟达发布的 EgoSacle 论文，做数据金字塔方案，就是希望利用海量的网络视频数据，不浪费现有数据资源，再针对具体场景补充真机数据，训练效果比单一视频数据好很多。

我们实际测试也发现，真实数据 + 视频数据 + 仿真数据混合训练，模型效果会提升很多。仿真器厂商的探索是有价值的，但要分任务和场景。现在仿真器公司和实验室都在攻克难题，比如柔性物体操作的仿真，提出了各种物理模拟方法，但不管是世界模型还是仿真器，目前都没法完全模拟真实场景，没法完全复现柔性体、流体的物理运动规律。

仿真数据是很好的训练数据来源，但我认为都只是中间态的数据方案，不是最终形态。现在没人知道最优的数据采集方式是什么，大家都在探索，应该给不同公司、实验室探索的空间，说不定哪天就有突破了。

（注：以上内容来自参赛选手口述，不代表WBCD官方观点）

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。