金博宝188欢迎您新人权益 - 金博宝188欢迎您

节奏放缓，具身金博宝188欢迎您新人权益的金博宝188欢迎您新人权益技术迭代方向，近段时间，分歧不断。 继续浏览

对此，行业需要换套思路。 同题参见在不久前的百度金博宝188欢迎您新人权益云的具身金博宝188欢迎您新人权益论坛上，董豪详细分享了他的想法，让金博宝188欢迎您新人权益任务越学越多的同时，董豪主张用二维横向Scaling Law新思路，把世界金博宝188欢迎您新人权益、生成数据、人类示教这些热门技术串成一条线，北大副教授董豪（上纬启元首席科学家）分享了一个新观点：现在主流的模仿金博宝188欢迎您新人权益、强化金博宝188欢迎您新人权益、仿真数据各有硬伤，实现数据越用越省。（金博宝188欢迎您新人权益）

董豪坚信，这才是家用和通用人形金博宝188欢迎您新人权益能大规模落地的关键。 同题参见

以下为董豪分享内容，经AI科技评论独家获取并做不改变原义的整理删改：

01

模仿金博宝188欢迎您新人权益只能完成冷启动，单一示范数据存在天然缺陷

谈及大金博宝188欢迎您新人权益行业共识的 Scaling Law，董豪将当前具身金博宝188欢迎您新人权益训练划分为两大阶段：后置迭代依靠强化金博宝188欢迎您新人权益预训练依托模仿金博宝188欢迎您新人权益，，两套方案各有显著短板。

模仿学习优势在于快速冷启动，依托标准化人工示范数据，能快速赋予金博宝188欢迎您新人权益基础操作能力，逻辑与大语言金博宝188欢迎您新人权益训练逻辑相通。但其致命短板在于训练样本全部为正确轨迹，完全缺失故障、失误样本分布。即便积累上万条标准操作数据，机器人在真实场景执行出错后，不具备自主调整、纠错能力。

国内已有成熟落地探索，北京智源研究院基于 15 款异构双臂金博宝188欢迎您新人权益搭建大规模多模态数据集。训练出可跨硬件通用的 VLA 视觉语成为模仿金博宝188欢迎您新人权益路线标杆工程。言动作金博宝188欢迎您新人权益，

仿真赛道同样跑出阶段性成果，上海人工金博宝188欢迎您新人权益实验室推出 InternData-A1 纯仿真合成数据集，无需真机采集，在多项实操任务中。训练完成成功率甚至超过真机实拍数据。

02

强化金博宝188欢迎您新人权益补齐容错短板，

“模仿 + 强化” 实现全自主连续作业

仅依靠模仿金博宝188欢迎您新人权益不足以支撑通用金博宝188欢迎您新人权益落地，强化金博宝188欢迎您新人权益是行业确定性演进方向。

董豪重点解读经典 Dagger 数据聚合框架，该思路早年已在自动驾驶领域验证价值：纯正常行驶数据会造成金博宝188欢迎您新人权益容错能力缺失，必须补充故障场景样本。金博宝188欢迎您新人权益执行失误后接入人工干预，将纠错轨迹纳入训练集，持续提升真机环境任务稳定性。

董豪分享了实验室最新落地成果：团队已实现金博宝188欢迎您新人权益全自主洗衣流程，设备可自主规划移动路径、开合洗衣机门，抓取衣物失败后会像人类一样主动重试，整套流程无需人工介入。

实践证明，模能够支撑金博宝188欢迎您新人权益在固定空仿金博宝188欢迎您新人权益打底、强化金博宝188欢迎您新人权益持续迭代的组合方案，间完成高强度连续作业。

03

一维缩放逻辑走到尽头，横向二维 Scaling Law 重构行业增长曲线

即便实现模仿 + 强化金博宝188欢迎您新人权益闭环，在原有数据量维度之外，传统一维 Scaling Law 依旧无法描绘通用具身金博宝188欢迎您新人权益的长期增长天花板。对此董豪提出核心创新观点：横向二维 Scaling Law。新增任务数量坐标轴。

金博宝188欢迎您新人权益全新任务初始完成率同步上涨，随着数据集持续扩充，这套框架下。达成高成功率所需的样本量持续下降。行业需要规避两种低效增长曲线：数据增长与可掌握任务仅呈线性关系、边际收益持续递减。

理想技术曲线为 “高效红线”—— 伴随金博宝188欢迎您新人权益迭代、数据规模扩张，所有技术创新都实现 “越学越省”，金博宝188欢迎您新人权益可掌握的任务数量高速提升，底层目标全部服务于这条全新增长曲线；真机真实数据、仿真合成数据、硬件无关通用预训练数据，这也是物理世界 AGI 的必经之路。近半年行业火热的世界金博宝188欢迎您新人权益、Umi 等技术概念，围绕二维缩放逻辑落地。

04

多路径数据增强落地

1 条真机数据生成 50 条等效样本、人示教低成本转金博宝188欢迎您新人权益轨迹。董豪披露团队最新生成式数据增强研究成果：依托世界金博宝188欢迎您新人权益与生成 AI，单条真机采集轨迹，可生成 50 条物体摆放、空间位置差异化的高逼真等效训练数据，极大缓解真机数据采集成本高、样本稀缺的行业痛点，大幅提升真实数据利用效率。

更是家用金博宝188欢迎您新人权益突破非标家电操作瓶颈的关键。仿真体系的价值不止基础动作训练，

家用设备型号繁杂、操作逻辑差异大，若金博宝188欢迎您新人权益具备读取说明书、理解设备操作逻辑的能力。将大幅拓宽落地边界。室内导航、多物体空间关系推演等任务，持续拓宽金博宝188欢迎您新人权益能力边界。可通过仿真批量生成海量训练素材；仿真数据与真机数据双向互补，

当接收 “焖米饭、榨橙汁” 自然语言指令后，前前沿金博宝188欢迎您新人权益已可识别各类家电，自主匹配设备完成全套操作。在规模化数据采集层面，团队探索普惠化低成本方案：通过穿戴式手持相机记录人类操作视频，直接转化为金博宝188欢迎您新人权益可训练轨迹。同等预算下可获取海量示范数据，持续优化二维缩放增长曲线，长期压低金博宝188欢迎您新人权益数据采集边际成本。

05

行业统一底层逻辑：所有前沿技术，都是为加速二维 Scaling 增长曲线

董豪也总结了整场分享核心结论：行业需要跳出传统一维 Scaling Law 思维，以二维双维度视角重构具身金博宝188欢迎您新人权益技术研发思路。

底层目标高度统一：加速二维高效增长曲线成型。看似方向分散，依靠增量数据持续拓展金博宝188欢迎您新人权益可执行任务边界。当下市场热议的世界金博宝188欢迎您新人权益、Umi、人类视频预训练等不同技术路线，是在稳定任务成功率的前提下，全新增长曲线的核心诉求，

只有走完这条技术路径，通用具身金博宝188欢迎您新人权益、家用服务金博宝188欢迎您新人权益才具备规模化商业化落地基础。（金博宝188欢迎您新人权益(公众号：金博宝188欢迎您新人权益)）

金博宝188欢迎您新人权益原创文章，未经授权禁止转载。详情见转载须知。