English(EN) Robots Don’t Read The Internet

机器人难以弥合与大型语言模型相比的现实世界数据差距

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-19 16:06

与受益于互联网浩瀚数据的生成式AI不同，物理AI的发展目前受到现实世界训练数据缺乏的瓶颈。公司正试图通过大规模远程操作农场（人类在其中通过重复性任务操控机器人）和先进的模拟来弥合这一差距。然而，模拟仍然难以复制现实世界环境的复杂性，导致机器人在干净、预设演示中不存在的边缘情况下失败。 AI

影响由于现实世界训练数据的稀缺，物理AI的发展面临重大障碍，可能比语言模型更慢地被采用。

排序理由文章讨论了物理AI发展的挑战和局限性，并将其与生成式AI进行了对比，但没有宣布新产品或研究突破。

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Commentary; 文章讨论了物理AI发展的挑战和局限性，并将其与生成式AI进行了对比，但没有宣布新产品或研究突破。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: infra, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 74 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

Forbes — Innovation TIER_1 English(EN) · Robert J. Szczerba, Contributor · 2026-06-19 16:06

机器人不读取互联网

Generative AI had the web to train on. Physical AI has to earn its data in the real world, one grasp, slip, and failure at a time.