加州大学伯克利分校教授Ken Goldberg指出，与大型语言模型相比，机器人领域存在显著的“数据鸿沟”。他提到，当前机器人操作数据相当于人类阅读几年的量，而大型语言模型则相当于10万年。Goldberg认为，尽管规模法则推动了大型语言模型的进步，但对于具身人工智能而言，仅仅依赖数据可能是一种误导。他提出，将传统的工程原理（如鲁棒的系统架构和物理建模）与数据驱动的方法（如视觉-语言-动作（VLA）模型）相结合，对于推动机器人技术的发展至关重要。 AI
影响 强调了在机器人领域，工程与数据并重的重要性，暗示了可能从纯粹数据驱动方法向其他方法转变的趋势。
排序理由 该集群讨论了一位教授对机器人数据和方法论现状的观点和分析，而非新产品发布或新产品。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
