机器人行业正面临数据瓶颈，这与大型语言模型（LLM）之前遇到的挑战如出一辙。虽然大语言模型受益于互联网上大量现有的数据集，但物理人工智能系统需要来自现实世界交互的数据，而这些数据在数字化方面要复杂得多。NVIDIA 等公司正在大力投资模拟基础设施，Jim Fan 认为计算能力的提高可以生成更多的环境，而这些环境又可以作为训练数据。然而，与大语言模型可用的 Common Crawl 数据集不同，创建逼真的模拟以及缺乏全面的、互联网规模的物理人工智能数据集仍然是一个重大挑战。 AI
影响 强大的模拟环境的开发对于推进机器人技术和具身人工智能至关重要，有可能加速其在现实世界中的应用。
排序理由 该条目是一篇讨论行业趋势和挑战的观点文章，而非直接的公告或发布。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
