具身智能领域的领军科学家罗建兰认为，该领域不应仅仅复制大型语言模型的规模法则。他强调了闭环系统的关键需求，即真实世界的部署持续将数据反馈给训练。罗指出，当前具身模型的“预训练”由于缺乏高质量、多样化的真实世界交互数据，更像是中期训练或微调。他提出了三个关键技术支柱：用于可扩展在线后期训练基础设施的SOP，用于部署中学习和持续进化的LWD，以及用于预测性基于物理的动作选择的τ0-WM世界模型。 AI
影响 具身智能的发展需要从类似LLM的规模化转向真实世界部署反馈闭环，以取得真正进展。
排序理由 文章讨论了具身智能的新颖研究和技术提案，包括该领域领军科学家提出的SOP、LWD和世界模型（τ0-WM）等新概念。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
