Dex-Net

机器人领域面临“数据鸿沟”，需工程与数据融合

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。