Sergey Levine
PulseAugur coverage of Sergey Levine — every cluster mentioning Sergey Levine across labs, papers, and developer communities, ranked by signal.
-
机器人公司探索机器人“教育”新模式，超越受控环境
机器人行业面临一项重大挑战：如何让机器人在实际的、真实世界的任务中接受教育，而不仅仅是在受控环境中进行演示。Sielo Robotics 开发的一个框架概述了机器人教育的四种模式：“学校”模式，即由人类创建课程；“实验室实践”模式，涉及大量的模拟和测试；“提前毕业”模式，将机器人部署在容错环境以从现实世界的使用中学习；以及“学徒制”模式，即机器人通过监督任务进行学习。Boston Dynamics 等公司展示了即使是排练过的程序也存在…
-
陆明推出NexCore平台，助力具身智能在工业领域规模化应用
陆明开发了NexCore平台，旨在解决具身智能在工业环境中规模化应用的挑战。该平台通过创建数据收集、模型训练和技能生成的闭环系统，致力于弥合演示效果与实际生产线应用之间的差距。NexCore专注于将真实的工业需求转化为可复用的机器人技能，从而使机器人在动态制造环境中能够持续学习和适应。这种方法旨在克服一次性项目部署的局限性，并促进具身智能更具可扩展性的生态系统。
-
智元机器人首席科学家罗剑岚已从公司官网移除 · 1 source tracked
智元机器人 (Agibot) 已从其官网的合伙人名单中移除首席科学家罗剑岚。罗剑岚于2025年4月加入Agibot，担任合伙人、高级副总裁兼首席科学家。他的离职是在社交媒体传出谣言之后，并且在Agibot确认其在香港联交所上市流程后不久。罗剑岚的研究重点是机器人学习、现实世界强化学习和具身智能。
-
具身智能需要真实世界闭环，而非仅仅LLM规模法则
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。
-
专家警告：走红的人形机器人演示误导了其真实世界的能力
尽管病毒式传播的视频展示了令人印象深刻的人形机器人能力，但专家警告说，这些演示常常掩盖了重大的局限性。研究人员强调了精心策划的演示与现实世界可靠性之间的差距，并指出机器人很难在各种条件下泛化技能。尽管在实现人类水平的适应性方面存在实际挑战，但公司可能会利用人类拟人化这些机器人的倾向来吸引投资。