具身智能仅靠互联网无法学习；原因如下 👇

互联网让 AI 能够获取海量信息；图像、视频、文本、指令、技术文档等。
然而，一个机器人可以把所有这些都消化掉，仍然会在诸如拾起一个不熟悉的物体这样简单的任务上举步维艰。原因很简单：了解物理世界不同于亲身体验它。
一段视频可以展示一个人抬起玻璃杯，但它并不能充分呈现抓取所需的压力、受力与重量的分布、当玻璃杯开始滑动时做出的微小调整，或是放下它而不造成损坏所需要的力量。这些决策都是通过交互完成的。
物理智能是通过行动与后果之间的关系而建立的。机器人需要移动、观察发生了什么、感受阻力、调整动作、犯错，并从结果中学习。互联网可以向机器人展示一扇门的样子，但真实世界的交互会教会它：当门很重时门会怎样“有分量”，门把需要多大力，铰链僵硬时该怎么做。
这就是视觉知识与具身智能之间的鸿沟，因此 @InvLambda 专注于构建基础设施，把人类操作员与物理机器人通过远程操控连接起来。人类的行动提供了缺失的体验层：移动、灵巧操作、空间判断、控制输入，以及对不可预测的物理状况的反应。
通过这些交互，系统能够收集丰富的多模态数据，而仅靠互联网规模的数据集无法单独提供这些数据。
互联网让 AI 获得关于世界的信息，但真实世界的交互让具身智能在其中获得体验，而这种体验正是让智能得以超越屏幕，进入物理世界的原因所在。
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach