机械荟萃山庄

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
查看: 72|回复: 0

Altman已解散OpenAI 人形机器人团队!

[复制链接]

3万

主题

3万

帖子

23万

积分

超级版主

Rank: 8Rank: 8

积分
237976
发表于 3 天前 | 显示全部楼层 |阅读模式



该团队成立仅4个多月!
       
5月底他还高调发推“OpenAI Robotics is hiring”,喊着要做对人类有用的机器人、长期人人都有专属机器人……
       
结果才过了4个多月就叫停独立团队,人员直接并入常规模型训练!

因为今天的transformer模型是计算上下文,只适合用于字符的世界,在文本,编程等方面表现良好,但不适用于物理世界。
一到机器人问题不可能让大模型抽卡,agent也无法完美解决。
文本世界里策略失败可以重采样一百次,代价趋近于零,失败模式是可枚举的。物理世界里失败一次可能撞坏末端执行器,可能伤人,失败模式是连续且无穷的,你没法用采样去覆盖。agent 在文本 domain 里所谓的 "不完美",本质上是被低重试成本兜住了;到了物理世界这层兜底不存在。
所以关键要先解决大模型底层的分层方向锁定,真要做适应物理世界的模型,基本上是从0开始做个新东西。作为资本家,这显然是极高风险的事情。
多模态Token再怎么做自回归,也算不出纳秒级的真实接触力反馈和传感器非线性噪声。
物理世界的阻尼和摩擦,从来不是靠单纯把参数Scale-up就能顿悟出来的。

物理世界的解析模型不是没有,是有一百多年了:刚体动力学、Hertz 接触、Coulomb 和 LuGre 摩擦、传动链刚度、谐波减速器的柔轮弹性与回差,这些都是现成的先验。缺的不是定律,是参数和参数随工况的漂移率。所以工程上正确的路线不是扔掉物理重建一套,是解析骨架加学习残差:解析模型吃高频、负责稳定性和可解释性,学习模型只做参数辨识和未建模动力学的补偿。可微物理、神经 ODE、PINN 这些方向本质上都是在干这件事。

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|小黑屋|手机版|Archiver|机械荟萃山庄 ( 辽ICP备16011317号-1 )

GMT+8, 2026-11-19 21:10 , Processed in 0.057781 second(s), 20 queries , Gzip On.

Powered by Discuz! X3.4 Licensed

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表