跳到主要内容

把桌上的红苹果给我 — 夹爪合拢那一刻苹果滑了,然后呢

这一章讲三件事: 为什么「三岁小孩会的事」对机器最难,以及经典的感知-规划-控制三根柱子在哪里失灵; 给 AI 装身体的全套零件——视觉-语言-动作模型、动作的三种表示法、世界模型(先在脑内预演结果的内部模拟器)、仿真与触觉; 物理世界的规矩:没有撤销键,所以安全、可靠性和「人在旁边」是绕不过去的底线。

它在全书链条里的位置: 本章回收两条旧线:第 19 章「坐标这一步在第 24 章还有一个对照」——鼠标的坐标在这里换成关节的角度; 软件那一侧的五条路见第 20 章——本章讲硬件世界里同样那道指数衰减题怎么解。

1. 大象不下棋​

章题是个悖论的名字:对计算机来说,下棋、算题、写证明这些成年人觉得「高级」的事反而容易; 而走路、抓杯子、收拾桌面这些三岁小孩会的事,却难得要命——这就是摩拉维克悖论1。 原因不在题目,在资历:后者靠的不是几条规则,是几十亿年演化打磨出的感知、平衡、触觉和运动控制1。

背景是一碗冷水:前面各章的 AI 主要生活在数字世界——它没有手,没有身体, 不知道「重」和「冷」是什么感觉2。 而人类婴儿在两岁前靠抓东西、摔跤学会的物理常识(杯子倒过来水会洒、硬物落地会弹), 至今没有被任何 AI 系统完整掌握3。 具身智能的核心想法由此而来:要让 AI 有扎实的物理常识, 它很可能需要身体,或者至少需要与物理世界足够真实的互动4。 书里同时给了防忽悠疫苗:这一轮升温里有真实工厂测试,也有精心剪辑的发布会—— 机器人不是 ChatGPT 装上轮子,物理世界会用摩擦、重力、碰撞和长尾意外给每个模型上课5。

2. 经典机器人学的三根柱子​

传统机器人学(1960 年代到 2010 年代)立在 three pillars 上6:

柱子干什么经典做法
感知用传感器理解环境摄像头、激光雷达、力传感器 + 几何物理原理
规划找出到达目标的动作序列搜索算法、运动学、动力学
控制让实际动作贴合规划反馈控制、误差修正、抖动抑制

这套框架在结构化环境(工厂流水线、仓库、手术台)工作得非常好,因为物体位置和任务流程可预测; 到了非结构化环境(你家、街道)就力不从心——环境复杂、物体多样、任务开放, 规则根本写不完7。这六个字你应该眼熟:第 01 章开头,让机器认猫也是败在同一堵墙上。

早期明星 Shakey(1960 年代)代表了「先看清世界、再做完整计划、最后执行」的优雅路线, 但它常被现实打断:刚规划好,门被人关了;刚伸手,杯子滑了;刚识别出香蕉,猫把它叼走了8。

3. 接触是一场临时谈判​

常被低估的难点叫接触。聊天机器人说错一句话,改掉就行; 机器人手指碰到杯子的那一刻,摩擦、弹性、惯性、微小滑动全都来了9。 书里的比方精准得可以直接引用:接触不是一个光滑的数学题,而像一场临时谈判—— 手说「我要抓你」,杯子说「我可能会滑」,桌子说「别把我也掀了」9。 这就是为什么抓取、插拔、折叠、拧瓶盖看起来简单,实际却很难。

4. 视觉-语言-动作模型:把「看听说」扩到「做」​

学习方法怎样进入机器人?2020 年后三件事凑齐10:仿真到现实的迁移技巧成熟; 大规模人类演示可以喂给机器人;以及最重要的一条——预训练加微调的范式从语言领域搬了过来。 后者长成的形状叫 VLA(视觉-语言-动作模型),核心想法一句话: 把大语言模型(看听说)扩展到能输出机器人动作——输入是摄像头画面加一句 「把桌上的红苹果给我」,输出是下一步的关节角度或夹爪位姿,全部塞进同一个大神经网络11。

它最关键的洞察是把两种知识分了账12: 世界知识(什么是苹果、什么是红色、什么是左边)来自互联网的海量文字图像, 规模以万亿词元计;操作技能(怎么弯手指、怎么保持平衡)来自机器人演示, 只有几百万条轨迹——两者差好几个数量级。 VLA 让机器人不必从零学「世界是什么」,直接从大模型借,再专心学「动作怎么做」。 书里同时把话说实:VLA 远处理不了「任何」语言任务, 但用语言给机器人下任务这个接口已经被打通13。

5. 动作怎么表示:三种切法​

图像是像素、语言是词元,动作是什么?这个选择直接决定精度、速度和可学性14:

表示法思路强项弱点
动作词元化每个关节角离散成 256 个格子,一步动作 = 一串「词」完全复用语言模型架构精度被格子数卡死,逐词预测慢
动作分块(一次预测未来一整段动作)比如 50 步一起出误差不累积、多步协调流畅、推断频率低—
扩散动作头把动作看成连续分布,从噪声生成能表达「多解」—

分块的好处值得展开一句:写字、倒水这类必须多步协调的动作,一次性规划好比每步临时决定流畅得多15。 扩散动作头则治另一种病:同一情况下可能有好几种合理做法——绕到障碍物左边或右边都能过去; 扩散能自然建模这种「多解」,而普通回归只能给出一个「平均答案」,结果就是谁也学不像16。 更新的流匹配路线(第 21 章提过的「快速亲戚」)直接学一个速度场,生成更快, 2024 年的 π0 已用它做高频连续控制17。 选型没有统一答案:精细长序列用分块加扩散,需要和语言强绑定用词元化,简单动作用连续回归头18。

6. RT 系列:站在大模型肩膀上​

Google 的 RT 系列定义了这个范式的许多地基19。 RT-1(2022):13 台机械臂、17 个月、约 13 万次演示、700 多种任务; 模型只有约 3500 万参数,但「把可乐罐搬到餐巾上」这类自由的自然语言指令直接喂进去就能执行—— 「自然语言是机器人接口」第一次变得有说服力20。 RT-2(2023):不从零训练,从已训好的视觉-语言模型出发再微调。 标志性演示是听懂「把灭绝的动物拿起来」——模型推断出恐龙玩偶是灭绝的动物,伸手去拿; 训练数据里从没专门出现过「恐龙」,这个常识是从预训练借来的21。 书里随之给出的警句要划重点:语言模型继承来的常识有时是纸面常识, 到了真实桌面上,还得接受物理世界的考试22。 RT-X(2023–2024):34 家机构把 22 种机器人的约 100 万条轨迹汇成开放数据集, 让同一策略能跨硬件迁移——没有它就没有后来那批通用策略23。

7. π 系列:通用机器人基础模型的野心​

2024 年 10 月发布的 π0 把「大脑 + 小脑」做成了架构24: 视觉-语言骨干(约 30 亿参数)负责慢思考——看懂画面和指令; 动作专家(约 3 亿参数)负责快反应——用流匹配每秒生成几十次动作。 训练后同一个模型能叠衣服、叠毛巾、整理餐具、组装纸箱、擦桌子—— 书里的判词:机器人策略开始从「一事一训」走向「一模多用」25。 叠衣服是最出圈的演示,也是公认难题:衣服柔性、形状不定、会皱、要多步协调26。 后续的 π0.5 走向「换个地方也能做」:在陌生公寓里听懂「把脏碟子放进水槽」; 成功率还谈不上放心,但书里给了个传神的及格线—— 家庭机器人最难的不是在样板间里叠一次衣服,而是在你家那个椅子永远不在原位、 袜子永远找不到另一只的环境里还能不崩溃27。

开源与中国力量同步在场28:开源 VLA 让实验室和小团队拿得到入场券; 伯克林的 Octo 主打灵活适配不同机器人的接口;清华团队的 RDT-1B 用扩散 Transformer 做动作头, 主打双臂精细操作、贴近本土硬件;Figure 的 Helix 用「慢而强的系统 2 + 快而专的系统 1」双架构。 看这些演示时,书里教了一记防身术:最好在心里默默问一句——失败样本在哪里?29

8. 主走查:把桌上的红苹果给我​

现在把全章零件装到一句指令上30:

  ① 看:摄像头拍下桌面;画面被切成视觉词元,连同指令
     「把桌上的红苹果给我」一起进入 VLA 模型
  ② 想与算:模型一次输出未来 50 步的动作块
     ——七个关节的角度变化加夹爪开合,每维一路数值
  ③ 做:前几步动作下放到电机,手臂移动,夹爪对准苹果合拢
  ④ 滑了:苹果表面比训练时更光滑,夹爪力道不够,苹果在指间一滑
     ——传感器读到力与位置的偏差,新画面回传,进入下一圈闭环
  ⑤ 调整:模型从「抓空」的新状态重新规划,加大力道或换角度,再合拢一次

这张图看的是 VLA 的完整闭环:动作改变环境,新观察回传模型——和第 19 章的「想-做-看」 同构,只是「做」这一拍从调用工具换成了驱动关节。 第 ④ 步那一滑,牵出两个专门的话题,就是接下来两节。

9. 夹爪合拢那一刻苹果滑了​

为什么这一滑这么难接?因为人手的那个本能,机器人没有现成的: 人能摸到杯子快滑了、立刻调整力度;机器人常常要靠大量传感器和模型,才勉强补上这一本能31。 补法就是触觉——机器人的「皮肤」。

传统机器人只有眼睛没有皮肤:不知道摸到了什么、力有多大、接触面滑不滑, 所以做不了「闭着眼从口袋里摸出钥匙」这类事32。 近年触觉传感器飞跃后,能做的事清单变长了33:插 USB(靠手感找位置,视觉常被遮挡)、 拧瓶盖(感受是否拧紧)、剥鸡蛋壳(力度必须精细)、抓鸡蛋水果(捏太轻掉、捏太重碎)。 更好的消息是分辨率:新一代凝胶触觉传感器能测出接触面的三维形状, 精度到 0.1 毫米量级——比人指尖还细34。 短板照旧在数据:视觉和语言有整个互联网可以预训练,触觉数据还很稀缺, 怎么采集、怎么在不同传感器之间迁移,都是进行中的研究35。

10. 大脑与小脑:两个时间尺度​

刚才的走查里藏着一个容易被略过的数字:「想」和「动」的节拍差了千百倍。 理解「这是苹果、要递过去」可以慢;控制手指的百毫秒级反应等不了大模型36。 所以主流架构都按时间尺度分层37:π0 用 30 亿参数的骨干配 3 亿参数的动作专家; π0.5 高层计划每几秒更新一次,低层控制每几十毫秒一次——书里点破这借鉴了人脑: 你决定「去倒杯水」和控制手指抓杯,走的是完全不同的神经回路38。 更常见的工程版是云脑 + 本体小脑:云端大模型把「帮我准备晚餐」拆成步骤, 本地小模型实时执行每一步39。

11. 世界模型:先在脑子里过一遍​

人伸手拿杯子前,脑子里会先预演一下会不会碰倒书。世界模型是这件事的机器版: 一个输入「当前状态 + 动作」、输出「下一状态」的神经网络—— 机器人可以在想象里尝试各种动作、预测结果、挑最优的,不必每次都在现实里试40。

代表作 Dreamer 把大部分训练搬进了模型的「梦境」:真实机器人只提供少量数据, 策略主要在世界模型里练。它的第三版用同一套超参数训成 150 多种任务, 包括在游戏《我的世界》里从头采钻石——一个此前强化学习从未做到的长链稀疏奖励里程碑41。 这条线的意义:同样一台机器人,可以把更多练习转移到安全便宜的「脑内演习」里42。

三个用途各就各位43:想象中训练(省真机)、想象中规划(走一步想十步)、 想象中评估(新策略先在模型里跑很多遍再上线——能降低部署风险,但不能替代真实测试)。 边界同样清楚:短时间尺度(几秒)预测不错,几十秒以上会累积漂移; 训练分布内准确,陌生场景会出错44。 另一个分岔叫 JEPA(杨立昆推动):预测未来不该在像素层面,该在语义层面—— 叶子怎么动无法精确预测,但「人走了一步、杯子倒下」完全可以预测; 不浪费算力在无意义的细节上,只抓任务相关的变化45。 书里对这条线的总结给未来的合流留了位置:VLA 负责「我想做什么」, 世界模型负责「如果这么做会怎样」46。 顺带一提视频版的世界模型:从游戏视频学出可操控世界的 Genie 一族很有想象力, 但书里那句冷水面值得背走——游戏里的杯子不会真的碎,现实中的杯子会,而且碎完还要扫地47。

12. 仿真到现实那道坎​

训练机器人最大的死结是样本效率:真实机器人摔跤会坏、维修贵,一天只能采集几小时数据48。 解法是先在仿真里练:现代仿真器能以数千倍于真实时间的速度运行, 原本要训几十年的任务几天训完;很多团队让成千上万个虚拟机器人同时摔跤、爬起、再摔跤—— 真机摔一次修半天,仿真摔一万次只是显卡风扇多转一会儿49。 各家仿真器各有绝活:有的偏规模与视觉逼真,有的偏接触动力学精度(OpenAI 训练魔方机械手用的就是它), 有的主打多物理统一,有的专注抽屉柜门这类关节物体50。 但书里立了条规矩:仿真越快越好,快不等于真——如果仿真里的毛巾像木板一样听话, 机器人在现实里叠衣服还是会被现实教育51。

13. 域随机化:在天天换地板的训练馆里练​

填平仿真与现实的沟,主力技巧叫域随机化:在仿真里故意让纹理、光照、摩擦、重量、 传感器延迟大范围随机变化,每一次仿真都抽一组新参数——学到的策略被迫对变化鲁棒(怎么变都照常工作), 也就更容易在真实世界存活。OpenAI 那个还原魔方的著名工作随机化了数百个参数,机械手直接上了真手52。

周边还有一排辅助招式53:残差策略(仿真学基础策略,真机只学一个小修正量,几百条真机数据就够); 数据混合(仿真提供量、真实提供质——π0 就是这么训的,真实演示是锚,仿真是海量填充); 系统辨识(先量出真机的电机常数和摩擦系数,把仿真器校准到贴近)。 实战往往是组合拳:先辨识校准,再随机化狂练,最后少量真机微调—— 公开演示里机器人能跑能跳,背后没有神奇公式,是这套组合拳在一起发力54。 运动控制里还有个漂亮招叫教师-学生蒸馏:教师策略偷看「上帝视角信息」(地形、摩擦系数), 学生策略只看传感器够得着的信息,模仿老师——像学骑车,教练最后会放手, 但你的身体已经学会了平衡55。

14. 数据从哪来​

机器人的数据没法爬网。每一条演示都需要真机或专家遥控——这正是 2023 年那套 两万美元开源双臂遥操作系统的历史功绩:操作者双手各握一只小「主臂」, 像牵提线木偶一样带动两只大「从臂」,机器人忠实复现每个动作; 它把采集一套双臂数据的成本从几十万压到几万,穿线、折毛巾这类精细任务少量演示就能学会56。 加上可移动底座后,演示视频里机器人用少量示范学会了炒虾、洗锅、用电梯—— 一度刷屏;书里随即泼水:演示视频不是商品说明书,台面、锅具、食材、光照换一换,难度立刻上升57。

这一节的经济学结论书里说得很直白:数据是最大的护城河之一。 人类写一句话很便宜,机器人倒一次水可能要一整套设备陪它练; 谁有更多、更高质量、覆盖长尾场景的演示,谁就更可能训出强 VLA58。 麻烦还在叠加:机器人数据不通用——A 机械臂的数据未必能教 B 人形,厨房数据未必适合病房59。

15. 人形为什么值得做​

工程上,人形是「又笨又诱人」的选择:两条腿能耗比轮子大,十几自由度的灵巧手比夹爪难训得多60。 那为什么还要做?答案藏在门把手的高度、楼梯踏步的尺寸、电梯按钮的位置、一盒牛奶的重量里—— 这些数字是几千年按成年人尺寸沉淀下来的默认值;我们把整个文明按自己的体型捏了个遍, 现在要让机器人进来打杂,一个很直接的办法就是让它也长成人形61。 反过来看历史更清楚:扫地机器人只能扫地,手术机器人绑在手术台上, 仓储机器人离不开二维码地板——每一种都「专为某件事设计」,换个场景难复用62。 人形的卖点不在省电不在便宜,在尽量适应已经为人类设计好的世界63。 近几年它从实验室走向量产前夜,靠的是三股潮流汇合: 电动关节和传感器降价、大规模并行强化学习让步态训练变高效、VLA 让「怎么用身体完成任务」 第一次可以数据驱动64。价格曲线同样说明问题:早期人形贵到只有国家实验室玩得起, 近年开发者版压到几万美元量级——但书里提醒,离「每家一台」还差可靠性、安全、维护、售后四座山65。

16. 物理世界没有撤销键​

现在把第 20 章的算术搬到硬件上。书里原样算了一笔:每步 99% 成功率,跑 100 步只剩 37%; 家务任务动辄几十到几百步,累积误差让完整任务的成功率很低66。 软件那一侧的五条路见第 20 章——但物理世界的版本更苛刻, 因为失败常常不可恢复:摔碎的盘子不能回滚,洒出去的热汤不能撤销。 书里那句最重的提醒值得原文收下:机器人在工厂犯错,通常是停线和返工; 在家里犯错,可能是把热汤洒到孩子身上67。

所以多layer保障层层设防68:硬件层的力限制、速度限制、柔顺关节; 软件层的异常检测、紧急停止;AI 层的不确定性估计、保守策略;法律层的责任与保险。 一条实用原则:机器人越靠近人,动作就越要慢、力就越要小、权限就越要低—— 能搬发动机的机器人,不应该在儿童房里用同样的速度挥胳膊69。 务实的过渡形态是「人类在环」:机器人做简单动作,拿不准就请求接管或确认—— 听起来不够酷,但很合理;书里给了电梯的先例:电梯刚发明时也需要电梯操作员, 等技术、标准和公众信任成熟后,人才逐渐退出70。

17. 现在到了哪一步​

把镜头拉回地面。主舞台目前在工厂和仓库:宝马工厂的人形机器人测试钣金件放入夹具, 动作不快,但完成了需要双手协调和触觉反馈的工序——一次真实产线测试, 既非舞台演示,也远未大规模上线71。家庭是真正的圣杯也是最难的: 环境非结构化、不可预测、安全门槛高,最好先按「小范围测试」理解, 而不是按「马上进千家万户」理解72。 医疗照护被寄予厚望但更现实的路线是先做搬运辅助、跌倒监测、送药送物这类低风险环节73。 最悲壮的考场是危险环境:福岛核事故后机器人进高辐射区屡屡受挫, 2015 年那场救灾机器人大赛最著名的画面不是成功,而是一个个昂贵机器在全世界观众面前摔倒, 像刚学走路的铁皮小孩——尴尬,却真实地告诉我们:灾害现场不是实验室地板74。

书里给现阶段下了一个可以原样带走的判断:剩下的那一两个百分点长尾错误 (灯光突变、摆放异常、人员干扰)正是具身 AI 的真正难关; 稳妥的路径是先结构化场景扩大试点,再半结构化服务,最后才是复杂家庭75。 伦理清单也已挂出:隐私(它看见家里所有事)、责任(伤了人谁负责)、 依赖(在机器人服务下长大的孩子会不会连基本家务都不会做)——以及那句幽默的判词: 如果每天都要你扶它、修它、重启它,它就不是家务助手,是家里新来的电子祖宗76。

18. 作者的判断与证据​

有证据的部分。 摩拉维克悖论、RT-1/RT-2 的数据规模与「灭绝的动物」演示、 OXE 数据集的 34 机构 22 种机器人、π0 的双层架构、Dreamer V3 的 150 任务、 OpenAI 魔方与域随机化、ALOHA 的两万美元成本、宝马工厂测试,均有公开出处。

要分开看的四处:

  1. 发布会与演示的水分。 书里两次点名:有的演示有遥操作成分,普通观众很难从视频分辨77; 通用的防身问题是「失败样本在哪里」29。
  2. 「机器人领域的 GPT 时刻」仍是愿景。 书内原话:检验标准不在发布会视频里, 能长期、安全、低成本地完成真实任务才算数78。
  3. 成本曲线是概念性的。 那条价格下降曲线自己注明「不是严谨报价表」79。
  4. 「具身是否 AGI 必要条件」是开放的路线之争。 杨立昆一派认为没有身体难有真常识, 反对派认为强模型可以从视频与仿真推断物理规律——书里的裁决是: 两种观点可能都对,AGI 可能有多条路径80,这个悬念留给第 27 章。

判断(我们的,不是书里的):机器人章节最该带走的不是任何一款机器,是「考试换了监考老师」。 数字世界里,模型答错扣分、重考即可;物理世界里,每一次错误都可能直接终结考试 (摔坏的设备、伤到的人、失去信任的用户)。这解释了为什么机器人领域把大量创造力 花在「不做什么」上:域随机化是提前挨打,世界模型是脑内彩排,人类在环是留一手—— 全是给「不可恢复」三个字交的保险费。 如果错,会错在: 若仿真、世界模型与快速硬件迭代把「试错成本」压到接近软件, 保险费的比喻会失准——但只要物理定律不许撤销,这份保险就不会完全退市。

判断(我们的,不是书里的):「世界知识借来的,操作技能自己练」这条分账线,是 VLA 时代最重要的资产配置表。 它等于宣布:机器人公司的核心竞争力不在「懂世界」——那是互联网数据的公共品—— 而在「懂操作」的私有数据上。这解释了本章所有奇怪的商业行为: 自建数据采集工厂、遥操作团队、两万美元开源硬件(降低全行业的采数据成本,实为做大自己的弹药库)。 如果错,会错在: 若仿真生成数据与视频学习真能顶替大部分真机演示, 数据护城河会被填平——但「长尾真实场景」的部分,恐怕仍是仿真的盲区。

19. 边界与局限​

  • 本章的「智能」全部限于操作与运动。 多机器人协作只有一段展望(通信、分工、冲突解决)81。
  • 触觉、力觉的建模细节从简。 传感器原理给了,触觉数据如何进 VLA 只到方向35。
  • 成本与时间表高度不确定。 书里拒绝给出「哪一年进家庭」式预测,我们也照办82。
  • 安全性只有框架。 力限制、急停、不确定性的具体工程,每一项都是独立领域68。
  • 伦理部分是清单不是论证。 隐私、责任、就业、依赖四题,书里如实写「没有标准答案」76。

20. 可带走的​

  1. 大象不下棋:难的从来不是「高级」任务,是三岁小孩的看家本领。
  2. 感知、规划、控制三根柱子在结构化环境够用,进了你家就写不完规则——和第 01 章认猫撞的是同一堵墙。
  3. 接触是谈判不是计算:手、杯子、桌子各有各的立场。
  4. VLA = 看听说 + 做,同一个模型;接口已经打通,「什么任务都能接」还没有。
  5. 世界知识借自互联网,操作技能只能自己练;两边差着几个数量级。
  6. 动作三种表示:切成词(复用语言模型)、一次 50 步(少累积)、扩散生成(能表达多解)。
  7. RT-2 的启示:恐龙玩偶靠的是预训练借来的常识——但纸面常识要过物理考试。
  8. π0 的分工:大脑慢而懂,小脑快而专;几秒和几十毫秒是两种钟。
  9. 主走查那一滑:触觉就是补「杯子快滑了」这个本能的传感器皮肤。
  10. 世界模型让机器人先在梦里练,Dreamer 连「我的世界采钻石」都啃下来了;但梦会漂,不能替代真机。
  11. 仿真摔一万次只费风扇;域随机化 = 在天天换地板的训练馆里练。
  12. 数据是最大的护城河:写一句话很便宜,倒一次水要一整套设备陪练。
  13. 人形的理由只有一个:世界是按人的尺寸捏的。
  14. 物理世界没有撤销键:工厂里犯错是返工,家里犯错是热汤洒到孩子身上。
  15. 越靠近人,越要慢、越要轻、越要低权限; 电梯操作员最终会退出,但不是现在。

21. 原文地图​

主题原书章原文位置
宝马工厂开场第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:8(搜「Figure 02」)· :10(搜「产线测试」)
数字世界的水土第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:15(搜「没有手」)· :19(搜「杯子」)
具身智能定义第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:21(搜「Embodied」)· :23(搜「身体」)
防忽悠疫苗第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:27(搜「宏大叙事」)· :30(搜「轮子」)
摩拉维克悖论第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:32(搜「摩拉维克」)· :35(搜「半睡半醒」)
三支柱第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:42(搜「三个支柱」)· :45(搜「规划」)· :47(搜「控制」)
结构化与规则写不完第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:49(搜「结构化环境」)· :52(搜「写不完」)
Shakey 与被打断第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:53(搜「Shakey」)· :56(搜「杯子滑了」)
大象不下棋的本文第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:58(搜「大象不下棋」)· :61(搜「地基」)
接触谈判第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:62(搜「接触」)· :64(搜「临时谈判」)
2020 年三突破第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:74(搜「关键突破」)· :75(搜「sim-to-real」)· :79(搜「预训练加微调」)
VLA 核心想法第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:85(搜「Vision-Language-Action」)· :87(搜「输出机器人动作」)· :88(搜「红苹果」)
接口已打通第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:95(搜「任何」)· :96(搜「打通」)
知识分账第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:97(搜「世界知识」)· :99(搜「数量级」)
动作词元化第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:122(搜「Action Tokenization」)· :123(搜「256 个格子」)
动作分块第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:127(搜「Action Chunking」)· :129(搜「连贯性」)· :131(搜「ACT」)
扩散动作头第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:133(搜「扩散动作头」)· :135(搜「多峰」)· :136(搜「平均答案」)
流匹配与 π0第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:139(搜「流匹配」)· :141(搜「π0」的位置以「𝜋0」检索为准)
选型无统一答案第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:146(搜「取决于任务」)· :148(搜「统一答案」)
RT-1第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:153(搜「RT-1」)· :154(搜「13 万次」)· :157(搜「自然语言是机器人接口」)
RT-2 恐龙第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:159(搜「RT-2」)· :161(搜「灭绝」)
纸面常识第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:164(搜「继承」)· :168(搜「考试」)
OXE 数据集第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:169(搜「34 家机构」)· :170(搜「100 万」)
π0 双层第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:176(搜「𝜋0」)· :179(搜「PaliGemma」)· :183(搜「慢思考」)
一模多用第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:201(搜「折叠衣服」)· :203(搜「一模多用」)
样板间及格线第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:208(搜「陌生公寓」)· :211(搜「袜子」)
π0.5 层次化第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:212(搜「层次化」)· :213(搜「每几十毫秒」)· :214(搜「神经回路」)
GPT 时刻是愿景第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:219(搜「GPT 时刻」)· :220(搜「发布会视频」)
开源与中国第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:226(搜「OpenVLA」)· :230(搜「Octo」)· :233(搜「RDT-1B」)· :238(搜「Helix」)
失败样本在哪里第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:241(搜「失败样本」)
世界模型定义第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:266(搜「World Model」)· :268(搜「代价太高」)
Dreamer 与钻石第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:277(搜「Dreamer」)· :279(搜「采钻石」)
脑内演习第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:282(搜「样本效率」)· :285(搜「脑内演习」)
Genie 与碎杯子第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:297(搜「Genie」)· :301(搜「碎」)
JEPA 预测意义第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:307(搜「JEPA」)· :311(搜「像素」)· :313(搜「抽象结构」)
三用途与漂移第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:322(搜「想象中训练」)· :327(搜「真实测试」)· :329(搜「漂移」)
VLA 与世界模型合流第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:331(搜「合流」)· :333(搜「我想做什么」)
仿真的经济学第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:490(搜「摔跤会坏」)· :492(搜「数千倍」)· :497(搜「风扇」)
各家仿真器第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:494(搜「Isaac」)· :498(搜「MuJoCo」)· :506(搜「SAPIEN」)· :511(搜「各有擅长」)
快不等于真第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:504(搜「木板」)
域随机化第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:522(搜「域随机化」)· :523(搜「随机变化」)· :525(搜「魔方」)
残差与混合第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:527(搜「残差」)· :531(搜「锚」)· :533(搜「系统辨识」)
组合拳第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:538(搜「组合拳」)· :540(搜「神奇公式」)
教师-学生蒸馏第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:664(搜「蒸馏」)· :668(搜「学骑车」)
没有皮肤第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:543(搜「皮肤」)· :544(搜「钥匙」)
触觉传感器飞跃第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:548(搜「GelSight」)· :551(搜「9DTact」)· :552(搜「0.1 毫米」)
触觉任务清单第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:553(搜「USB」)· :555(搜「鸡蛋」)
触觉数据稀缺第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:558(搜「稀缺」)· :559(搜「Sparsh」)
人手本能第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:638(搜「快滑」)· :640(搜「本能」)
ALOHA第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:584(搜「ALOHA」)· :586(搜「提线木偶」)· :590(搜「穿线」)
Mobile ALOHA 与泼水第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:594(搜「炒虾」)· :596(搜「商品说明书」)
数据护城河第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:598(搜「护城河」)· :601(搜「倒一次水」)
数据不通用第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:729(搜「不通用」)· :734(搜「还需要时间」)
又笨又诱人第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:355(搜「又笨又诱人」)· :356(搜「珠峰」)
世界按人捏的第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:360(搜「门把手」)· :362(搜「捏了个遍」)
非人形各守一摊第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:366(搜「Roomba」)· :368(搜「候选形态」)
三股潮流汇合第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:375(搜「三股技术潮流」)· :378(搜「量变到质变」)
成本四座山第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:384(搜「几万美元」)· :387(搜「四座山」)· :390(搜「数千万」)
99% 跑 100 步第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:706(搜「99%」)· :707(搜「累积误差」)
恢复能力与人在环第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:708(搜「恢复」)· :711(搜「远程监督」)· :713(搜「电梯操作员」)
安全多层第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:699(搜「力限制」)· :702(搜「儿童房」)
工厂主舞台第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:443(搜「主舞台」)· :447(搜「换班」)· :448(搜「爬坡」)
热汤与孩子第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:452(搜「小范围测试」)· :454(搜「热汤」)
照护的低风险路线第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:458(搜「跌倒监测」)· :459(搜「排不上日程」)
铁皮小孩第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:460(搜「福岛」)· :464(搜「铁皮小孩」)· :466(搜「考场」)
长尾与路径第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:469(搜「长尾错误」)· :471(搜「稳妥的判断」)
电子祖宗第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:741(搜「依赖」)· :743(搜「逐步摸索」)· :723(搜「电子祖宗」)
AGI 具身之争第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:763(搜「必要条件」)· :769(搜「多条路径」)
身体修正智能定义第14章 走进物理世界:具身智能与机器人text/15-ch14.txt:786(搜「附属品」)· :788(搜「杯子会不会倒」)

Footnotes​

  1. 出处:「第14章 走进物理世界:具身智能与机器人」第 32 至 35 段 (text/15-ch14.txt:32,搜「摩拉维克」;:35,搜「半睡半醒」)。 ↩ ↩2

  2. 出处:「第14章 走进物理世界:具身智能与机器人」第 13 至 16 段 (text/15-ch14.txt:15,搜「没有手」)。 ↩

  3. 出处:「第14章 走进物理世界:具身智能与机器人」第 17 至 20 段 (text/15-ch14.txt:19,搜「两岁前」)。 ↩

  4. 出处:「第14章 走进物理世界:具身智能与机器人」第 21 至 24 段 (text/15-ch14.txt:1,搜「具身智能」;:23,搜「身体」)。 ↩

  5. 出处:「第14章 走进物理世界:具身智能与机器人」第 27 与 30 至 31 段 (text/15-ch14.txt:27,搜「宏大叙事」;:31,搜「长尾意外」)。 ↩

  6. 出处:「第14章 走进物理世界:具身智能与机器人」第 41 至 48 段 (text/15-ch14.txt:42,搜「三个支柱」;:45,搜「运动学」;:47,搜「PID」)。 ↩

  7. 出处:「第14章 走进物理世界:具身智能与机器人」第 49 至 52 段 (text/15-ch14.txt:51,搜「力不从心」;:52,搜「写不完」)。 ↩

  8. 出处:「第14章 走进物理世界:具身智能与机器人」第 53 至 57 段 (text/15-ch14.txt:55,搜「哆嗦」;:56,搜「杯子滑了」)。 ↩

  9. 出处:「第14章 走进物理世界:具身智能与机器人」第 62 至 65 段 (text/15-ch14.txt:63,搜「临时谈判」;:65,搜「拧瓶盖」)。 ↩ ↩2

  10. 出处:「第14章 走进物理世界:具身智能与机器人」第 74 至 80 段 (text/15-ch14.txt:74,搜「关键突破」;:76,搜「随机化」;:78,搜「演示学习」;:79,搜「预训练加微调」)。 ↩

  11. 出处:「第14章 走进物理世界:具身智能与机器人」第 84 至 91 段 (text/15-ch14.txt:85,搜「Vision-Language-Action」;:87,搜「输出机器人动作」;:88,搜「红苹果」;:90,搜「同一个模型」)。 ↩

  12. 出处:「第14章 走进物理世界:具身智能与机器人」第 97 至 101 段 (text/15-ch14.txt:97,搜「世界知识」;:99,搜「几百万条轨迹」)。 ↩

  13. 出处:「第14章 走进物理世界:具身智能与机器人」第 95 至 96 段 (text/15-ch14.txt:95,搜「远不能」;:96,搜「打通」)。 ↩

  14. 出处:「第14章 走进物理世界:具身智能与机器人」第 120 至 126 段 (text/15-ch14.txt:120,搜「表示」;:122,搜「Action Tokenization」;:125,搜「同构」)。 ↩

  15. 出处:「第14章 走进物理世界:具身智能与机器人」第 127 至 132 段 (text/15-ch14.txt:128,搜「误差累积」;:130,搜「推断频率」;:131,搜「变分自编码器」)。 ↩

  16. 出处:「第14章 走进物理世界:具身智能与机器人」第 133 至 138 段 (text/15-ch14.txt:135,搜「左边或右边」;:136,搜「平均答案」;:137,搜「Diffusion Policy」)。 ↩

  17. 出处:「第14章 走进物理世界:具身智能与机器人」第 139 至 142 段 (text/15-ch14.txt:140,搜「速度场」;:141,搜「高频」)。 ↩

  18. 出处:「第14章 走进物理世界:具身智能与机器人」第 145 至 148 段 (text/15-ch14.txt:146,搜「精细长序列」;:148,搜「统一答案」)。 ↩

  19. 出处:「第14章 走进物理世界:具身智能与机器人」第 151 至 152 段 (text/15-ch14.txt:151,搜「RT」系列)。 ↩

  20. 出处:「第14章 走进物理世界:具身智能与机器人」第 153 至 158 段 (text/15-ch14.txt:153,搜「13 台机械臂」;:154,搜「700 多种任务」;:157,搜「有说服力」)。 ↩

  21. 出处:「第14章 走进物理世界:具身智能与机器人」第 159 至 163 段 (text/15-ch14.txt:160,搜「PaLI-X」;:161,搜「灭绝的动物」)。 ↩

  22. 出处:「第14章 走进物理世界:具身智能与机器人」第 164 至 168 段 (text/15-ch14.txt:101,搜「借来」;:167,搜「纸面常识」)。 ↩

  23. 出处:「第14章 走进物理世界:具身智能与机器人」第 169 至 173 段 (text/15-ch14.txt:170,搜「22 种」;:173,搜「OpenVLA」)。 ↩

  24. 出处:「第14章 走进物理世界:具身智能与机器人」第 176 至 185 段 (text/15-ch14.txt:179,搜「PaliGemma」;:180,搜「动作专家」;:183,搜「慢思考」)。 ↩

  25. 出处:「第14章 走进物理世界:具身智能与机器人」第 199 至 203 段 (text/15-ch14.txt:154,搜「多种任务」;:203,搜「一模多用」)。 ↩

  26. 出处:「第14章 走进物理世界:具身智能与机器人」第 204 至 207 段 (text/15-ch14.txt:204,搜「柔性」;:206,搜「控制律」)。 ↩

  27. 出处:「第14章 走进物理世界:具身智能与机器人」第 208 至 211 段 (text/15-ch14.txt:209,搜「脏碟子」;:211,搜「袜子」)。 ↩

  28. 出处:「第14章 走进物理世界:具身智能与机器人」第 224 至 244 段 (text/15-ch14.txt:226,搜「OpenVLA」;:233,搜「RDT-1B」;:239,搜「系统 2」)。 ↩

  29. 出处:「第14章 走进物理世界:具身智能与机器人」第 241 段 (text/15-ch14.txt:241,搜「失败样本」)。 ↩ ↩2

  30. 出处:「第14章 走进物理世界:具身智能与机器人」第 88 与 104 至 115 段 (text/15-ch14.txt:89,搜「关节角度」;:113,搜「回传闭环」)。 走查中的 50 步动作块取自动作分块一节(text/15-ch14.txt:132,搜「50 到 100 步」);第 ④⑤ 步的具体情景 是我们按书中的触觉与闭环描述合成的演示,滑与调的机制有原文依据,数值是编的。 ↩

  31. 出处:「第14章 走进物理世界:具身智能与机器人」第 637 至 640 段 (text/15-ch14.txt:638,搜「快滑」;:640,搜「本能」)。 ↩

  32. 出处:「第14章 走进物理世界:具身智能与机器人」第 542 至 545 段 (text/15-ch14.txt:544,搜「钥匙」)。 ↩

  33. 出处:「第14章 走进物理世界:具身智能与机器人」第 553 至 556 段 (text/15-ch14.txt:554,搜「拧瓶盖」;:555,搜「鸡蛋」)。 ↩

  34. 出处:「第14章 走进物理世界:具身智能与机器人」第 548 至 552 段 (text/15-ch14.txt:550,搜「0.1 毫米」)。 ↩

  35. 出处:「第14章 走进物理世界:具身智能与机器人」第 557 至 561 段 (text/15-ch14.txt:558,搜「稀缺」;:560,搜「Sparsh」)。 ↩ ↩2

  36. 出处:「第14章 走进物理世界:具身智能与机器人」第 183 与 213 段 (text/15-ch14.txt:183,搜「慢思考」;:213,搜「每几十毫秒」)。 ↩

  37. 出处:「第14章 走进物理世界:具身智能与机器人」第 212 至 216 段 (text/15-ch14.txt:212,搜「层次化」;:214,搜「神经回路」)。 ↩

  38. 出处:「第14章 走进物理世界:具身智能与机器人」第 214 段 (text/15-ch14.txt:214,搜「倒杯水」)。 ↩

  39. 出处:「第14章 走进物理世界:具身智能与机器人」第 681 至 689 段 (text/15-ch14.txt:684,搜「准备晚餐」;:687,搜「实时性」)。 ↩

  40. 出处:「第14章 走进物理世界:具身智能与机器人」第 266 至 271 段 (text/15-ch14.txt:267,搜「下一状态」;:268,搜「代价太高」)。 ↩

  41. 出处:「第14章 走进物理世界:具身智能与机器人」第 274 至 281 段 (text/15-ch14.txt:276,搜「梦境」;:279,搜「采钻石」)。 ↩

  42. 出处:「第14章 走进物理世界:具身智能与机器人」第 282 至 285 段 (text/15-ch14.txt:285,搜「脑内演习」)。 ↩

  43. 出处:「第14章 走进物理世界:具身智能与机器人」第 322 至 327 段 (text/15-ch14.txt:323,搜「想象中规划」;:326,搜「部署风险」)。 ↩

  44. 出处:「第14章 走进物理世界:具身智能与机器人」第 328 至 330 段 (text/15-ch14.txt:329,搜「漂移」)。 ↩

  45. 出处:「第14章 走进物理世界:具身智能与机器人」第 308 至 318 段 (text/15-ch14.txt:309,搜「语义层面」;:313,搜「抽象结构」)。 ↩

  46. 出处:「第14章 走进物理世界:具身智能与机器人」第 331 至 333 段 (text/15-ch14.txt:333,搜「我想做什么」)。 ↩

  47. 出处:「第14章 走进物理世界:具身智能与机器人」第 297 与 301 段 (text/15-ch14.txt:297,搜「潜动作」;:301,搜「扫地」)。 ↩

  48. 出处:「第14章 走进物理世界:具身智能与机器人」第 490 段 (text/15-ch14.txt:490,搜「摔跤会坏」)。 ↩

  49. 出处:「第14章 走进物理世界:具身智能与机器人」第 491 至 497 段 (text/15-ch14.txt:491,搜「数千倍」;:497,搜「风扇」)。 ↩

  50. 出处:「第14章 走进物理世界:具身智能与机器人」第 494 至 512 段 (text/15-ch14.txt:498,搜「MuJoCo」;:506,搜「SAPIEN」;:511,搜「各有擅长」)。 ↩

  51. 出处:「第14章 走进物理世界:具身智能与机器人」第 504 至 505 段 (text/15-ch14.txt:504,搜「木板」;:505,搜「教育」)。 ↩

  52. 出处:「第14章 走进物理世界:具身智能与机器人」第 522 至 526 段 (text/15-ch14.txt:523,搜「每一次仿真都抽一组新参数」;:525,搜「数百个参数」)。 ↩

  53. 出处:「第14章 走进物理世界:具身智能与机器人」第 527 至 536 段 (text/15-ch14.txt:527,搜「修正量」;:531,搜「海量填充」;:535,搜「Automatic Domain Randomization」)。 ↩

  54. 出处:「第14章 走进物理世界:具身智能与机器人」第 537 至 540 段 (text/15-ch14.txt:538,搜「组合拳」;:540,搜「神奇公式」)。 ↩

  55. 出处:「第14章 走进物理世界:具身智能与机器人」第 664 至 668 段 (text/15-ch14.txt:664,搜「上帝视角」;:668,搜「学骑车」)。 ↩

  56. 出处:「第14章 走进物理世界:具身智能与机器人」第 584 至 592 段 (text/15-ch14.txt:585,搜「2 万美元」;:586,搜「提线木偶」;:590,搜「折毛巾」)。 ↩

  57. 出处:「第14章 走进物理世界:具身智能与机器人」第 593 至 597 段 (text/15-ch14.txt:594,搜「炒虾」;:596,搜「商品说明书」)。 ↩

  58. 出处:「第14章 走进物理世界:具身智能与机器人」第 598 至 602 段 (text/15-ch14.txt:598,搜「护城河」;:601,搜「倒一次水」)。 ↩

  59. 出处:「第14章 走进物理世界:具身智能与机器人」第 728 至 730 段 (text/15-ch14.txt:729,搜「不通用」)。 ↩

  60. 出处:「第14章 走进物理世界:具身智能与机器人」第 355 至 356 段 (text/15-ch14.txt:355,搜「又笨又诱人」;:356,搜「珠峰」)。 ↩

  61. 出处:「第14章 走进物理世界:具身智能与机器人」第 360 至 363 段 (text/15-ch14.txt:360,搜「门把手」;:362,搜「捏了个遍」)。 ↩

  62. 出处:「第14章 走进物理世界:具身智能与机器人」第 366 至 368 段 (text/15-ch14.txt:367,搜「二维码地板」;:368,搜「候选形态」)。 ↩

  63. 出处:「第14章 走进物理世界:具身智能与机器人」第 368 至 369 段 (text/15-ch14.txt:369,搜「省电」)。 ↩

  64. 出处:「第14章 走进物理世界:具身智能与机器人」第 375 至 378 段 (text/15-ch14.txt:375,搜「三股技术潮流」;:377,搜「数据驱动」;:378,搜「量变到质变」)。 ↩

  65. 出处:「第14章 走进物理世界:具身智能与机器人」第 384 至 387 段 (text/15-ch14.txt:384,搜「几万美元」;:387,搜「四座山」)。 图 14.6 的具体价签(如「ASIMO ≈ 数千万」「宇树 G1 1.6 万」)见 text/15-ch14.txt:390,搜「ASIMO」与 text/15-ch14.txt:396,搜「宇树」,书里自己注明是概念曲线、不是报价表。 ↩

  66. 出处:「第14章 走进物理世界:具身智能与机器人」第 705 至 709 段 (text/15-ch14.txt:706,搜「99% 成功率」;:708,搜「恢复」)。 ↩

  67. 出处:「第14章 走进物理世界:具身智能与机器人」第 452 至 454 段 (text/15-ch14.txt:450,搜「上岗」;:454,搜「热汤」)。 ↩

  68. 出处:「第14章 走进物理世界:具身智能与机器人」第 697 至 703 段 (text/15-ch14.txt:699,搜「柔顺关节」;:701,搜「取决于安全」;:702,搜「儿童房」)。 ↩ ↩2

  69. 出处:「第14章 走进物理世界:具身智能与机器人」第 702 至 703 段 (text/15-ch14.txt:703,搜「挥胳膊」)。 ↩

  70. 出处:「第14章 走进物理世界:具身智能与机器人」第 710 至 713 段 (text/15-ch14.txt:711,搜「请求人类接管」;:713,搜「电梯操作员」)。 ↩

  71. 出处:「第14章 走进物理世界:具身智能与机器人」第 8 至 11 与 607 至 610 段 (text/15-ch14.txt:9,搜「钣金件」;:610,搜「真实节拍」)。 ↩

  72. 出处:「第14章 走进物理世界:具身智能与机器人」第 671 至 674 与 452 段 (text/15-ch14.txt:672,搜「非结构化」;:674,搜「安全地完成」;:452,搜「小范围测试」)。 ↩

  73. 出处:「第14章 走进物理世界:具身智能与机器人」第 456 至 459 段 (text/15-ch14.txt:457,搜「护理员」;:459,搜「远程陪护」)。 ↩

  74. 出处:「第14章 走进物理世界:具身智能与机器人」第 460 至 466 段 (text/15-ch14.txt:462,搜「DARPA」;:464,搜「铁皮小孩」;:466,搜「考场」)。 ↩

  75. 出处:「第14章 走进物理世界:具身智能与机器人」第 469 至 472 段 (text/15-ch14.txt:469,搜「长尾错误」;:472,搜「稳妥的判断」)。 ↩

  76. 出处:「第14章 走进物理世界:具身智能与机器人」第 738 至 744 与 721 至 723 段 (text/15-ch14.txt:738,搜「隐私」;:742,搜「依赖」;:744,搜「被动应对」;:723,搜「电子祖宗」)。 ↩ ↩2

  77. 出处:「第14章 走进物理世界:具身智能与机器人」第 614 至 616 段 (text/15-ch14.txt:614,搜「遥操作」;:616,搜「分辨」)。 ↩

  78. 出处:「第14章 走进物理世界:具身智能与机器人」第 219 至 221 段 (text/15-ch14.txt:219,搜「GPT 时刻」;:220,搜「检验标准」)。 ↩

  79. 出处:「第14章 走进物理世界:具身智能与机器人」第 382 至 383 段 (text/15-ch14.txt:382,搜「严谨报价表」)。 ↩

  80. 出处:「第14章 走进物理世界:具身智能与机器人」第 763 至 769 段 (text/15-ch14.txt:765,搜「幻觉」;:768,搜「具身是一条」;:769,搜「多条路径」)。 ↩

  81. 出处:「第14章 走进物理世界:具身智能与机器人」第 770 至 774 段 (text/15-ch14.txt:773,搜「冲突解决」)。 ↩

  82. 出处:「第14章 走进物理世界:具身智能与机器人」第 747 与 756 至 757 段 (text/15-ch14.txt:747,搜「精确预测」;:757,搜「时间表高度不确定」)。 ↩