💰钛媒体•較早收集於 12m
銀河通用拉著英偉達，把人形機器人最大謊言拆穿了
💡Nvidia合作終結人形AI訓練「完美資料」神話(16字)
⚡ 30-Second TL;DR
有什麼變化
銀河通用與Nvidia機器人合作
為什麼重要
轉向不完美資料可降低人形開發成本，提升真實世界穩健性，重塑具身AI訓練範式。
下一步行動
使用Nvidia Omniverse測試機器人模擬，採用原始失敗感測器資料。
誰應關注：Researchers & Academics
關鍵要點
- •銀河通用與Nvidia機器人合作
- •拆穿完美訓練資料必要性謊言
- •推廣使用雜訊真實世界失敗訓練AI
- •實現真實物理動態掌握
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •銀河通用（Galbot）採用了基於大規模真實世界數據的「端到端」視覺語言模型（VLM）路徑，強調機器人需具備在非結構化環境中的泛化能力，而非僅依賴模擬器中的完美數據。
- •該合作的核心技術支撐為Nvidia Isaac Lab與Omniverse平台，利用其強大的模擬與合成數據生成能力，將真實世界收集的「失敗案例」進行強化學習訓練，以提升機器人在複雜物理環境下的魯棒性。
- •銀河通用透過其具身智能機器人Galbot，展示了在零售、物流等場景中，機器人如何透過視覺感知直接理解並執行複雜操作任務，證明了無需精確預編程即可處理動態環境的技術可行性。
📊 競品分析▸ Show
| 競爭對手 | 核心技術路徑 | 數據策略 | 應用場景 |
|---|---|---|---|
| 銀河通用 (Galbot) | 端到端 VLM + 真實世界數據 | 雜訊真實數據訓練 | 零售、物流、服務 |
| Tesla (Optimus) | 端到端神經網絡 | 大規模人類演示數據 | 工廠製造、家庭服務 |
| Figure AI | OpenAI 模型整合 | 模擬與真實數據混合 | 工廠自動化、物流 |
| 宇樹科技 (Unitree) | 強化學習 + 模擬訓練 | 高度依賴模擬器數據 | 運動控制、通用操作 |
🛠️ 技術深入
- 採用多模態大模型（VLM）作為機器人的「大腦」，實現視覺感知與動作規劃的端到端映射。
- 利用Nvidia Isaac Lab進行大規模並行模擬，將真實世界採集的雜訊數據進行標註與增強，解決了傳統機器人學習中數據稀疏的問題。
- 引入「失敗學習」機制，透過分析機器人在真實環境中操作失敗的軌跡，自動調整策略網絡參數，提升對物理邊界條件的處理能力。
- 具備通用操作能力（General-purpose manipulation），無需針對特定物體進行重新編程，即可適應不同形狀與材質的物品抓取。
🔮 前景展望AI analysis grounded in cited sources
具身智能機器人將在2027年前實現商業化落地。
隨著端到端模型對真實世界數據的適應性增強，機器人部署的邊際成本將顯著下降，使其在零售與物流領域具備經濟可行性。
模擬器與真實數據的閉環訓練將成為行業標準。
單純依賴模擬數據已無法滿足複雜物理交互的需求，結合真實世界雜訊的訓練路徑已被證明能顯著提升泛化能力。
⏳ 時間線
2024-05
銀河通用完成數億元人民幣天使輪融資，正式對外發布具身智能戰略。
2024-07
銀河通用發布首款具身智能機器人Galbot，展示其在零售場景的通用操作能力。
2025-03
銀河通用與Nvidia在GTC大會期間深化合作，共同推動具身智能在工業與商業場景的應用。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 钛媒体 ↗