⚛️量子位•較早收集於 2h
VLA死了，遙操也死了！英偉達機器人一號位說的
💡英偉達機器人老大殺VLA與遙操—新機器人AI時代來臨？
⚡ 30-Second TL;DR
有什麼變化
Jim Fan宣告VLA模型過時
為什麼重要
預示具身AI範式轉移，敦促開發者探索後VLA架構。
下一步行動
檢視Jim Fan在X上的完整論述，並將機器人策略轉離VLA。
誰應關注：Developers & AI Engineers
關鍵要點
- •Jim Fan宣告VLA模型過時
- •機器人遙操也被宣判死亡
- •英偉達機器人負責人發言
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Jim Fan 提倡轉向「通用具身智能體」（Generalist Embodied Agents），認為應透過大規模模擬環境（如 NVIDIA Isaac Sim）進行強化學習，而非依賴靜態數據集的監督式學習。
- •他指出 VLA 模型的瓶頸在於數據收集成本過高且難以泛化至未見過的環境，遙操（Teleoperation）則因數據採集效率低且無法擴展至數百萬小時的訓練需求而被視為瓶頸。
- •英偉達目前的策略重心已轉向「世界模型」（World Models）與基於物理模擬的自我對弈（Self-play），旨在讓機器人透過模擬器自主學習物理規律，而非模仿人類動作。
🛠️ 技術深入
• 核心架構轉向：從基於 Transformer 的 VLA（視覺-語言-動作）架構，轉向基於物理模擬的強化學習（RL）與世界模型（World Models）。 • 數據採集機制：摒棄傳統遙操，改用 NVIDIA Isaac Lab 進行大規模並行模擬，利用 GPU 加速生成合成數據。 • 學習範式：強調從「模仿學習」（Imitation Learning）轉向「基於模型的強化學習」（Model-based RL），利用模擬環境中的物理引擎進行自我探索與策略優化。
🔮 前景展望AI analysis grounded in cited sources
機器人訓練將全面轉向合成數據與模擬環境。
由於真實世界遙操數據的獲取成本過高且難以擴展，模擬器將成為訓練通用機器人智能的核心基礎設施。
VLA 模型將被整合進更廣泛的世界模型架構中。
單純的 VLA 模型缺乏對物理世界因果關係的理解，未來將被具備預測能力的物理世界模型所取代或包含。
⏳ 時間線
2023-05
NVIDIA 推出 Voyager，展示了基於 GPT-4 的 Minecraft 智能體，開啟了具身智能研究的新方向。
2024-01
Jim Fan 領導的 NVIDIA GEAR 研究組正式成立，專注於通用具身智能體開發。
2024-03
NVIDIA 發布 Project GR00T，旨在為人形機器人提供通用基礎模型。
2025-06
NVIDIA 強化 Isaac Sim 模擬平台，大幅提升了機器人自我對弈訓練的效率。
📰
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： 量子位 ↗