具身Scaling Law押對！獨角獸新品1小時學新任務，重複1800次成功率99%

🔑 增強重點摘要

• •該技術採用了基於視覺-語言-動作（VLA）模型的端到端架構，透過大規模模擬環境預訓練後，再進行少量真實世界數據微調，實現了跨任務的泛化能力。
• •Unitree 此次突破的核心在於其專有的數據採集系統，該系統能自動過濾低質量數據，並將人類示範數據轉化為機器人可理解的動作序列，顯著降低了訓練成本。
• •該模型展現了具身智能領域的『湧現』現象，即在參數規模達到特定閾值後，機器人對於未見過的物體操作表現出顯著的適應性，而非僅僅是記憶動作路徑。

🛠️ 技術深入

• •模型架構：基於 Transformer 的 VLA（Vision-Language-Action）模型，支援多模態輸入（RGB-D 影像、本體感知數據）。
• •訓練策略：採用兩階段訓練法，第一階段在 Isaac Gym 等模擬器中進行大規模強化學習，第二階段利用少量真實世界數據進行行為克隆（Behavior Cloning）微調。
• •數據處理：引入了自動化數據標註管道，利用預訓練的視覺模型自動識別物體邊界與抓取點，減少人工標註需求。
• •推理優化：針對邊緣運算進行了模型量化（Quantization），確保機器人能在機載計算單元（如 NVIDIA Jetson 系列）上實現即時推理。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線