资讯与观察· 大模型

刷视频也能教会机器人干活！1200亿tokens人类动作预训练，误差按幂律下降

视频中的镜头位置多样，人体会被遮挡，动作也没有关节控制标签，更没有机器人的本体感知、力反馈和接触状态。视频里一个人伸出手打开橱柜的几十帧，距离一台人形机器人真正需要输出的控制信号还很远。