0
年初，DeepSeek閃亮登上大模型的銀幕，鎂光燈下，觀眾看到了一群年輕的身影。
少年浩氣展虹霓，日新月異的AI時代，年輕人悄然撐起了半邊天。
大模型的新浪潮已翩然而至，具身智能的新浪潮還有多遠(yuǎn)？
我們與三個具身智能領(lǐng)域的年輕人展開對話，傾聽他們的故事，感受時代的脈搏。
他們分別出生于98、01、02年代，性格各異，想法迥然。有的還在讀博，有的已入業(yè)界。
在這三個年輕人的身上，我們找到最大的共同點(diǎn)，是少年郎的癡，敢，愛，狂。他們無一例外，都深深愛著自己的理想。
天下熙熙，皆為愛來。Z世代，是一個時代，一種品質(zhì)。
我笑他人看不穿
“我總?cè)滩蛔“情_問題上的層層面紗，分析其背后的本質(zhì)?！?/p>
譚恒楷打小就問自己：宇宙的邊界是什么樣的？人為什么會生老病死？如何才能一直復(fù)制人體干細(xì)胞？哥德巴赫猜想能不能再往前證一步？
接觸具身后，他又問自己：為什么它不work？為什么它能work？AGI的本質(zhì)是什么？又從何而來？
旅游的時候他也沒放過自己。去趟貴州，看到大梵山，他想：如何在物理世界搭建AGI？去趟新加坡，看到濱海灣，他思：如何在商業(yè)世界切入AGI？
《盜夢空間》里的五層夢境，譚恒楷估計能達(dá)到最深一層。
譚恒楷是清華計算機(jī)系本科直博，大二開始在朱軍的實(shí)驗(yàn)室里跟著蘇航做強(qiáng)化學(xué)習(xí)。在蘇航的指引下，他漸漸轉(zhuǎn)向具身智能領(lǐng)域，開始研究機(jī)器人。
23年他就能用強(qiáng)化學(xué)習(xí)和FCNet網(wǎng)絡(luò)架構(gòu)把機(jī)器狗下肢做到特別魯棒，幾乎覆蓋了所有真實(shí)世界地形，五道口時不時就能看到他的機(jī)器狗在爬樓梯。
但譚恒楷認(rèn)為，人和動物的本質(zhì)區(qū)別在于使用和制造工具，所以機(jī)器人最本質(zhì)的問題還是手。
要解決本質(zhì)，首先要解決數(shù)據(jù)和模型問題。譚恒楷和其他幾個同學(xué)把研究工作分成三個方向：
一，做模擬器大量任務(wù)的生成；
二，讓sim2real能夠更高效地表示低維的視覺特征；
三，訓(xùn)練一個有足夠泛化性的具身大模型
OpenVLA 是基于自回歸，從語言任務(wù)里做離散token的建模。譚恒楷和團(tuán)隊卻選擇用擴(kuò)散模型做連續(xù)token的建模，“我們發(fā)現(xiàn) diffusion 對動作多峰分布的建模很強(qiáng)，diffusion head 越大，建模效果越好。”
他們訓(xùn)練出了當(dāng)時全球最大的diffusion policy——RDT-1B。
通過整合互聯(lián)網(wǎng)上上百萬條機(jī)器人操作數(shù)據(jù)，他們構(gòu)建了一個unified action space，輸入當(dāng)前圖像和語言任務(wù)指令，輸出機(jī)器人action的軌跡，得到1.2B參數(shù)量的具身大模型。
他們還出于數(shù)據(jù)不足的考慮，通過引入大量模擬器數(shù)據(jù)和Bounding Box這樣的視覺低維特征引導(dǎo)，提出一個操作算法框架ManiBox，成功實(shí)現(xiàn)了機(jī)器人空間泛化的抓取和倒水等操作任務(wù)，發(fā)現(xiàn)了具身智能空間泛化性的scaling laws。
工作是完成了，譚恒楷卻發(fā)現(xiàn)，action數(shù)據(jù)的稀缺，才是具身的本質(zhì)問題。
Sora的預(yù)訓(xùn)練視頻有接近千萬小時，Tesla FSD車隊也有上千萬小時數(shù)據(jù)，而具身才幾千，足足相差數(shù)萬倍，很難訓(xùn)練出一個泛化性的模型。
并且，長遠(yuǎn)來看，具身智能有各式各樣的硬件本體，會導(dǎo)致機(jī)器人的action模態(tài)不統(tǒng)一，action輸出后也不好在服務(wù)器上作快速部署和算法迭代。
譚恒楷當(dāng)機(jī)立斷：VLA去掉A，我們不要action了！
大家紛紛驚掉了下巴。啥？把a(bǔ)ction去掉？那還叫具身智能嗎！
譚恒楷想的是，用image space替代action space，讓機(jī)器人從互聯(lián)網(wǎng)數(shù)據(jù)的視頻模態(tài)中學(xué)習(xí)物體的運(yùn)動、接觸信息和物理知識。
基于這個想法，他們在今年五月份提出了具有Unified Observation Space的具身視頻基座模型VIDAR，來克服數(shù)據(jù)不足和機(jī)器人本體異構(gòu)的問題。
他們還提出了AnyPos模型，用一種叫ATARA（任務(wù)無關(guān)的action）的技術(shù)，把a(bǔ)ction從基座模型解耦出來，實(shí)現(xiàn)自動化規(guī)?；腶ction采集，以此解決action數(shù)據(jù)不足的問題。
花幾百萬訓(xùn)練成本，干劍走偏鋒的事，譚恒楷并非沒有糾結(jié)過。畢竟在目前的具身領(lǐng)域，機(jī)器人通過互聯(lián)網(wǎng)視頻和圖像學(xué)習(xí)物理世界智能還是一個非共識的事情。
一番深度思考后，他說服了自己。首先，要達(dá)到涌現(xiàn)，數(shù)據(jù)采集量的資本開支動輒就要上百億。其次，就算能采，這個數(shù)據(jù)量也遠(yuǎn)不是現(xiàn)在具身公司的數(shù)采工廠能采集到的。
“具身靠共識是走不通的，就像風(fēng)險投資一樣，得靠非共識才行?！?/p>
別人貪婪我恐懼，別人恐懼我貪婪，這是資本市場教會他的。
本科畢業(yè)后，譚恒楷在今日資本待過一陣，跟著徐新學(xué)習(xí)了很多投資上的真知灼見。他覺得，單靠一個人的力量很難做出震驚世界的工作，還得借助資本，把實(shí)驗(yàn)性預(yù)算變成可重復(fù)性的生產(chǎn)性預(yù)算。實(shí)習(xí)三個月，他把大模型和具身的創(chuàng)始人基本見了個遍。
“創(chuàng)業(yè)就是把自己 all-in，只有一次全壘打的機(jī)會，要選就選最偉大的。如果他的理想、技術(shù)、scale up范式都能讓我信服，我就跟他干。”
譚恒楷的目標(biāo)是：找一個偉大的組織。
找了一圈后他發(fā)現(xiàn)——
我的意中人到底在哪！
譚恒楷有點(diǎn)技術(shù)理想主義，渴望找到一個屬于具身的 DeepSeek，“梁文峰自己都還在寫代碼，一個十年沒訓(xùn)過神經(jīng)網(wǎng)絡(luò)的人，他能引領(lǐng)AI技術(shù)的發(fā)展嗎？”
很多創(chuàng)始人還是買流量、搞用戶增長、做數(shù)據(jù)飛輪閉環(huán)那一套。譚恒楷認(rèn)為，在AGI技術(shù)未收斂的時候，數(shù)據(jù)飛輪對模型能力沒有提升?！発imi最開始也砸錢去買流量，結(jié)果DAU被 Deepseek 10天超過，這就是互聯(lián)網(wǎng)思維套在AI時代上的一個錯誤例子?！?/p>
Christensen在《創(chuàng)新者的窘境》里講到，所有創(chuàng)新者都沒法在下一個顛覆性的時代里占得先機(jī)。其中有商業(yè)模式的問題，也有技術(shù)認(rèn)知的局限。這就是為什么，Google打不過OpenAI，大廠打不過DeepSeek。
00后的譚恒楷不吃互聯(lián)網(wǎng)那一套，正因如此，他認(rèn)為自己能夠突破“創(chuàng)新者的窘境”。大廠的基因決定他們做不了通用智能，打賞、豆包、投流、產(chǎn)品，這些在AGI時代都沒用。要突破窘境，不是增量的改進(jìn)，也不是VLM變VLA，而是顛覆性的技術(shù)范式。
具身有很多自動駕駛、傳統(tǒng)CV切過來的人，但人臉識別那一套感知智能畢竟已是上一代AI，技術(shù)上并沒有降維打擊的優(yōu)勢。譚恒楷認(rèn)為，自動駕駛、硬件、VLA，都不是AI最本質(zhì)的變量。最本質(zhì)的變量，是物理世界的智能。
ChatGPT等大模型的出現(xiàn)，讓他看到AI真正涌現(xiàn)出來的一些智能。目前具身的GPT時刻還未來臨，就像17年transformer剛出來的時候，現(xiàn)在正是百花齊放的探索階段?！拔腋杏X周圍有熱情的年輕人其實(shí)并不多，清華搞計算機(jī)的同學(xué)中就沒幾個，大家該更狂妄一點(diǎn)，堅持做難而正確的事情?！?/p>
譚恒楷上高中的時候，他爸總和他講，不必為短期波動而焦慮，你要扎根一個方向，并且長期執(zhí)行下去。當(dāng)時譚恒楷的競賽和文化課成績都不理想，老師同學(xué)對他一番熱諷加冷嘲。在學(xué)校沒有傾訴對象，譚恒楷一腔苦水只能回家跟爸媽倒。
“我爸說過很多話跟段永平很像，他老說，快就是慢，慢就是快。想賺快錢，錢來的就慢，賺慢錢，反而能享受到時間的復(fù)利?！?/p>
股票，最重要的，是等。人生，最重要的，也是等。
父母這塊堅強(qiáng)的后盾，穩(wěn)穩(wěn)頂在了譚恒楷的背后?？嘧x一年，他拿到了NOI銀牌，全國前100名。教練都震驚了，從沒見過一年就學(xué)到這種成績的，一般人可都要7、8年的時間吶！
譚恒楷喜歡巴菲特，自己也是個價值投資者。他8歲時受父親熏陶開始接觸股票，后經(jīng)徐新的耳濡目染，在a股、港股、美股中秉持長期主義的投資理念，和“偉大的公司”一起成長，年化收益率能達(dá)到40%。
除了股市上的研究，他聊起房市也津津樂道，“我覺得現(xiàn)在北上廣的房價已顯著高于其內(nèi)在價值，不是好的投資選項?！?/p>
很多具身的研究就像北上廣的房子，外表高大上，實(shí)則價值虛空，為做demo而做，為發(fā)paper而發(fā)。譚恒楷不愿做反復(fù)雕花的工作，要做，就必須能為社會帶來真正的生產(chǎn)力。
就像老爸跟他講的：“與你未來做千億美元市值的偉大公司相比，幾百幾千萬的房子算得了什么？你需要考慮區(qū)區(qū)一個房子的問題嗎？”
一眼看穿本質(zhì)，譚恒楷決定，不再考慮區(qū)區(qū)一個“房子”的問題。
向前踮起，向后落下
“要不得！
要不得！
注重調(diào)查！
反對瞎說！”
吳銘東的手指停在這段話上，機(jī)場的廣播已響了兩次，催促從北京到上海的旅客盡快登機(jī)。他合上書，泛黃的封面，五個黑體字洋洋灑灑：毛澤東選集——第一卷。
因科研工作需求，吳銘東經(jīng)常往返兩地。從北京到上海，他只帶了四本書，分別是毛選的一到四卷。
吳銘東覺得自己以前有一點(diǎn)飄，像個不斷踮起腳看向窗外新奇的孩童。讀讀毛爺爺?shù)闹腔郏梢苑乐沟羧胨级粚W(xué)和先入為主的陷阱。
16年AlphaGo的橫空出世，驚艷了還是高中生的吳銘東，他覺得AI的終極問題，就藏在機(jī)器人靈巧的雙手中。入學(xué)北大的第一天，每個新生都要畫出自己想象中 20 年后的樣子。吳銘東畫的主題是——AI 機(jī)器人革命下人類文明的變革。
在他的畫中，機(jī)器人解放了血肉之軀的底層痛苦，使人類可以更專注地解決社會關(guān)系、階級關(guān)系、剝削、壓榨、不公平等人性之惡的痛苦。由此，文明進(jìn)入一個新的階段。
吳銘東刷B站視頻的時候，常看到很多天賦異稟的人與理想失之交臂，最終在螺絲廠里消磨人生。他總是一陣惆悵：他們只是活著，又有什么錯？如果機(jī)器人能幫助人類減輕這種無意義的痛苦，那該多好呀。
“那個時候不知道現(xiàn)實(shí)有多難有多苦，只是很天真地在幻想這些事情?！?/p>
吳銘東高中就讀于湖南雅禮中學(xué)，“我們學(xué)校出來的都比較有個性?！?為了能夠更自由地發(fā)展個性，他擇校時選了北大，入校后成為北大圖靈班的一員。
吳銘東大一的研究方向是生成模型，當(dāng)時具身智能領(lǐng)域尚未迎來爆發(fā)期。2020年，導(dǎo)師董豪從視覺轉(zhuǎn)型到具身領(lǐng)域。吳銘東也跟隨董豪的步伐，投入了具身智能的研究。
2023年，吳銘東在董豪的帶領(lǐng)下進(jìn)入業(yè)界。機(jī)器人普遍面對數(shù)據(jù)稀缺的問題，吳銘東最初的行業(yè)目標(biāo)是采集高質(zhì)量數(shù)據(jù)，通過模仿學(xué)習(xí)的范式用VLA做機(jī)器人。
可是，覆蓋現(xiàn)實(shí)場景的復(fù)雜性注定要花費(fèi)高昂的代價采集海量數(shù)據(jù)。不僅如此，即使擁有非常大的訓(xùn)練集，也無法保證訓(xùn)練出的策略能在新任務(wù)上實(shí)現(xiàn)100%的成功率。
要想提升成功率，機(jī)器人得具備主動適應(yīng)的能力。
從23年到24年初，董豪和吳銘東一直在研究如何解決適應(yīng)性和成功率的問題。直到24年2月份，全球首個真機(jī)強(qiáng)化學(xué)習(xí)（SERL）工作破土而出。
很多論文里，機(jī)器人只需 20 次的成功率，就會被認(rèn)為是百分百成功。實(shí)際中，一個機(jī)器人在工位干一個月需要幾十萬次操作，如此龐大的操作次數(shù)，無法保證每一次的成功率都是百分百。
SERL的原理是，讓機(jī)器人在環(huán)境中自動交互，通過獎勵信號的反饋取長補(bǔ)短，優(yōu)化成功率，形成一個閉環(huán)的學(xué)習(xí)能力。吳銘東發(fā)現(xiàn)，強(qiáng)化學(xué)習(xí)是提高真實(shí)世界成功率必不可少的一環(huán)，而模仿學(xué)習(xí)是加速強(qiáng)化學(xué)習(xí)的“催化劑”。
柳暗花明又一村，他開始轉(zhuǎn)向SERL的研究。24年3月初，吳銘東在實(shí)驗(yàn)室里成功復(fù)現(xiàn)了SERL。
在吳銘東看來，真機(jī)強(qiáng)化學(xué)習(xí)比強(qiáng)化學(xué)習(xí)更具挑戰(zhàn)性。真實(shí)世界變量多，交互效率還不到仿真的1%。在如此有限的采集量下達(dá)到百分百的成功率，非?？简?yàn)算法的設(shè)計和系統(tǒng)的工程能力。
“做真機(jī)強(qiáng)化學(xué)習(xí)的人一定要有軟硬結(jié)合的能力，不能只會迭代算法，還要會迭代硬件?！?/p>
復(fù)現(xiàn)SERL之后，他召集了一批北大的科研同學(xué)，開展對SERL的廣泛探索。
具身目前還沒有探索出一條能真正落地的路線，隨著場景擴(kuò)大，每一步都有不同挑戰(zhàn)。吳銘東期待做出一個data flywheel式的AGI，能從猩猩進(jìn)化成智人、從智人進(jìn)化到人類，在真實(shí)世界中自我迭代。
理想很豐滿，現(xiàn)實(shí)很骨感。真機(jī)強(qiáng)化學(xué)習(xí)目前主要在二指夾爪上成績矚目，若未來用到靈巧手上，一方面要面臨探索空間大的難題，另一方面還得讓硬件適應(yīng)算法。
前腳是技術(shù)上的窘迫，后腳是量產(chǎn)上的困境。如果團(tuán)隊沒有打過量產(chǎn)的仗，哪怕做出技術(shù)，也可能吃大虧，試錯成本 10 個億都頂不住。
將登太行雪滿山，吳銘東感嘆：我還不曾參透這個世界的邏輯。他品嘗到了一絲沒有調(diào)查，沒有發(fā)言權(quán)的滋味。
讀博士、刷論文，步入業(yè)界后才驚覺，原來這些指標(biāo)之上，還有一個估值邏輯叫可靠性。他從沒想過，可以交付什么產(chǎn)品？幾年內(nèi)達(dá)到銷售預(yù)期？有些人很早就深入調(diào)查實(shí)體經(jīng)濟(jì)和供應(yīng)鏈，而自己卻連核心零件要選好二供都不知道。
不過，奮發(fā)自有時。98年的吳銘東是一個包袱少、敢試錯的有志青年。作為一批在互聯(lián)網(wǎng)時代成長起來的年輕人，他在技術(shù)研究上有明顯的優(yōu)勢。吳銘東表示，“年輕人趕上了技術(shù)紅利，能探索更多有潛力的領(lǐng)域，很多老師都羨慕我們吶?！?/p>
他覺得，商場風(fēng)雨，該老少搭配，干活不累。老一輩可以改進(jìn)場景適應(yīng)技術(shù)，年輕人可以改進(jìn)技術(shù)適應(yīng)場景。
具身智能本身涵蓋很多學(xué)科，視覺表征、強(qiáng)化學(xué)習(xí)、數(shù)據(jù)采集、硬件操作，都是藥鋪里的甘草——少不得一味。吳銘東建議，你最好在每個核心算法領(lǐng)域都有能發(fā) paper 的水平，再找一個軟硬件兼?zhèn)涞娜珬Ｆ脚_，豐富行業(yè)認(rèn)知。
“可以多和 senior 合作，抓住身邊人?！?他很感謝董豪老師提供的平臺，讓他擁有一個更全棧性的視角。
吳銘東每月往返北京和上海差不多一兩次。去機(jī)場的路很長，滴滴司機(jī)不時會跟他聊幾句。得知他的工作內(nèi)容后，吳銘東被問到最多的一個問題就是：有了AI，我還能開車嗎？
他反問道：“你敢讓AI開滴滴嗎？AI是感受不到痛苦的。它撞車沒事，人呢？”
吳銘東覺得，AI是為人民服務(wù)而生的，并非取代。他計算過，普通人一天有14個小時的自由時間，假設(shè)機(jī)器人每天做4小時家務(wù)，就能幫人類延長 4/ 14——也就是接近30% 的生命！
“但人類也要警惕過度依賴AI的思維模式，” 他指出，一個充斥著復(fù)雜性的大腦，去模仿一個架構(gòu)清晰的神經(jīng)網(wǎng)絡(luò)，未必是真正的進(jìn)步。這種單向的趨同，可能會侵蝕人類思維獨(dú)有的“神性”。
為什么我們覺得殘缺的維納斯美呢？或許AI就不這么覺得。人類能夠擁抱殘缺之美，這就是人類大腦的神秘之處，是——“不可復(fù)制的神性”。
本科畢業(yè)那一天，吳銘東回宿舍收拾東西。在書桌角落，一摞文件的最下面，他找到了入學(xué)第一天的那幅畫?？吹降囊凰查g，他后知后覺，原來當(dāng)初天真的理想，如今正在慢慢實(shí)現(xiàn)?，F(xiàn)實(shí)曾一度讓他迷茫，所幸，他仍有勇氣走在理想上。
機(jī)器人的問題還在鉆研，入學(xué)時的畫還在家中，他笑著說，
“或許這就叫神奇的命運(yùn)。”
他踮起的腳，終于落下。
快哉！樂哉！瀟灑哉！
TVB最經(jīng)典的臺詞是：做人嘛，最重要的就是開心啦。
王乾旭也是這么想的：人生只活一次，最重要的就是開心啦。
初看王乾旭三字，內(nèi)有乾坤，旭日東升——這名字，是算命先生給起的。2002年的一天，王乾旭呱呱落地。當(dāng)時王姥姥日思夜想，給外孫起個啥名好呢？
某天王姥姥上街溜達(dá)，遇到一個會算命的，那人掐指一算，就叫王乾旭吧！
王乾旭是吉林長春人，從小被放養(yǎng)長大。小學(xué)學(xué)奧數(shù)，別的孩子都被家長逼著老老實(shí)實(shí)坐在板凳上，王乾旭可不是。他覺得奧數(shù)又累又難，王媽媽就跟他說，不想學(xué)就別學(xué)了，你多玩一玩吧。
初中的時候，王乾旭每天在課堂外探索人生，跟形形色色的人聊天。在一次考試中，他“陰差陽錯”地考了年級第一。王乾旭突然覺得，考第一挺好，大家都夸我，那就再考一考。
于是，他再次“陰差陽錯”地考進(jìn)了吉林省最好的高中里最好的班，周圍人水平噌噌噌地一下子拔高不少。這時候，可不能再陰差陽錯了，他開始拼命努力學(xué)習(xí)。
“我的學(xué)習(xí)方法都是和好朋友討論出來的”，王乾旭說。他們高中班有 20 幾個考進(jìn)清北的同學(xué)，貢獻(xiàn)了充分交流的土壤。從那時開始，王乾旭就知道交流與合作的重要性?！罢胬硎窃睫q越明的，跟別人合作交流才能改變自己?！?/p>
考進(jìn)北大后，王乾旭在專業(yè)探索上花了不少時間。他高中時最喜歡的學(xué)科是物理，但跟同學(xué)老師討論后，他發(fā)現(xiàn)物理研究并非自己所想，倒是計算機(jī)的廣袤天地更容易讓他找到興致所向。
上大學(xué)前都沒怎么用過電腦的王乾旭，不作他想，一步踏進(jìn)計算機(jī)的大千世界。
北大像圖靈這樣拔尖的班都有輪轉(zhuǎn)，王乾旭所在的實(shí)驗(yàn)班也有到三個科研組輪轉(zhuǎn)的機(jī)會。大二下學(xué)期他轉(zhuǎn)入董豪教授的Agibot實(shí)驗(yàn)室，董豪當(dāng)時正跟楊耀東合作機(jī)器人，機(jī)緣巧合之下，王乾旭開始接觸具身智能。
當(dāng)時國內(nèi)研究靈巧手和機(jī)械臂的人很少，董豪剛好就是一個。但是這個硬件太新，連經(jīng)驗(yàn)豐富的學(xué)長都不太會用。寒假時大多數(shù)人都回家了，沒剩下幾個人的實(shí)驗(yàn)室，正等著新鮮事物填補(bǔ)空白。王乾旭靈機(jī)一動，跟朋友合伙：要不咱試試！
其實(shí)王乾旭的主要興趣不在硬件，而是怎么利用硬件開發(fā)算法，但這次心血來潮的研究，觸發(fā)了他對具身的興趣。他后來回憶，真是幸運(yùn)啊，這么早就找到了自己喜歡的東西。
大三下學(xué)期，王乾旭從董豪的科研組轉(zhuǎn)進(jìn)朱毅鑫教授的實(shí)驗(yàn)室CoRe。在朱毅鑫的推薦下，王乾旭開始和斯坦福的機(jī)器人實(shí)驗(yàn)室進(jìn)行遠(yuǎn)程合作，并結(jié)識了 Jeannette 教授。教授很喜歡王乾旭，愿意讓他去斯坦福做暑研。
不管是朱毅鑫還是Jeannette，都極大程度地給予了他定義科研的權(quán)利。在自由的環(huán)境下，王乾旭得以“野蠻生長”。在投稿ICLR的一篇論文中，王乾旭研究了一種叫蒸餾特征場（DFF）的方法，拋去傳統(tǒng)的NeRF技術(shù)，僅用點(diǎn)云作為載體，成功將2D的信息通過3D的特征來表示。
這種高維信息的點(diǎn)云特征場可以定義三維中每一個空間點(diǎn)的特征，從而編碼機(jī)器人各種各樣的幾何形態(tài)和軌跡。這樣，特征場就有了非常好的場景泛化性。
在斯坦福暑研期間，王乾旭隔壁的實(shí)驗(yàn)室招了很多中國實(shí)習(xí)生，他隔三差五跑去隔壁組跟別人嘮嗑，一個月下來跟大家都混得挺熟。
在交流過程中，王乾旭發(fā)現(xiàn)動畫生成的“人”雖然操作不精確，但每一個動作都非常符合人的認(rèn)知，而且動畫領(lǐng)域?qū)φZ義和人體運(yùn)動的理解甚至比機(jī)器人領(lǐng)域還要細(xì)致。
他突發(fā)奇想，誒！可以先生成語義作為一個參考軌跡，讓機(jī)器人和人的認(rèn)知達(dá)成一致，然后再把物理和控制信息補(bǔ)齊。
但是，語義的信息很具體，而且頻率高。一個機(jī)器人拿杯子，就要涉及到接觸、拿起、杯子的幾何形狀等等。面對紛繁復(fù)雜的信息源，模型如何從不同的數(shù)據(jù)路徑中提取到有價值的信息并進(jìn)行組合呢？
王乾旭想，可以設(shè)計一個接口，把視覺模塊和控制模塊解耦，讓它們分別從不同的數(shù)據(jù)源中學(xué)習(xí)信息。
這個構(gòu)思源起于MIT副教授何愷明。在美國暑研期間，王乾旭在學(xué)姐鄧叢悅的介紹下，與何愷明在MIT的校園里見了一面。何愷明雖專攻視覺，但對機(jī)器人也有諸多想法，倆人聊了一個多小時。
“何教授的理解很透徹，我做interface design的思考很多來自于那天聊天中的啟發(fā)。見面那天的kaiming一身T恤牛仔褲，特別平易近人?！?/p>
王乾旭覺得應(yīng)該探尋不同形態(tài)機(jī)器人操作中的共性，嘗試定義統(tǒng)一的數(shù)據(jù)表示方式。讓機(jī)器人像視覺模型一樣可以通過世界上的每一個人收集數(shù)據(jù)，學(xué)到的知識又可以應(yīng)用到每一個機(jī)器人。
他表示，有做interface想法的人不少，但真正在做的不多?！斑@才是 exciting 嘛，如果所有人都一樣，那就很沒勁?！?/p>
今年年初，王乾旭收到了康奈爾大學(xué)的博士offer，準(zhǔn)備繼續(xù)追逐自己的科研夢。他希望未來能夠成為一個肩膀，別人踩著他走到了更遠(yuǎn)的地方?！爱?dāng)肩膀被踩是一種幸福，因?yàn)椴鹊米疃嗟挠肋h(yuǎn)是那個最厲害、最正確的那個人?！?/p>
成功的人不一定快樂，王乾旭是功成不必在我，功力不可唐捐。做一件真正值得、熱愛、快樂的事情，事了拂衣去，何樂而不為？
他希望可以在科研室里待到90歲?！拔矣X得李嘉誠30歲后就可以不用做生意了，但是他一直做到90歲！你說這人為什么怎么老不知足??？因?yàn)樗矚g，就像我喜歡科研一樣?！?/p>
追求快樂的小王，也有不快樂的時候?？歼M(jìn)北大后，王乾旭發(fā)現(xiàn)周圍很多同學(xué)都是競賽出身，從小就目標(biāo)清晰。兩相比較下，他發(fā)現(xiàn)自己選“錯”過很多東西。
“選擇本身沒對錯，當(dāng)你知道自己想干什么后，選擇就有了對錯。”他后悔小時候沒參加競賽，也后悔沒更早進(jìn)科研組，還后悔自己視野不夠，比如參加兩次國際學(xué)生會議都沒提前了解參會教授的信息。
但錯誤的選擇也讓王乾旭明白了人生的節(jié)奏和容錯。人生容錯很高，知道自己想要什么來評價選擇對錯本來就很不容易，保持好的心態(tài)和節(jié)奏，下次不要做錯就好。
當(dāng)生活中的欲望、煩惱、壓力沒法平衡的時候，王乾旭會去做心理咨詢。他覺得國內(nèi)現(xiàn)在競爭壓力太大，自己“選擇錯誤”的軌跡其實(shí)是人生長河中正常的經(jīng)歷，但是很多人都不允許你走錯一步。心理醫(yī)生雖不能幫他解決問題，但是能幫他調(diào)整心態(tài)，讓他自己更好地解決問題。
王乾旭的微信頭像是一張手寫圖片：我能行。寫于2017年，當(dāng)時王乾旭還在讀初中，有個老師跟他說，就你這分，肯定考不上師大附中。他特別不高興，凌晨2點(diǎn)都沒睡著，忿忿不平中想著，你不相信我，可我相信我！
他當(dāng)即一骨碌爬起來，把自己的QQ頭像換成了這張圖片：我能行。
上高中后，王乾旭從QQ換成微信，頭像的圖片卻保留至今。除了初中考試打的雞血，他覺得我能行這三個字還有更深刻的含義。
初中的我能行，是相信自己能考好；后來的我能行，是相信自己可以做到；現(xiàn)在的我能行，是相信自己擁有追求夢想的勇氣和底氣。他覺得，我有這么好的智慧，得做一些更有價值理想的東西。
“我可不是一個普普通通的人，” 他這樣評價自己。
找到，且知道
電影《四百擊》的最后一幕，14歲的安托萬終于逃離了少管所，來到一望無際的海邊。他找到了自由，卻不知該走向何方。
少年自當(dāng)扶搖上，少年應(yīng)有凌云志，少年壯志不言愁，年少的我們，理當(dāng)鮮衣怒馬，一往無前。
可是，沖的背后，更重要的是知。
在向具身智能前行的征途中，三個年輕人的熱烈、迷茫、思索，匯聚成他們對AI世界的自我認(rèn)知。
知時代，
AI時代，年齡和資歷如過眼云煙，年輕人可以在非常短的時間內(nèi)經(jīng)受完整的科研訓(xùn)練，抓住技術(shù)的爆發(fā)點(diǎn)扶搖直上，闖出一片天地。
知方向，
VLA風(fēng)頭已過，強(qiáng)化學(xué)習(xí)或?qū)⒊蔀槁涞匮屎?。顛覆的技術(shù)范式，得靠“非共識”去突破。
知自己，
譚恒楷的知，是看破廬山真面目。
吳銘東的知，是自知不知是為上。
王乾旭的知，是心明志遠(yuǎn)行自堅。
安托萬還不知道自己的立身之所，三個Z世代的年輕人已在具身大地上撒下了幾粒種子。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
