🎯 核心要点
5 条
01
经营变化
Figure 2.5 引入大量人类行为数据进行预训练，任务成功率从 9% 显著提高至 56%，验证了大规模异构数据训练的显著效果。
📰 研报摘要
免费查看全文 ➔本次会议邀请具身智能行业专家，深度复盘了机器人大模型的发展历程、技术路线演进及商业化落地前景。会议指出，机器人模型正从早期的编程控制、深度学习逐步转向以 VLA（视觉-语言-动作模型）和 WM（世界动作模型/预测模型）为主流的架构，大模型主要负责上层任务拆解、状态理解与策略生成，而底层小脑和运控仍不可或缺。数据需求方面，高质量真实物理数据（如第一人称视频、无本体操作数据）是核心瓶颈，预计未来 2-3 年数据需求将翻倍，达到 1000 万小时有效数据（即人形机器人“GPT时刻”）或需至 2028-2029 年。商业化落地顺序遵循先 To B（工业、3C制造、商超零售）后 To C（养老院、医院、家庭），看好银河通用、智元机器人等垂直模型厂商在 To B 场景的规模化进展。