0:000:00
<p>🎙️ <strong>Sergey Levine</strong>——全球机器人强化学习（RL）与具身智能领域的权威学者，加州大学伯克利分校-电气工程与计算机科学系副教授，明星机器人公司Physical Intelligence（PI）联合创始人。他以18万+谷歌学术引用的学术影响力，主导开发了谷歌机器人大模型RT-1、RT-2及跨本体数据集RT-X，其提出的“热启动强化学习（WSRL）” 和“动作分块（Q-Chunking）” 技术大幅提升了机器人学习效率。2025年，他深度阐释AI如“洞穴观察者”的认知局限，主张通过视觉-语言-动作模型（VLA）与强化学习的融合，推动机器人在真实世界中实现通用智能。</p><p>⏱️ 时间戳</p><p>07:22 真正的家用机器人应该是什么样的？</p><p>10:33 家用机器人还要多久才能研发完成？</p><p>13:31 机器人和大语言模型的进化曲线类似</p><p>18:42 机器人和自动驾驶的发展过程有何不同?</p><p>30:52 数据飞轮的启动看质量不看数量</p><p>31:46 机器人也有自己的涌现能力</p><p>37:33 机器人的进步一定会冲击到体力劳动者</p><p>💡 思考</p><ul> <li>当机器人真的开始能够处理越来越多的体力劳动，甚至是一些过去被认为需要人类基本常识和判断力才能完成的服务性任务时，我们作为人类应该如何重新审视和定位自身的价值？我们应该如何利用这些日益强大的新工具来放大我们自身独特的创造力、情感连接能力、复杂决策能力以及那些机器难以复制的人类特质，而不是感到被取代或威胁？</li></ul><h3>🔗 参考资料</h3><p><a href="https://www.youtube.com/watch?v=48pxVdmkMIE&list=TLGGMKhx5yltA6gxNDA5MjAyNQ&ab_channel=DwarkeshPatel">Fully autonomous robots are much closer than you think – Sergey Levine</a></p>