模型:通用感知模型,能 仓库自动化的核心挑战之一是,机器人历来是为特定任务 而开发的,这些任务通常高度标准化,障碍物少(如光滑 地面、统一部件等) 在许多仓库中,这根本不是现实。随着物理人工智能商 环境,使智能体能够预 VLA模型:能够感知、解 业化,前景在于能够让机器人泛化并在各种环境中执行 测动态、模拟结果并规 广泛任务的模型。这不仅极大地增加了自动化更多供应 链的潜力,还扩大了机器人公司可服务的总目标市场, 美国风投对物理AI的投资1,2 则,将我们推入了AI时代。但这些扩展法则并不以相同 方式适用于物理AI。物理AI面临传感器质量与覆盖范围 、安全要求以及模拟数据限制等硬性约束。随着模拟技 术的进步,我们或许会看到扩展法则开始更像大型语言 模型所受益的幂律函数。 解决物理人工智能的公司正在采取多种不同的方法,例 如Scale AI为Physical Intelligence创建训练数据,从 而构建一个视觉-语言-动作(VLA)基础模型,使任何机