机器人界的GPT时刻来了，零数据也能让机器人干活

机器人技术或将迎来类似GPT的突破时刻，通过AI模型实现通用机器人控制，减少数据依赖，并回顾关键论文与数据挑战。 Kwan Wong是“物理智能”（Physical Intelligence (Pi)）团队的联合创始人之一，他们的目标是打造一个“机器人的GPT时刻”，即一个能够控制任何机器人、完成任何物理上可能任务的通用基础模型，使其能为各行各业的人们所用。 机器人问题的三大支柱与进展：机器人问题可被简化为三个支柱：语义理解、任务规划和实时控制。近年来，通过SayCan、PaLM-E、RT-2等研究，语言模型的能力被成功引入机器人领域，显著降低了对机器人专属数据的需求，并展示了强大的知识迁移能力。 数据是核心挑战与机遇：机器人发展的最大瓶颈是数据问题，因为没有像互联网之于语言模型那样现成的“机器人数据互联网”。不过，像Open-X（开放跨本体平台）这样的努力，通过汇集多种机器人数据，展示了潜在的“缩放定律”，即数据越多、模型越通用、性能可能越好。机器人创造的巨大经济前景（例如占GDP的10%）能够支撑大规模数据收集的投资。 “云端模型+混合自主”的新范式：Pi公司展示了独特的技术路径：将大型模型部署在云端，通过API实时控制机器人，解决了硬件算力瓶颈和快速迭代的问题。 同时，他们倡导“混合自主”系统，即允许机器人在部署初期犯错，由人类进行纠正，这能更快地实现经济效益的盈亏平衡，从而走向规模化部署

降低创业门槛，开启“寒武纪大爆炸”：由于硬件成本降低、模型能力提升、数据收集和评估能力增强，机器人创业的门槛已大幅下降。创业者不再需要建立完全垂直整合（从硬件到软件）的公司，而可以专注于理解具体工作流程、利用现成的机器人硬件和Pi这样的基础模型

这将催生成千上万家针对不同细分领域的垂直机器人公司，就像生物进化中的“寒武纪大爆发”一样。

Pi的使命与开放合作：Pi公司将自己的角色定位为“机器人智能”的提供者，而非机器人制造商。他们的成功定义在于“自己的模型在他人的机器人上完成有用的任务”。为此，他们采取了非常开放的策略，开源了其模型（如Pi Zero和Pi 0.5），以加速整个社区的发展，并欢迎合作。

机器人技术正从昂贵、垂直、封闭的工业系统，转变为可以基于通用智能模型、云端部署、混合自主模式和更廉价硬件来构建的开放生态。这为大量非机器人领域的创业者打开了大门，让他们能够专注于解决具体的商业问题，从而引发一场机器人应用在各个垂直行业遍地开花的革命。