文章 · 機器人
機器人向人學習
語言模型從數兆個字詞中學習。機器人還沒有這樣的資料庫。在機器人領域,如今最稀缺的,是人類如何工作的資料。

1988年,機器人學家 Hans Moravec 寫道:「要讓電腦在智力測驗或下跳棋時展現成人水準,相對容易;但要讓它們具備一歲孩子的感知與行動能力,卻很困難,甚至不可能。」將近四十年後,他的悖論依然成立。語言模型可以通過律師資格考試。會摺衣服的機器人,至今仍是新聞。
缺少的資料庫
部分原因在於資料。Meta 用超過15兆個文字 token 訓練 Llama 3 語言模型,這些資料取自公開來源,大多是人寫給人看的。手做的事,卻沒有這樣的檔案庫。沒有人花幾十年,記錄手在打開罐子時的各種力道。
目前最大的開放計畫,正好顯示出這個差距。2023年,Google DeepMind 與21個機構的合作夥伴,把22種機器人的資料匯集成 Open X-Embodiment 資料集:超過100萬段錄製片段,涵蓋500多種技能。這是該領域的里程碑。但和訓練語言模型的文字相比,它只是一本小冊子。
人人都在蒐集
資金跟著問題走。Physical Intelligence 是2024年在舊金山成立的新創,為機器人打造通用模型,2024年11月募得4億美元,一年後又以56億美元估值募得6億美元。此後有報導指出,它正洽談以高得多的估值再次募資。該公司表示,主要挑戰之一,是從許多任務和許多機器人取得足夠的資料。
方法各不相同。有些公司遠端操控機器人,記錄每一個動作。有些讓人穿上動態捕捉服。2025年,Tesla 告訴訓練 Optimus 機器人的員工,公司將改為主要依靠影片:工作人員戴著攝影裝備摺襯衫、拿取物品,因為影片更容易擴大規模。
我們的角色
這些做法都有一個共同的想法:實體工作最好的老師,是把它做好的人。技師感覺得到螺栓快要滑牙。護理師知道怎麼替病人翻身而不弄痛他們。這種知識正是機器人欠缺的,而且大部分從未被記錄下來。
這就是為什麼我們有兩家公司在做這件事。Archaí Physics 記錄人實際上如何工作,好讓機器人從中學習。physical.wiki 收集物件在手中的表現:它們的重量、握感,以及如何打開、如何破裂。
硬體每年都在變便宜。熟練工作的優質紀錄,而且是經過工作者同意錄製的,至今仍然稀少,這正是我們投入資金的地方。
資料來源
資料來源以原文列出。
- Hans Moravec: Mind Children, Harvard University Press, 1988
- Wikipedia: Moravec’s paradox
- OpenAI: GPT-4, March 2023
- Meta AI: Introducing Meta Llama 3, April 2024
- Google DeepMind: Scaling up learning across many different robot types, October 2023
- Open X-Embodiment: Robotic learning datasets and RT-X models
- Bloomberg: Robotics startup Physical Intelligence valued at $5.6 billion, November 2025
- Dataconomy: Bezos-backed Physical Intelligence raises $600M, November 2025
- eWeek, reporting Business Insider: Tesla’s Optimus has a new training strategy, August 2025
- TechCrunch: Physical Intelligence in talks to raise $1 billion again, March 2026


