1718
31
AI 原生一代，将写下怎样的新故事。这是这一轮 AI 浪潮以来，投资人们最关心的问题。
今天的访谈嘉宾，是 00 后具身创业者，陈源培。
他曾在斯坦福李飞飞的实验室，实现了全球首次双臂长程灵巧操作，以及全球首次「用人类数据训练机器人双臂灵巧操作」。
土木工程本科出身的他，高考前一天还在打游戏，却通过 Robomaster的比赛结缘机器人，并跨界师从北大强化学习专家杨耀东，成为强化学习的前沿学者，继而进入斯坦福李飞飞的实验室，做出全球首创的成果。
相比「天才少年」叙事，这期更值得品味的，是一个一再印证，学习没有固定范式、创新没有标准答案的故事。以及开放、多元、包容和谦卑的学术品味与视野。
无论游戏、RoboMaster、科研，在源培那里都有一条共同线索：它们都像升级打怪，靠快速学习、持续探索和反馈提升能力。希望其中的思考方式，能给大家启发。
（本期视频欢迎前往 b 站、视频号、小红书、Youtube 等平台观看～）
本期嘉宾：陈源培，灵初智能联合创始人
本期 Shownotes：
从游戏到 RoboMaster：工程能力从系统里长出来
高考前还在打牌的 00 后：通宵打游戏，差点被选去电竞青训
父母最大的影响是「完全不管我」
大疆 RoboMaster 冠军：机械、电控、嵌入式、上位机、控制、算法…训练的是复合能力
深入代码底层，不会并不是一个门槛
机器人并不是单点算法问题，全栈系统思维是稀缺的
工程性的东西，更多看的是细心程度与快速学习能力
俄乌战争给源培的「觉醒」——突然觉得发 paper 、抠创新点，对世界没什么帮助
师从杨耀东，最早 Isaac 使用者与并行仿真
师从强化学习知名学者杨耀东，用强化学习做灵巧手
零帧起手强化学习
OpenAI 的 Shadow Hand （2019）的解散，强化学习解魔方——酷但昂贵
「我是英伟达 Issac 最早的使用者」「那个版本应该绝版了」
「未来用 GPU 做仿真，一定是大势所趋」
首篇论文即震撼行业：高自由度操作可以在大规模并行仿真中训练出来
强化学习 vs 模仿学习，什么是训练直觉？
强化学习的峰回路转：监督学习和模仿学习的短期效果让强化学习一度被质疑；直到O1 等方向又重新证明了强化学习的价值
模仿学习见效快，但泛化弱；强化学习潜力大，但极吃 Know-how
模仿学习不是未来
从人手中心到物体中心：描述物体轨迹如何变化，让机器人知道大致目标，再在小范围里探索
奖励不需要把每个动作写死，需要留有空间任 AI 自己探索
真正的系统能力是「方法都告诉你了，但你调不出同样效果」
我训强化学习还挺厉害的：「基本上大家以前都看曲线，只有我是打开仿真，盯着机器人学习。」
进入斯坦福李飞飞实验室：从强化学习中心主义，到多元的学术视野，与技术地图
每条路线都有价值，未来更可能是吸收各自优点的融合过程
更开放的研究氛围：连接图形学、灵巧手、模仿学习、人类数据
师从 Karen Liu ：把机器人操作、动捕、人类数据和仿真强化学习连接起来
不要太 Ego，不要靠形容词证明强，让结果本身说话
一周可以水一篇顶会的代价是放弃自己其他可能性
「从斯坦福回来后，他像变了个人一样」
跳出舒适区 + 螺旋上升的具身技术史
具身技术发展的螺旋：抓取→ CV+模板 → 直接学轨迹（模仿）→ 人遥操太慢 → 强化学习自己探索 → 仿真效率低→ Isaac Gym 并行仿真+Sim-to-Real → Sim2Real Gap 太大→ 软体场景模仿学习反超（Diffusion Policy/ACT）→模仿学习也不够→ 后面接强化学习→世界模型起来后，又回到仿真训 RL
灵巧手最大的价值，不是因为它像人，而是因为它最容易吃下人类操作数据
与夹爪或专用末端执行器相比，五指手和人手之间的 Embodiment Gap 更小，更适合做 Human-Centric 数据采集
「以物体为中心」的通用表征：操作的本质是让物体沿某条轨迹发生变化，而不是复刻人的每个关节动作
具身 Scaling Law 的核心可能不在遥操数据，而在人类日常操作数据；
硬件形态本身会决定能吃下什么样的数据
Sequential Dexterity 的祛魅：学术需要 novelty，这没太大意义
仿真派的价值和上限
我曾经就是个仿真派
仿真无法根本解决真实世界复杂交互，尤其在软体、碰撞、接触和高精度成功率方面
可微仿真和世界模型都试图缩小 Sim2Real Gap，但目前仍受限于算力、图形学、物理交互和数据量
仿真 vs 真机，谁快？仿真的场景 Scaling 能力未必比真实世界快
仿真可以做出很 Fancy 的 Demo，但不是当前可见的终局
如果世界模型足够强到生成全场景仿真，它本身也需要先吃下海量真实数据——如果做出了世界模型，那肯定先做出了好用的 VLA
一个研究者最重要的能力不是在舒适区里把"已经会的事"做得更深，而是逼自己跳到不熟悉的方向；这一点反人性反惰性，因为你在擅长的方向也确实有想探索的东西
具身 Scaling Law 会撞上硬件问题
具身 Scaling Law 的核心问题是数据，单靠遥操数据很难堆到足够规模
百万小时级别的人类中心数据，至少能让行业看到一些效果
「我是实用主义派」
与语言模型不同，具身智能会遇到硬件差异：不同手、不同本体、不同自由度都会影响数据和模型泛化
跨本体泛化的关键，是提取人类操作中通用的信息，再用强化学习补足机器人具体关节、力和接触细节
语言模型可以在统一的 token 空间里 Scaling，具身智能必须同时解决数据规模和硬件本体差异
创业后的路线选择：先坚定，再快速调整
2024 创立灵初时，市场上很少有人强调灵巧手操作和强化学习
择做长程灵巧操作、强化学习、人类中心数据和双手路线，对于一家创业公司，是信仰和耐心的考验
要去做别人做不到的事
当前的路线没有不能复刻的，都不够本质：但仍然保持灵活，可快速调整
具身创业的难点是同时平衡商业化和预研，短期场景可以做，但公司不能忘记自己到底是不是模型公司
「你不能有包袱，最后还是结果说话。」
世界模型、VLA 和算法口号的泡沫
灵初的具身大脑是糅合路线：硬件、采集、数据处理、模型训练和部署，形成端到端闭环
模型架构和口号本身不是护城河
广义 VLA 只要输入视觉和语言、输出动作即可
World Action Model 也只是增加未来帧预测等辅助监督
单靠改模型架构、模块连接方式就带来突破性变化，我认为这几乎是不可能的
真正重要的是训练范式、数据规模、数据质量和完整 Infra
马斯克为什么不喊世界模型——世界模型本身不产生价值，真正产生价值的是它能否在具身、能源、航天或其他真实任务中解决问题
具身行业的泡沫：太多人说的和做的不一样，一些投资看不太懂
主动世界模型：从数据里选择有用信息
关于「主动世界模型」的思考：机器人需要主动判断哪些信息有用，哪些是噪声
世界感知分成客观世界规律、主动选择机制和自身 Policy 三层，其中最缺的是中间那层主动选择
数据 Scaling 不是无脑加数据，低信噪比数据可能损害模型能力
我是实用主义：脑科学、神经元结构、主动世界模型等想法都可以借鉴，但必须通过效果验证
具身下一阶段的底层创新：可能不是继续堆模块，而是找到类似语言模型 next-token prediction 的训练范式
「我的人生，绝对不可能不快乐！」——兴趣、非标与系统性思维
不要害怕环境、专业或起点带来的限制，去做自己真正感兴趣的事
机器人人才，最重要的三点：追求卓越、系统性思维、不要太 Ego
「再垃圾的 paper，也有你可以学习的点！」
「我追求的是影响力，对真实世界产生价值的影响力」
未被验证的人才和未被验证的路线，可能写下真正的突破
加入听友群⬇️：
