79
2欢迎收听自变量机器人的播客「关键变量」！让我们一起捕捉具身智能的关键变量。
最近，自变量机器人联合创始人、算法合伙人甘如饴在清华大学进行了一场分享。
他在分享中提到，fancy的论文只是冰山一角，真正决定一个具身智能基础模型能力的，是冰山之下——硬件、数据、infra、后训练、评测等环节上长久的积累。
顺着这条线，他分享了更多「冰山之下」的部分：
如何“反过来”定义硬件、具身数据到底要采多少、为什么质量比数量更难、怎样的 infra 才能支撑机器人集群在线学习，后训练如何成为模型能力的「放大器」，以及为什么真机评测才是模型进化的「北极星」。
这期播客，呈现这场分享的原音。
时间轴：
“fancy 的论文只是冰山一角”
硬件：AI “反过来”定义硬件——量子一号、量子二号与自研灵巧手
数据：到底要采多少才够？为什么质量比数量更难？
Infra：D-Muon 优化器与支撑机器人集群在线学习的框架
后训练：模型能力如何“放大”？为什么要给模型加上“记忆”？
评测：为什么真机评测是模型进化的“北极星”？仿真又能做什么
欢迎订阅「关键变量」！
更多精彩内容，敬请期待～
