如果將人工智能（AI）比作孩子，那麼ScalingLaw（以下簡稱規模法則）就是其成長密碼；隻要“孩子”被給予足夠的“營養”，即數據
、模型和算力
，他就能茁壯成長。2020年，OpenAI發表論文《神經語言模型的規模法則》，為大語言模型的出現奠定了語言基礎。因此規模法則也被視為人工智能的基石。

如今

，規模法則正在引領機器人領域開啟新世界的大門。

清華大學交叉信息研究院（以下簡稱IIIS）研究團隊近日在預印本網站arXiv發布的論文《機器人操作模仿學習中的數據規模法則》顯示，在數據規模法則下
，機器人實現了真正的零樣本泛化
，無需進行任何微調就能泛化到全新的場景和物體
，成功率高達90%。所謂泛化，指的是一個模型或算法在處理未曾見過的新數據時的表現能力。

該團隊的發現表明
，隻要有足夠的數據
，機器人就能像ChatGPT理解語言一樣，自然地理解和適應物理世界。一時間

，外界對人形機器人可能迎來“ChatGPT時刻”議論紛紛。連GoogleDeepMind的機器人專家TedXiao都稱，其對機器人大模型時代具有裏程碑意義。

針對這項最新研究
，《每日經濟新聞》記者（以下簡稱NBD）於11月4日晚間專訪了該論文的作者之一、清華大學IIIS四年級博士生胡英東。

胡英東博士重點研究嵌入式AI，這是機器學習、機器人和計算機視覺交叉的前沿領域。他研究了開發通用機器人係統的基本挑戰，這些係統可以有效適應和概括他們在不同的、非結構化的現實世界環境中的學習行為。

機器人將更好適應環境

火鍋店倒水
、公園疊毛巾、電梯內拔插頭……在清華大學IIIS研究團隊最新進行的研究中，便攜式手持夾爪UMI在8種從未見過的環境中展現出了超強的適應能力。

ChatGPT的問世驗證了規模法則的“智能湧現”能力——規模越大，效果越優。要提升模型效果
，就需要不斷擴大參數規模、訓練數據量、計算資源的規模。但機器人領域尚未建立全麵的規模法則，因而未能取得深度學習領域那麼快的發展。

為了探究數據規模法則，清華大學IIIS研究團隊設計了物體泛化、環境泛化及環境-物wu體ti組zu合he泛fan化hua三san大da維wei度du
，通tong過guo係xi統tong調tiao整zheng訓xun練lian數shu據ju規gui模mo，全quan麵mian評ping估gu適shi當dang的de數shu據ju規gui模mo能neng否fou產chan生sheng可ke在zai任ren何he環huan境jing下xia對dui幾ji乎hu任ren何he物wu體ti進jin行xing操cao作zuo的de機ji器qi人ren策ce略lve。

利用真實環境下收集的超過4萬條人類演示數據
，以及嚴格評估協議下進行的超15000次ci實shi機ji測ce試shi，該gai團tuan隊dui發fa現xian
，策ce略lve的de泛fan化hua性xing能neng與yu環huan境jing和he訓xun練lian時shi接jie觸chu的de物wu體ti數shu量liang呈cheng現xian顯xian著zhu的de冪mi律lv關guan係xi，即ji其qi中zhong一yi個ge量liang的de相xiang對dui變bian化hua會hui導dao致zhi另ling一yi個ge量liang的de相xiang應ying冪mi次ci比bi例li的de變bian化hua，且qie與yu初chu值zhi無wu關guan。

danghuanjingduoyangxingzugoufengfushi，zaidanyihuanjingzhongguoducaijibutongcaozuowutideshujusuodailaidexiaoyongjiangbiandeweihuqiwei。erqie，dangewutideyanshishujuhenrongyidadaobaohe
，zongyanshishujudadao800次時，性能就開始趨於穩定。該團隊認為，每個物體有50次演示效果就基本能達到期望的泛化水平了。

最終的任務測試表明，在8種全新的場景中，機器人的成功率高達90%。這意味著機器人實現了真正的零樣本泛化，可以無需進行任何微調就能泛化到全新的場景和物體。

也就是說，團隊的發現表明，隻要有足夠的數據，機器人就能像ChatGPT理解語言一樣，自然地理解和適應物理世界！而且，這也簡化了數據收集工作
，以前可能需要幾個月才能完成
，現在隻需要幾天甚至一個下午。

NBD：您能否分享一下
，是什麼促使團隊去探索具身智能領域的數據規模法則？是否受到了大語言模型規模法則的影響
？

胡英東：shide，womenduishujuguimofazedetansuoqueshibufenshoudaodayuyanmoxingdeqifa。damoxingzhongguimofazeyijingchengweidangjinzuijibendeyuanzezhiyi，tabaokuosangeweidu：數據、模型和算力。在探索模型和計算規模法則之前
，理解數據規模法則是至關重要的。

NBD：能否用通俗的語言解釋一下數據規模法則？

胡英東：我wo們men發fa現xian
，數shu據ju規gui模mo法fa則ze展zhan示shi了le機ji器qi人ren策ce略lve在zai新xin環huan境jing中zhong的de性xing能neng與yu訓xun練lian中zhong的de環huan境jing和he物wu體ti數shu量liang之zhi間jian的de冪mi律lv關guan係xi。簡jian單dan地di說shuo，訓xun練lian中zhong包bao含han的de環huan境jing和he物wu體ti數shu量liang越yue多duo，泛fan化hua性xing能neng越yue好hao。

NBD：論文中提到，提高數據質量可能比盲目增加數據量更重要。那麼，您認為如何才能有效地提高數據質量呢？是否有具體的方法或策略
？

胡英東：數shu據ju質zhi量liang有you很hen多duo方fang麵mian
，但dan我wo們men主zhu要yao關guan注zhu數shu據ju的de多duo樣yang性xing。我wo們men發fa現xian，在zai資zi源yuan有you限xian的de情qing況kuang下xia，在zai更geng廣guang泛fan的de環huan境jing和he物wu體ti中zhong收shou集ji人ren類lei演yan示shi比bi在zai特te定ding環huan境jing中zhong使shi用yong特te定ding物wu體ti收shou集ji更geng多duo演yan示shi帶dai來lai的de效xiao果guo更geng好hao。

尚不足以實現商業化

盡管IIIS團tuan隊dui的de研yan究jiu表biao明ming，隻zhi需xu投tou入ru相xiang對dui較jiao少shao的de時shi間jian和he資zi源yuan，就jiu有you可ke能neng學xue習xi到dao一yi種zhong可ke在zai任ren何he環huan境jing和he對dui象xiang中zhong零ling距ju離li部bu署shu的de單dan任ren務wu策ce略lve
，但dan在zai現xian實shi中zhong
，要yao完wan成cheng洗xi衣yi服fu、疊衣服等一些在人類看來非常簡單的任務，AI依然麵臨不小的難度。

論lun文wen也ye指zhi出chu，目mu前qian的de工gong作zuo還hai有you一yi些xie局ju限xian性xing
，他ta們men隻zhi關guan注zhu了le單dan任ren務wu策ce略lve的de數shu據ju規gui模mo，並bing沒mei有you探tan索suo多duo任ren務wu的de通tong用yong性xing
，因yin為wei這zhe需xu要yao從cong數shu千qian個ge任ren務wu中zhong收shou集ji數shu據ju。除chu了le數shu據ju規gui模mo，IIIS團隊還在模型規模化方麵有三個重要發現：視覺編碼器必須經過預訓練和完整微調，缺一不可
；擴大視覺編碼器的規模能顯著提升性能；擴大擴散模型的規模沒能帶來明顯的性能提升
，這一現象最讓人意外。

為了激勵更多的研究人員就此進行探索，團隊還公布了其代碼
、數據和模型，希望業界最終開發出能夠解決複雜問題的通用機器人。

NBD：你ni們men的de研yan究jiu發fa現xian，通tong過guo適shi當dang的de規gui模mo法fa則ze，單dan任ren務wu策ce略lve可ke以yi應ying用yong於yu任ren何he新xin環huan境jing和he同tong一yi類lei別bie中zhong的de任ren何he新xin對dui象xiang。這zhe是shi否fou意yi味wei著zhe一yi旦dan機ji器qi人ren掌zhang握wo了le足zu夠gou的de數shu據ju，它ta們men就jiu不bu需xu要yao進jin一yi步bu學xue習xi了le？

胡英東：這並不意味著機器人不再需要學習。雖然目前有90%的成功率，也讓人印象深刻，但對於商業化和家庭使用仍然不夠，我們需要達到99.9%以上的成功率，畢竟你不會希望一個機器人在倒水的時候有10%的概率打破你的杯子。

NBD：機器人在學習大量數據後，能夠適應各種環境。這是否預示著未來很可能會出現通用機器人
？

胡英東：我(wo)相(xiang)信(xin)我(wo)們(men)將(jiang)來(lai)會(hui)看(kan)到(dao)通(tong)用(yong)機(ji)器(qi)人(ren)，我(wo)不(bu)能(neng)準(zhun)確(que)預(yu)測(ce)是(shi)什(shen)麼(me)時(shi)候(hou)。我(wo)們(men)的(de)研(yan)究(jiu)隻(zhi)探(tan)索(suo)了(le)數(shu)據(ju)規(gui)模(mo)
，正(zheng)如(ru)我(wo)之(zhi)前(qian)提(ti)到(dao)的(de)
，我(wo)們(men)還(hai)沒(mei)有(you)完(wan)全(quan)研(yan)究(jiu)模(mo)型(xing)和(he)計(ji)算(suan)規(gui)模(mo)，仍(reng)有(you)許(xu)多(duo)重(zhong)要(yao)的(de)研(yan)究(jiu)問(wen)題(ti)需(xu)要(yao)解(jie)決(jue)。

未來值得期待

在學界的努力之外，企業界也在專注於將通用人工智能引入物理世界
，旨在開發大規模人工智能模型和算法

，為機器人提供動力。

OpenAI就是其中之一。11月4日，Meta增強現實眼鏡Orion團隊的負責人凱特林·卡林諾夫斯基在社交媒體上宣布，其已經加盟OpenAI，領導機器人和消費者硬件團隊。他在帖子中表示，這份新工作最初將關注OpenAI在機器人領域的工作以及相關的合作，幫助AI“進入物理世界”，解鎖對人類的好處。

同日，OpenAI被曝還參與了機器人AI初創公司PhysicalIntelligence的4億美元融資輪。本輪融資由亞馬遜創始人JeffBezos、ThriveCapital和LuxCapital領投。

PhysicalIntelligence在博客文章中提到
，過去八個月裏，他們一直在為機器人開發一種“通用”的人工智能模型。PhysicalIntelligence希望這個模型能成為他們實現最終目標——開發人工通用智能（AGI）的第一步。AGI是指在各種任務上達到或超越人類智能的人工智能技術。

NBD：一些文章將你們最新的研究發現稱為“人形機器人的ChatGPT時刻”
，您對此有何看法
？這個時刻是否已經到來，還是需要更多的技術突破？

胡英東：我並不認為我們已經達到了“人形機器人的ChatGPT時刻”，盡管我們正在朝著這個目標快速前進。ChatGPT的de一yi個ge關guan鍵jian特te征zheng是shi其qi非fei凡fan的de泛fan化hua能neng力li，它ta能neng夠gou在zai幾ji乎hu任ren何he用yong戶hu定ding義yi的de任ren務wu中zhong表biao現xian良liang好hao。雖sui然ran我wo們men強qiang調tiao機ji器qi人ren對dui新xin環huan境jing和he新xin物wu體ti的de泛fan化hua能neng力li
，但dan主zhu要yao的de區qu別bie在zai於yu我wo們men的de模mo型xing還hai不bu是shi真zhen正zheng通tong用yong的de，不bu能neng處chu理li用yong戶hu可ke能neng給gei出chu的de各ge種zhong各ge樣yang的de指zhi令ling。

NBD：研究已經在多個現實場景中得到了驗證，那麼您認為這些實驗結果有一天能轉化為實際應用嗎？

胡英東：我wo相xiang信xin我wo們men研yan究jiu的de這zhe項xiang技ji術shu最zui終zhong會hui進jin入ru日ri常chang實shi際ji應ying用yong，例li如ru，用yong於yu餐can館guan的de服fu務wu機ji器qi人ren。更geng有you意yi義yi的de是shi，這zhe樣yang的de機ji器qi人ren可ke以yi應ying用yong於yu養yang老lao院yuan，以yi協xie助zhu老lao年nian人ren護hu理li
，這zhe將jiang是shi特te別bie有you價jia值zhi和he影ying響xiang的de。