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-wutizuhefanhuasandaweidu
，tongguoxitongtiaozhengxunlianshujuguimo，quanmianpinggushidangdeshujuguimonengfouchanshengkezairenhehuanjingxiaduijihurenhewutijinxingcaozuodejiqirencelve。

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15000cishijiceshi，gaituanduifaxian，celvedefanhuaxingnengyuhuanjinghexunlianshijiechudewutishuliangchengxianxianzhudemilvguanxi
，jiqizhongyigeliangdexiangduibianhuahuidaozhilingyigeliangdexiangyingmicibilidebianhua，qieyuchuzhiwuguan。

當(dang)環(huan)境(jing)多(duo)樣(yang)性(xing)足(zu)夠(gou)豐(feng)富(fu)時(shi)，在(zai)單(dan)一(yi)環(huan)境(jing)中(zhong)過(guo)度(du)采(cai)集(ji)不(bu)同(tong)操(cao)作(zuo)物(wu)體(ti)的(de)數(shu)據(ju)所(suo)帶(dai)來(lai)的(de)效(xiao)用(yong)將(jiang)變(bian)得(de)微(wei)乎(hu)其(qi)微(wei)。而(er)且(qie)，單(dan)個(ge)物(wu)體(ti)的(de)演(yan)示(shi)數(shu)據(ju)很(hen)容(rong)易(yi)達(da)到(dao)飽(bao)和(he)

，總(zong)演(yan)示(shi)數(shu)據(ju)達(da)到(dao)800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：是shi的de
，我wo們men對dui數shu據ju規gui模mo法fa則ze的de探tan索suo確que實shi部bu分fen受shou到dao大da語yu言yan模mo型xing的de啟qi發fa。大da模mo型xing中zhong規gui模mo法fa則ze已yi經jing成cheng為wei當dang今jin最zui基ji本ben的de原yuan則ze之zhi一yi，它ta包bao括kuo三san個ge維wei度du：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：womenfaxian，shujuguimofazezhanshilejiqirencelvezaixinhuanjingzhongdexingnengyuxunlianzhongdehuanjinghewutishuliangzhijiandemilvguanxi。jiandandishuo
，xunlianzhongbaohandehuanjinghewutishuliangyueduo，fanhuaxingnengyuehao。

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。

lunwenyezhichu，muqiandegongzuohaiyouyixiejuxianxing，tamenzhiguanzhuledanrenwucelvedeshujuguimo
，bingmeiyoutansuoduorenwudetongyongxing，yinweizhexuyaocongshuqiangerenwuzhongshoujishuju。chuleshujuguimo，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：woxiangxinwomenyanjiudezhexiangjishuzuizhonghuijinrurichangshijiyingyong
，liru
，yongyucanguandefuwujiqiren。gengyouyiyideshi，zheyangdejiqirenkeyiyingyongyuyanglaoyuan
，yixiezhulaonianrenhuli

，zhejiangshitebieyoujiazhiheyingxiangde。