1. 仿真与现实的巨大鸿沟

 

· 只测仿真不测实机:质疑其数据仅停留在仿真环境中,认为“sim没啥用,得上real(真机)看看”。

· 缺乏泛化能力:认为这本质上只是用数据训练出来的结果,并非真正的泛化。

· 实验条件受限:暗示目前的成功是在特定条件下(如预测步长/horizon较短)达成的,如果条件放宽,仿真可能就无法应对。

 

2. 延迟与算力的物理瓶颈

 

· 延迟无法解决:大模型做具身智能面临极高的延迟,而具身智能对实时性要求极高,这个物理延迟很难解决。

· 算力成本高昂:做一次任务成本极高,端侧算力根本不够(调侃是否要在机器人上装极强算力的芯片)。

 

3. 对技术路线的质疑

 

· 并非真正的端到端:质疑其如果是“Code as policy(代码即策略)”的结果,而不是基模真正端到端输出末端位姿,那么成功率刷得再高也没有实际用处。

 

4. 理论极限与工程难度

 

· 用“永动机”作比喻,认为虽然只差最后一步(比如将损耗从2%降到0%),但这本身就是不可能完成的任务,当前进展与“有没有希望”没有直接关系。

Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐