推文

@AYi_AInotes · 2026-10-15 02:39

有一个强烈的预感，具身智能正在跨过从被动编程到主动偷师的分水岭。 不用工程师写死动作代码，也不用人类穿动作捕捉服手把手教。 谷歌用 Gemini 4 Argon 让一台人形机器人只看了一段人类视频，就自己写代码搭出物理模拟环境闭门苦练，最后在现实里连续投中 7 个沙包。 以前教机器人学一个新动作，要么让工程师一行行把运动控制代码写死，要么靠人类穿戴遥操作设备手把手喂几千次数据，在真实世界里摔打试错。 这次谷歌用 Gemini 4 Argon 直接跑通了一条视频到模拟再到现实的完整链路： → 看视频拆解物理规律：给模型看一段人类玩投袋游戏的视频，它直接从画面里提取出空间坐标、关节运动轨迹和物理交互逻辑 → 自己写代码搭考场：模型不急着控制真机，而是自主编写代码生成了一个虚拟的物理模拟环境，让机器人在数字世界里快速试错迭代 → 零样本迁移上真机：在模拟环境里把力度和抛物线练熟后，策略直接转移到 Apptronik Apollo 人形机器人身上，现实里一出手就连续命中 7 次 很多人只看到了机器人投得准，没看懂背后把硬件损耗和训练周期砍到了什么程度。 过去具身智能最怕在物理世界里试错，因为真机动作慢、会磨损、摔一下就是几万美金的维修单；现在大模型自己看懂物理、自己写仿真代码，把最昂贵的试错过程全锁进了零成本的代码空间里。 不过从扔沙包这种固定抛物线任务，到走进杂乱无章的家庭和工厂流水线，中间还隔着柔性物体形变和复杂突发干扰的物理鸿沟，模拟环境能不能把现实里所有的摩擦力都算准，依然是接下来的硬仗。 当机器人不再需要人类写死代码，而是看一眼你的动作就能在脑子里演练一万遍，蓝领技工那些靠肌肉记忆吃饭的手艺，底座逻辑正在被彻底改写。 https://x.com/Google/status/2110428343950836212/video/1

曝光 384 · 评论 1 · 点赞 3 · 书签 1