2026年6月3日，在ICRA 2026大会的主题演讲环节，德克萨斯大学奥斯汀分校副教授、NVIDIA GEAR团队掌管人朱玉可（Yuke Zhu）颁发了关于人形机械人基础模型的最新演讲。他在演讲中系统性地拆解了当前人形机械人面对的最大瓶颈——数据，并提出了以“数据金字塔”为框架、以“世界模型”为引擎的规�；杈�。
朱玉可指出，人形机械人在进入一个全新的加快阶段：硬件日益成熟，进建算法和基础模型的规�；苍诩本缤贫�。但真正造约这一领域从Demo走向大规模部署的，依然是数据。真实机械人数据质量最高但极其稀缺，仿真数据能够无限天生但存在仿真到真实的天堑。
为此，他提出了一个三层数据金字塔战术：底层是海量但被动的互联网人类视频数据，中层是可无限天生的合成数据，顶层是真实机械人数据。
他的主题概想是：不应押注单一数据源，而应以异质方式汇集三种数据，同时让世界模型表演“数据海绵”的角色，吸收并整合所有类型的数据。
在具体实际中，朱玉可展示了两个典型案例：一是SONIC——利用大规模人类作为捉拿数据训练人形机械人全身节造器，通度日动跟踪指标大幅简化了强化进建的嘉奖函数设计，实现万幼时级此外规�；盗�；二是EgoScale——从第一人称视角的人类视频中进建，通过“预训练获取人类知识→对齐训练压缩知识→后训练表白知识”的三阶段规划，使得机械人仅需不到1%的真实机械人数据就能实现复杂操作工作。
整场演讲最令人振奋的结论，来自DreamZero世界作为（World Action Model，WAM）模型：通过将视频天生模型转化为作为天生器，纯AI天生的虚构轨迹在训练价值上险些100%等效于真实物理数据。
朱玉可最后强调，要推动整个领域前进，开源和盛开是不成或缺的。NVIDIA已开源GR00T基础模型、Isaac仿真框架及有关数据集，并刚刚颁布了首个H2 Plus参考平台。
我今天要讲的是人形机械人和基础模型。先给一个总结：我以为我们在进入人形机械人技术的一个全新时期。硬件越来越壮大，进建算法、基础模型的规�；苍嚼丛娇尚�。
“打造自主的、类人的机械人」剽个妄想，已经让人类沉迷了数百年�；等苏飧龃首钤绯鲎�1920年卡雷尔·恰佩克的戏剧，名字就接锥罗素姆的全能机械人》。从一路头，人们就把机械人设想成类人的通用工作者，而不是为特定用处定造的机械。
回首人形机械人的发展过程，我们看到一波又一波的炒作周期：从七八十年代论证技术可行性的概想验证系统，到那些最终没有实现大规模贸易成功的愿景原型，再到社交伴侣机械人。约莫十年前，DARPA机械人挑战赛给我们泼了一盆冷水，明显揭示了即便在人类监督下，让机械人进入现实使用有多么难题。直到此刻，没有任何一款人形机械人实现了大规模、急剧的部署。
但在2022年左右，我们起头看到一场“人形机械人爆炸”。各大公司、草创企业、钻研机构都在造作越来越壮大的机械人。我以为这在很大水平上是由AI和基础模型、大说话模型的进取所驱动的。今天，我会展示我们最新的钻研成就，我的指标是让你们看到：我们有理由维持乐观，由于进取是扎实的。
约莫两年前，我有幸在英伟达辅导一支人形机械人钻研团队。2024年3月GTC大会上，黄仁勋走上台颁发了GR00T项目。这是一个为构建人形机械人全栈解决规划的打算。GR00T-1是我们推出的第一个开源人形基础模型。
整体架构选取了一种双层设计。系统二是一个视觉说话模型，接管图像和说话指令作为输入，天生作为token；这些token传递给系统一，即扩散Transformer，天生关环作为供机械人执行。整个模型能够端到端训练。
但在实际中，当你必要节造一个超过四五十个自由度的系统时，通�；贡匾桓鲇们炕ㄑ盗返娜斫谠炱�，将基础模型产生的高级指令转化为每个关节的最终执行作为。预训练模型赋予机械人泛化能力，使其可能遵循分歧的说话指令，对分歧物体和工作指标执行工作。模型还能够进一步进行后训练，执行更复杂的操作。
在我们最新的GR00T迭代版本N1.7中，我们尝试解锁机械人的整个活动学领域，通过全身活动操作实现工作。这个模型仅用几十个演示进行后训练，就能实现复杂的工业流程工作。
约莫几年前，我提出了一个“数据金字塔”的概想，它明显说了然CA88数据战术：我们不会只依赖单一数据源来扩大，而是要大规模地汇集异质数据源。
与其只依赖一种数据源，CA88大量钻研都致力于若何有效利用整个数据金字塔。今天我想把沉点放在金字塔的最底层，人类数据。
我以为人类数据是目前最具可扩大性的数据起源�；チ员ù鹬行�，捉拿了我们世界的样子、人类的行为方式、日常工作和日常生涯。而人形机械人可能是消费这类数据最天然的状态，由于状态差距更幼。
对于人类作为捉拿数据，我们在一个叫SONIC的工作中索求用它训练通用的人形全身节造器。主题思路是：首先将人类活动沉定向到特定人形机械人的状态上，天生对应的动捕数据库，而后将活动跟踪作为强化进建的训练指标。
这种组合极大简化了嘉奖函数的设计，从而使规�；炕ㄑ盗烦晌赡�。做大规模的事件时，简洁往往带来更好的可扩大性。
我们在三个维度上扩大了模型训练：参数量从120万提升到4200万，这个规模足够壮大，但依然幼到能够部署在机械人本体的NVIDIA Jetson上；数据量达到1亿帧，总计超过10700幼时的人类动捕数据；训练使用了9000个GPU幼时，每个GPU运行自己的物理仿真副本，计算相当于数千年的真实机械人经验。
SONIC的关键在于作为的天然流畅度，这重要来自活动跟踪指标，让模型更好地仿照人类活动。这个模型能够接受遥操作、基础模型输出、甚至人类视频作为高级指令。我们已将其部署在宇树G1机械人上，训练代码、部署框架和数据集齐全开源。
这类视频提供了一个窗口，让我们观察人类日�；疃蟹崴兜亩嘌院透丛有�。在最近的工作EgoScale中，我们跟踪人类伎俩和手指在三维空间中的活动，也就是说把人设想成一个机械人，头部活动就是作为空间，如此将第一人称视角视频转化为训练数据。
EgoScale的训练规划由三个阶段组成：第一阶段仅在人类视频上预训练，从第一人称视角视角预测手部活动；第二阶段在配对的人机数据上对齐表征，使知识从人类领域迁徙到机械人领域；第三阶段用少量真实机械人数据精调模型。
用概想框架来理解：预训练阶段是“获取人类知识”，从视频中收成学问和物理知识；对齐训练阶段是“压缩知识”，从人类领域压缩到机械人领域；后训练阶段是“表白知识”，利用堆集的知识解决具体工作。
这项工作最让我兴奋的是，模型对更多人类视频数据有着巨大的胃口。当我们将视频数据从1000幼时扩大到20000幼时，模型机能稳步提升，出现出近乎美满的对数线性关系，意味着持续投入数据，机能还会持续提升。
真正的“魔法”来自预训练，预训练得越好，后训练所需数据就越少。这就是CA88规�；婊壕蟛棵攀堇醋匀死嗍�，不到1%来自真实机械人。
在演讲渣滓的功夫里，我要讲讲“海绵”的故事。我所说的海绵，是世界模型。世界模型像海绵，由于它有一种神奇的能力，能够吸收数据金字塔中各种类型的数据。
它能够从互联网视频中进建，获取学问和物理知识、语义知识和法式性知识；能够从合成数据中进建，受益于节造多样性；能够从真实机械人轨迹中进建，精化特定工作的表征；能够从多模态数据、音频数据中进建。也许最沉要的是，能够从失败数据中进建，这类数据对战术改进极度有效。
我们在DreamZero工作中索求了这个设法，用世界模型构建下一代NVIDIA基础模型。主题是“世界作为模型”，设想视频天生模型若何工作：从初始帧起头，从一个带噪声的视频启程，逐步去噪，天生清澈视频。在大规�；チ萆涎盗氛庋哪Ｐ�，它能捉拿相当多的物理理解。而后在机械人数据上微调，通知模型机械人应该长什么样、应该若何活动。
关键创新在于，我们不仅让模型天生未来画面，还增长一个扩散通路同步天生作为。测试时我们抛弃未来帧预测，只提取作为执行。仅通过视频天生模型或世界模型，就能显著加强视角泛化能力和行为克隆的样本效能。
这是我第一次在公共场所展示这些了局。训练GR00T基础模型执行复杂工作，展示了关环战术进建和反映式复原行为。若是你从事机械人钻研足够久，会认出这个YCB数据集中的物体。十年前我看到它时，感触绝不成能用机械人实现这样的装配工作。但此刻，有了基础模型，这已经造成可能了。并且是在一天之内实现的，无需任何人为过问。
我对从前两年获得的进展感应兴奋，社区中的加快极度惊人。但也很容易看到，还有大量工作必要做，我们必要更宽泛的钻研社区参加。这也是为什么我幼我极度坚定地看好开源。
就在这个星期一，我们刚刚颁发了首个H2 Plus参考平台。打造人形机械人的妄想已经让我们沉迷了超过一百年。但最终，我看到各类技术身分在汇聚，让我们真正有可能实现这个妄想。我约请在座各位一路参与，共同将这个妄想变为现实。
朱玉可：这是一个极度好的问题。若是你看过大说话模型是若何训练的，就会知路预训练只是训练的第一阶段。在机械人领域，后训练和对齐同样关键。你必要针对特定工作场景，用高质量的领域数据进行精调。同时，可复现性必要严格的评估基准和尺度化的测试和谈，这一点我们在YCB等基准工作的基础上还必要持续推动。总的来说，预训练给你泛化的底座，后训练给你领域的深度，两者缺一不成。
《出轨的女人8免费观看正版电视剧》世界模型的野心很大：让AI不只“看见”画面，还能“预见”接下来会发生什么。给它一张初始照片，再告诉它“机器人要把杯子放到桌上”，它就能推演出整个动作过程的视频——就像给AI装了一双能预见未来的眼睛。这个能力一旦成熟，机器人就不需要在真实世界里一次次试错，而是在虚拟世界里先把动作“彩排”一万遍。一问一答之间，没有客套话，全是商业逻辑推演。这场路演涉及的技术领域跨度极大，但一条暗线贯穿始终——产业链上的互相需要。《出轨的女人8免费观看正版电视剧》《苦战雪姨1到40章的作者唐枫是谁》近两年，世界模型这条赛道有一种明显的“军备竞赛”倾向：模型参数越来越大，训练数据越堆越多，算力卡集群越拉越长。在这种氛围下，BWM团队选择了一条不那么“卷”的路线——不靠堆数据和拼算力，而是靠架构创新和数据效率取胜。西关小学是安定区科技教育的“老牌”学校。该校副校长李国荣介绍，学校构建了“1+N”知行科学课程体系，以及机器人、编程、3D建模等7个科技社团。2023年至2025年，学生获各级科技竞赛奖项126人次，其中国家级3项、省级12项。
20260607 ? 《出轨的女人8免费观看正版电视剧》“我认为他在个性方面带来了一些东西。最重要的是，我认为他在球场上也带来了一些东西。他能控球。在现代足坛，他们称之为10号。我认为他打这个位置会很不错。我想试试让他打这个位置，但如果你问我对格雷利什的看法，我是他的超级粉丝。超级粉丝。”入骨欢(红烧肉)笔趣阁最新第一个技巧是使用一个简化版的图像解码器来替代正式版本。正式的视频解码器（把模型内部的数字信号转化为肉眼可见画面的工具）非常耗时耗内存，但在优化阶段，视觉语言模型其实不需要画质有多完美，只需要能看清大致结构就够了。于是研究团队引入了一个轻量级的替代解码器，速度更快、内存占用更小，虽然画质差一点，但丝毫不影响考官的判断准确性（实验也验证了这一点）。正式输出最终结果的时候，再切换回高质量解码器。
20260607 ? 《出轨的女人8免费观看正版电视剧》而在贸易方面，中老铁路同样表现抢眼，已成为中国—东盟贸易的重要大动脉。截至5月25日，今年以来经中老铁路运输的跨境进口水果累计达10.79万吨，同比增长超30%。依托这条铁路，东南亚的生鲜产品最快3天即可运抵中国市场。《幼蓝视频》在赢得两座奖杯后，这位蓝黑军团的球员透露了要想在欧冠联赛中更具竞争力还需要什么：“我们必须做得更好，我相信我们会做到的，我们很强大，再加上一些新援……今年我们也很有竞争力，但结果不如我们所愿。”
京公网安备11010202000001号
