文 | 日晞野望，作者｜咸闲 8月9日，在世界机器人大会的演讲台上，宇树科技创始人王兴兴谈论到目前机器人运动控制领域存在的 RL Scaling Law问题，他认为现在的机器人在学习一项新的技能时，往往都是需要从头开始研究以及教 学。 而在未来更加希望的是能够在原有的基础上去不断学习，使得他们的学习速度更加快速以及效果更好。 整个具身智能行业在目前并没有人将强化学习的Scaling Law做好，所研究的算力增长、数据堆积，并 不能直接让机械手臂变得更加灵巧，或者让双足的机器人走得更稳。 事实上，问题并不在于我们所提供的硬件、数据不够好，而是其"大脑进化"以及环境不断适应，那么， 面对具身智能Scaling Law缺失，我们是否应该如同婴儿时的教学，让其不断尝试，具备真正不断演化 的能力，促使机器人界的"摩尔定律"诞生？ 所以，现实世界中无数的物理特性就让机器人在运行出现了无数个"意外状况"。 算力增长≠智能进化：具身智能的物理瓶颈困局 在目前的人工智能领域，我们逐渐认为当我们提供了更多的数据以及算力时，就能够支撑机器人拥有更 聪明的能力。 例如，ChatGPT的发展似乎印证了这一点——给它更大的模型、更多的训 ...